金属矿山

作者：吴泽彬,陈锐

单位：1. 东华理工大学机械与电子工程学院,江西 南昌 330013;2. 江西省新能源工艺及装备工程技术研究中心,江西 南昌 330013

基金：国家自然科学基金项目(编号:U22B2077);江西省科技厅重大科技研发专项(编号:20224AAC01012)。

为了识别可冶炼铀矿石,提高资源利用率,采用X 射线透射技术,并结合半监督学习算法—ITSVM,实现对铀矿的智能分选。同时为进一步优化模型性能,引入了亮暗校正方法以解决图像噪声问题,该方法通过归一化处理,将噪声图片中的每个像素点进行映射,从而提升图像质量。通过改进的直线凹点检测与切割算法和切片方法,攻克了支持向量机对多目标分类任务的难题,该算法通过检测像素点相对于直线的位置和距离,利用约束条件判断凹点,采用最小距离切割方法获得对应的切割线,再通过切片的方法将多目标检测问题转化为多个独立的单一目标检测问题。通过综合这2 种优化方法,最终建立了ITSVM 铀矿分选模型。通过X 射线投射技术收集到的2 000 张铀矿图片对该模型进行训练测试,并与SVM 和TSVM 模型进行结果对比。结果表明,经过亮暗校正,模型在检测铀矿的准确性方面提升了2. 9 个百分点;通过使用改进的直线凹点检测与切割算法和切片方法,使ITSVM 模型具备多目标检测功能,模型对多目标铀矿图片检测的准确性达到95. 7%;在测试集上,ITSVM 模型检测铀矿的准确性达到97. 3%。相比于SVM 和TSVM,ITSVM 在检测铀矿的准确性和持续优化模型方面具有更大优势,实验结果验证了ITSMV 模型在铀矿分选领域的可行性。

来源：2024年第3期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第3期