基于长程时空特征与多尺度外观特征的锌精选工况识别

作者：林振烈; 张虎; 袁鹤; 唐朝晖

来源：有色金属工程, 2023, 13(02): 79-89.

DOI：10.3969/j.issn.2095-1744.2023.02.010

• 锌精选
• 工况识别
• 卷积网络
• 泡沫视频
• 长程时空特征
• 多尺度外观特征

锌精选作为锌浮选的最后一道流程，其工况直接决定锌浮选最终产品质量。现有基于卷积网络的浮选工况识别方法具备挖掘隐藏特征的能力，取得了良好效果，但仍存在表征能力有限、模型参数大等问题。为此，提出了基于长程时空特征与外观特征的锌精选工况识别模型。首先，提出基于分离三维卷积网络(Separable 3D Convolutional Neural Network, S3D CNN)与注意力机制的泡沫视频相邻帧间短程时空特征提取方法，获得特征聚焦的泡沫视频相邻帧间短程时序信息。然后，在短程时空特征的基础上采用双向卷积长短时记忆网络(Bi-directional Convolutional Long Short-Term Memory, BiConvLSTM)提取泡沫视频帧间的长程时空特征，获取泡沫视频帧间的长程动态时序信息。最后，采用基于残差网络和迁移学习的二维卷积网络提取泡沫图像的多尺度外观特征，并融合长程时空特征，对锌精选工况进行识别。实验结果表明，与现有卷积网络方法相比，所提模型在工况识别精度和模型参数上性能更佳。

• 单位
  自动化学院; 中南大学; 长沙学院; 深圳市中金岭南有色金属股份有限公司凡口铅锌矿