基于深度学习的摇床接矿位置预测方法

作者：赵玉华; 杨文旺; 武涛; 孙鹏健

来源：有色金属(选矿部分), 2023, (02): 142-172.

• 深度学习
• VGG-16
• 智能
• 摇床

目前在运用摇床进行选矿的过程中，使用摇床矿带识别及接矿板自动调节装置大大提高了摇床的自动化程度。但是对于接矿位置不在矿带分割线位置的矿物，例如锡矿，在分割线处接到的矿物品位会达到60%以上，而真正需要的品位范围是38%～42%,仍需要人工设置偏移量确定接矿位置。针对接矿需要人工参与这一问题，研究出了一种输入为摇床矿带图像、输出为接矿位置的深度学习预测模型，该模型以VGG-16为基础网络结构，使用均方损失和Adam优化器进行训练，通过批量大小、迭代次数以及学习率等超参数调整卷积层中的权重值。在华联锌铟公司新田选矿厂精选段摇床开展了摇床智能接矿工业试验研究，试验结果表明，验证集中85%的样本预测误差小于19.5 mm, 93.7%的预测误差小于29.25 mm,因此，该方法能够让计算机学习到操作工的接矿经验，计算出满足生产需要的接矿位置，真正实现摇床智能接矿。基于深度学习的预测模型在现场运行了半年多，接矿的精矿品位能够达到工艺要求，为现场生产提供了便利。