首页|基于深度学习的普通金属矿石快速分拣系统的研究

基于深度学习的普通金属矿石快速分拣系统的研究

RESEARCH ON RAPID SORTING SYSTEM OF COMMON METAL ORE BASED ON DEEP LEARNING

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
刚开采的金属矿石存在大量泥块混合物,需要进行重复的洗矿操作,耗费大量水资源和机器资源,对于粘结性强的泥块还需要后期人工分拣.传统方法一般是通过改造洗矿工艺来减少含泥量,但是改造成本高,不能有效应对较大的泥块,为此提出一个基于深度学习的矿石粗分拣的系统.通过普通RGB摄像头实时采集矿泥混合物图像,并无线传输到服务器端;引入SSD512目标检测框架作为系统核心算法,对矿石和泥块进行识别,并返回目标分类置信度和位置信息的回归;由识别结果控制分拣装置分拣出泥块.实验验证结果发现识别的平均精确率达到91％,识别的速度达到了0.05 s每幅图片.

许志勇、马小林、陈壮、周炜程

展开 >

武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室 湖北 武汉430070

矿石分拣系统 深度学习 目标检测 无线传输

国家级大学生创新创业训练计划国家自然科学基金

20191049714061772088

2022

10.3969/j.issn.1000-386x.2022.04.006

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(4)
  • 1
  • 7