排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
某选铁尾矿中含钼0.049%,品位较低,其中氧化钼占12.50%,且-0.038mm粒级钼金属占有率达28.69%。本试验在工艺矿物学研究的基础上,对该尾矿通过粗精矿再磨精选,采用一粗、七精、两扫工艺流程,最终获得了钼品位为47.62%、回收率为74.83%的钼精矿,取得了较好的回收指标。 相似文献
2.
海上升压站采用挂轨机器人开展巡检作业,利用机器视觉手段自动识别数字式仪表读数,替代人工记录.提出了一种基于Mask-RCNN深度学习方法的数字仪表读数自动识别算法.将不同类型的数字仪表原始图像制作成数据集,利用深度学习算法进行训练,根据损失函数变化曲线对算法进行参数优化得到训练后的模型,再进行数字仪表图像的识别分析.采用灰度世界算法和霍夫变换等算法进行图像预处理,可有效改善数字识别的准确度.最后,实验对比了YOLOv3和Mask-RCNN深度学习算法的识别性能,结果表明前者具有较高的检测速度,后者具有更高的准确率.后者的识别率为99.52%,满足海上升压站远程监控对数字仪表读数正确率高的要求. 相似文献
3.
4.
因氧化严重,印尼进口某多金属矿铜硫分离困难,铁精矿含硫严重超标.针对该矿矿石性质,开发了浮选-磁选联合工艺,浮选中以HT药剂消除溶液中Cu2+,实现了铜硫矿的分离和回收,浮选尾矿再用磁选回收铁,获得铜精矿产率9.75%,品位22.05%,回收率75.17%,含金0.97 g/t,含银14 g/t.硫精矿产率30.76%,品位49.94%,回收率64.23%.铁精矿产率26.84%,品位60.24%,回收率76.26%. 相似文献
5.
6.
7.
江西某钨细泥主要为黑钨矿,粒度组成细,矿泥含量高,其中钨矿多分布在37μm粒级以下,采用传统重选方法回收,效果不理想,钨矿物回收困难。为提高资源利用率,试验针对此矿石性质特点,采用新型重选设备悬振锥面选矿机处理黑钨细泥脱硫尾矿,取得了理想的回收指标。试验采用悬振锥面选矿机在给矿浓度25%,盘面回转振动频率16 Hz,盘面转动频率17 Hz,给矿量1 t/d,冲洗水量5.28 t/d的条件下精选;在给矿浓度20%,盘面回转振动频率16.5 Hz,盘面转动频率15 Hz,给矿量0.8 t/d,冲洗水量4.8 t/d的条件下精选,进行一粗一精分选工艺,最终可获得品位WO_3为27.65%,WO_3作业回收率52.18%的钨精矿,富集比可达45,选别指标较好。验证了悬振锥面选矿机用于回收此细粒级钨的可行性,为矿山选别细粒级钨提供了一种新的重选工艺。 相似文献
8.
海上升压站采用挂轨机器人开展巡检作业,利用机器视觉手段自动识别数字式仪表读数,替代人工记录.提出了一种基于Mask-RCNN深度学习方法的数字仪表读数自动识别算法.将不同类型的数字仪表原始图像制作成数据集,利用深度学习算法进行训练,根据损失函数变化曲线对算法进行参数优化得到训练后的模型,再进行数字仪表图像的识别分析.采用灰度世界算法和霍夫变换等算法进行图像预处理,可有效改善数字识别的准确度.最后,实验对比了YOLOv3和Mask-RCNN深度学习算法的识别性能,结果表明前者具有较高的检测速度,后者具有更高的准确率.后者的识别率为99.52%,满足海上升压站远程监控对数字仪表读数正确率高的要求. 相似文献
1