SmaRay智能矿石分选机研制与应用研究

我国有色矿产资源丰富,但日趋“贫、细、杂”的特点,致使大量有色金属矿产资源的开发利用出现能耗高、效率低等问题。针对国内复杂难选、低品位矿石预选抛废或回收作业问题及需求,本文介绍了对矿石稳定均匀布料、高清透射探测、高速通讯响应、智能识别分类、高效喷吹分离、辐射防护屏蔽技术的开展研究工作情况,基于上述技术成功研制了SmaRay智能矿石分选机。应用SmaRay-1200对国内西南部某难选、低品位硫化锌矿开展了试验与工业应用研究。现场原矿锌品位为2.58~3.28%,粒度范围为15~100mm,经设备一次预选抛废作业,尾矿锌品位降低至0.3%,抛废率超过20%,作业回收率达到97%以上,处理量可达到47t/h。试验与工业应用表明,SmaRay智能矿石分选机应用于硫化锌矿预选抛废具有良好效果,对矿山现场节能降耗,减排降碳具有重要意义。     

铅锌矿品位在线检测系统设计

针对锡铁山矿的特点开发了矿浆品位在线智能检测与控制系统。以贝恩光电能量色散X射线荧光光谱分析仪为核心的矿浆品位在线检测系统实现了6路矿浆的分时自动检测,数据分析,存储及上传,实时优化品位检测的模型,能够消除矿浆波动、现场环境因素等引起的测量误差。S7-1200为核心的控制系统实现了检测控制系统中设备的自动运行、定时进料、定时测量、定时排料和数据的存储,并能够实现测量结果的优化与上传。锡铁山铅锌矿生产线矿浆24h连续试验表明:检测结果可以准确反映现场矿浆实时品位变化趋势,其准确性能够满足指导生产需求。     

大量程在线式粉尘浓度监测系统设计

针对高浓度可燃性粉尘存在爆炸的风险,该文基于光透射原理设计一套大量程在线式粉尘浓度监测系统,通过对透射光信号的采集反演出粉尘的浓度信息。系统整体包含6个单元模块,实现对信号的采集、转换、显示和控制,其中单片机选用性能优越的STM32,上位机程序采用NI公司的虚拟仪器软件LabVIEW进行设计。采用全反射的方式将测量激光束进行反射,解决传统光透射法由于光程长而导致测量距离长的问题,有效缩短仪器长度,扩大适用范围。与固定容积的标定装置进行比对,结果表明该监测系统能够对10～100 g/m~3粉尘浓度范围进行有效监测,量程内绝对误差最大为-4.2 g/m~3。     

基于改进YOLOv3的锌阴极板残留物图像识别方法

为识别剥锌机锌阴极板的残留物,研究了一种基于深度学习的阴极板残留物图像识别方法。在YOLOv3单阶段图像检测模型的基础上,将原始网络结构Darknet53替换成具有深度可分离卷积的Xception网络结构来提升检测模型的特征提取能力,通过改进候选框生成策略来减轻训练过程中正负样本不平衡。实验从训练过程损失曲线以及识别准确率分别对比了改进结构与原始结构的识别效果。结果表明,基于改进YOLOv3的方法提升了检测模型的泛化能力,对阴极板残留物的识别准确度高达95%,较原始的YOLOv3模型提升了3%。     

基于机器视觉的煤矸特征提取与分类研究

为了提高煤与矸石的识别率,运用自制的煤矸自动分选装置,研究了煤与矸石图像的自动识别技术,介绍了煤与矸石图像的灰度特征以及基于灰度共生矩阵的煤与矸石纹理特征。利用灰度特征的均值和纹理特征的能量、熵、对比度,相关性构造归一化特征向量,最后结合BP神经网络进行识别分类,试验分析了不同学习速率对识别率的影响。结果表明:基于BP神经网络的纹理和灰度特征的综合分类方法提高了煤与矸石的识别率;选取合适的学习速率在提高BP神经网络学习速度的同时还提高了识别率,识别率达87.5%。