本發(fā)明涉及一種基于自主學習和深度學習的礦石粒度檢測方法及系統(tǒng),包括下列步驟:1)礦石圖像數(shù)據(jù)獲取、標注,構(gòu)建礦石粒度分級訓練樣本集與測試樣本集;2)對礦石粒度訓練樣本數(shù)據(jù)集進行圖像預處理,增強圖像效果和降低圖像噪聲;3)膠帶輸送機工作狀態(tài)進行識別:建立ResNet50模型識別區(qū)分膠帶停止、空轉(zhuǎn)和載料正常轉(zhuǎn)三種工作狀態(tài);4)利用深度學習中的卷積神經(jīng)網(wǎng)絡(luò)算法建立卷積神經(jīng)網(wǎng)絡(luò)模型對礦石粒度樣本數(shù)據(jù)集進行分級;5)建立自主學習機制,進行模型迭代與優(yōu)化;6)使用訓練好的模型對礦石粒度進行在線實時檢測。本發(fā)明優(yōu)點是:能顯著提高粒度檢測精度,達到提高
破碎機效率和降低破碎能耗。
聲明:
“基于自主學習和深度學習的礦石粒度檢測方法和系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)