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)絡算法建立卷積神經(jīng)網(wǎng)絡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)” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業(yè)用途，請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)
881
編輯：管理員
來源：中冶有色技術網(wǎng)
分享 0
舉報 0
收藏 0
反對 0
點贊 0
中冶有色技術平臺
2025年03月21日 ~ 23日 
