本發(fā)明涉及一種基于多參數(shù)特征融合的
浮選精礦品位檢測方法,包括如下步驟:(1)采集浮選礦物顆粒及浮選泡沫圖像;(2)基于圖像處理技術檢測采集到的礦物顆粒圖像粒度分布情況;(3)提取浮選泡沫的圖像特征,建立樣本數(shù)據(jù)庫;(4)在線測量礦漿濃度及密度指標;(5)利用礦漿濃度、密度與精礦品位之間的數(shù)學關系建立多變量精礦品位預測模型;(6)基于五種不同的神經(jīng)網(wǎng)絡分別建立不同的精礦品位預測模型;(7)利用粒子群算法建立的精礦品位預測模型參數(shù)進行多變量聯(lián)合優(yōu)化,將六種模型輸出結(jié)果累加和的平均值作為最終浮選精礦品位預測模型的輸出值Y,即精礦品位的檢測值。其優(yōu)點是:根據(jù)預測模型,浮選精礦品位檢測準確率和精度更高。
聲明:
“基于多參數(shù)特征融合的浮選精礦品位檢測方法” 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)