本發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,包括下列步驟:1)礦石圖像數據獲取、標注,構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據集進行圖像預處理,增強圖像效果和降低圖像噪聲;3)膠帶輸送機工作狀態進行識別:建立ResNet50模型識別區分膠帶停止、空轉和載料正常轉三種工作狀態;4)利用深度學習中的卷積神經網絡算法建立卷積神經網絡模型對礦石粒度樣本數據集進行分級;5)建立自主學習機制,進行模型迭代與優化;6)使用訓練好的模型對礦石粒度進行在線實時檢測。本發明優點是: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” 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,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)