本發(fā)明涉及礦石分選，特別涉及一種礦石分類方法和系統(tǒng)。

背景技術(shù)：

1、礦產(chǎn)資源是現(xiàn)代工業(yè)生產(chǎn)的支柱，為科技、交通和建筑行業(yè)作出了重大貢獻(xiàn)。隨著年開(kāi)采量的不斷增加，礦產(chǎn)儲(chǔ)量呈明顯下降趨勢(shì)，具有差、雜、難分選的特點(diǎn)。同時(shí)，開(kāi)采過(guò)程中圍巖量的急劇增加也導(dǎo)致破碎和研磨能耗高，且降低了礦石平均品位。因此，需要在開(kāi)采后和沖洗前進(jìn)行礦石的快速識(shí)別和分類，以實(shí)現(xiàn)預(yù)處理的目的，降低成本，提高效率。

2、現(xiàn)有技術(shù)中，基于射線傳感器的礦石分選設(shè)備備受關(guān)注。其分揀礦石的流程具體包括：礦石原料通過(guò)振動(dòng)給料器或類似的設(shè)備均勻送入機(jī)器內(nèi)部。確保礦石顆粒能夠均價(jià)平鋪呈現(xiàn)在色選區(qū)域，通常采用多級(jí)給礦，第一級(jí)控制給料量，第二、三級(jí)使礦石排隊(duì)，礦塊呈單層穩(wěn)定離散狀態(tài)，且礦塊間拉開(kāi)一定的距離。當(dāng)?shù)V石顆粒經(jīng)過(guò)高分辨率的ccd(電荷耦合器件)圖像傳感器以及配套光源照射時(shí)，傳感器能夠捕捉到礦石表面反射或透射的光線，并轉(zhuǎn)化為數(shù)字信號(hào)。通過(guò)光、聲、電等傳感器對(duì)礦石進(jìn)行檢測(cè)和分辨，選出目標(biāo)礦物。根據(jù)傳感器的輸出信號(hào)，控制系統(tǒng)驅(qū)動(dòng)機(jī)械打板或電磁閥工作，將目標(biāo)礦物分揀出來(lái)。不符合要求的礦石顆粒被吹至出料斗的次品槽內(nèi)流走，而符合要求的礦石則繼續(xù)下落至接料斗的成品槽內(nèi)流出。

3、上述現(xiàn)有技術(shù)存在的缺陷是：射線傳感器在采集礦石表面反射或透射的光線的過(guò)程中，易受到礦石中背景和雜質(zhì)的影響，使得采集到的信息不夠準(zhǔn)確，導(dǎo)致礦石的分類結(jié)果出現(xiàn)誤差。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種礦石分類方法和系統(tǒng)。

2、本發(fā)明實(shí)施例提供一種礦石分類方法，包括：

3、獲取待檢礦石的高光譜圖像數(shù)據(jù)，從高光譜圖像數(shù)據(jù)中提取突出礦石與背景之間差異的特征圖像，得到待檢礦石的rgb圖像；

4、利用目標(biāo)檢測(cè)算法對(duì)待檢礦石的rgb圖像進(jìn)行檢測(cè)，得到用于表征待檢礦石尺寸參數(shù)的定位參數(shù)；

5、基于定位參數(shù)構(gòu)建用于確定待檢礦石位置的預(yù)選框，通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，得到待檢礦石的紋理信息和光譜信息；

6、對(duì)待檢礦石的紋理信息和光譜信息進(jìn)行特征提取，將提取出的特征進(jìn)行自適應(yīng)融合，得到包含待檢礦石光譜特征和紋理特征的融合特征；

7、將融合特征輸入高光譜圖像分類模型進(jìn)行識(shí)別，得到每個(gè)待檢礦石的類別結(jié)果。

8、另外，所述獲取待檢礦石的高光譜圖像，其具體包括：

9、將從礦山含礦層采集出的礦石原料進(jìn)行破碎，篩選出粒度尺寸為8cm×8cm的礦石；

10、通過(guò)高光譜相機(jī)拍攝篩選出的待檢礦石的高光譜圖像。

11、另外，所述得到用于表征待檢礦石尺寸參數(shù)的定位參數(shù)，其具體包括：

12、在待檢礦石的rgb圖像中，選擇包含碳酸鹽礦物、黏土礦物和水鋁石的特征圖像構(gòu)建假彩色合成影像；

13、利用目標(biāo)檢測(cè)算法對(duì)假彩色合成影像進(jìn)行定位，得到四個(gè)定位參數(shù)x、y、w、h，其中，x和y為待檢礦石中心點(diǎn)的坐標(biāo)，作為預(yù)選框的中心點(diǎn)坐標(biāo)；w為待檢礦石徑向的最大長(zhǎng)度，作為預(yù)選框的寬度；h為待檢礦石軸向的最大高度，作為預(yù)選框的長(zhǎng)度。

14、另外，所述通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，其具體包括：

15、將每個(gè)預(yù)選框內(nèi)的rgb圖像轉(zhuǎn)換到y(tǒng)cbcr顏色空間，計(jì)算得到圖像的直方圖；

16、通過(guò)一維高斯濾波對(duì)直方圖處理，得到平滑直方圖，平滑直方圖中礦石和背景分別具有不同的特征峰；

17、根據(jù)直方圖中礦石特征峰和背景特征峰之間的位置確定分割閾值，使用分割閾值消除rgb圖像中的背景，得到消除背景后的rgb圖像；

18、對(duì)圖像進(jìn)行高斯模糊，并進(jìn)行灰度轉(zhuǎn)化，得到灰度圖像；

19、使用輪廓提取算法繪制灰度圖像中每個(gè)預(yù)選框內(nèi)的礦石的邊緣輪廓；

20、再使用邊緣檢測(cè)算法對(duì)灰度圖像中的礦石的邊緣進(jìn)行檢測(cè)，找到礦石的邊界，根據(jù)邊界輪廓生成每個(gè)預(yù)選框內(nèi)的礦石的掩膜。

21、另外，所述將提取出的特征進(jìn)行自適應(yīng)融合，其具體包括：

22、將不同紋理特征與光譜特征進(jìn)行融合，得到通道特征；對(duì)每個(gè)通道的特征進(jìn)行全局信息的壓縮，生成通道描述符；

23、生成每個(gè)通道描述符的注意力權(quán)重向量，將權(quán)重向量與每個(gè)通道的通道描述符進(jìn)行逐元素乘法操作，得到包含待檢礦石光譜特征和紋理特征的融合特征。

24、另外，所述高光譜圖像分類模型包括光譜特征學(xué)習(xí)組、空間特征學(xué)習(xí)組和特征重新校準(zhǔn)模塊fefr；

25、所述光譜特征學(xué)習(xí)組，用于提取融合特征中空間聚焦的光譜特征；

26、所述空間特征學(xué)習(xí)組，用于提取融合特征中光譜聚焦的空間特征；

27、所述特征重新校準(zhǔn)模塊fefr，用于動(dòng)態(tài)調(diào)整光譜特征與空間特征的權(quán)重。

28、另外，一種礦石分類系統(tǒng)，包括：

29、影像采集模塊，用于獲取待檢礦石的高光譜圖像數(shù)據(jù)，從高光譜圖像數(shù)據(jù)中提取突出礦石與背景之間差異的特征圖像，得到待檢礦石的rgb圖像；

30、計(jì)算機(jī)控制模塊，其包括：目標(biāo)檢測(cè)模塊，輪廓剔除模塊，特征提取模塊，分類模塊；

31、所述目標(biāo)檢測(cè)模塊，用于利用目標(biāo)檢測(cè)算法對(duì)待檢礦石的rgb圖像進(jìn)行檢測(cè)，得到用于表征待檢礦石尺寸參數(shù)的定位參數(shù)；

32、所述輪廓剔除模塊，用于基于定位參數(shù)構(gòu)建用于確定待檢礦石位置的預(yù)選框，通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，得到待檢礦石的紋理信息和光譜信息；

33、所述特征提取模塊，用于對(duì)待檢礦石的紋理信息和光譜信息進(jìn)行特征提取，將提取出的特征進(jìn)行自適應(yīng)融合，得到包含待檢礦石光譜特征和紋理特征的融合特征；

34、所述分類模塊，用于將融合特征輸入高光譜圖像分類模型進(jìn)行識(shí)別，得到每個(gè)待檢礦石的類別結(jié)果。

35、另外，還包括粒度篩選模塊，用于將從礦山含礦層采集出的礦石原料進(jìn)行破碎，將破碎后的礦石投入粒度篩選模塊，篩選出粒度尺寸為8cm×8cm的待檢礦石。

36、另外，還包括物料輸送模塊，用于通過(guò)不同級(jí)傳送帶之間的速度差分散待檢礦石。

37、另外，還包括噴射模塊，用于根據(jù)每個(gè)待檢礦石的類別結(jié)果將待檢礦石送入對(duì)應(yīng)的次級(jí)傳送帶。

38、本發(fā)明實(shí)施例提供的上述一種礦石分類方法和系統(tǒng)，與現(xiàn)有技術(shù)相比，其有益效果如下：

39、現(xiàn)有礦石分選設(shè)備的射線傳感器在采集礦石表面反射或透射的光線的過(guò)程中，易受到礦石中背景和雜質(zhì)的影響，使得采集到的信息不夠準(zhǔn)確，進(jìn)而導(dǎo)致礦石的分類結(jié)果出現(xiàn)誤差。

40、而本發(fā)明基于待檢礦石的定位參數(shù)構(gòu)建預(yù)選框，通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，以剔除待檢礦石的高光譜圖像中的背景和雜質(zhì)，從而減少信息采集過(guò)程中誤差因素的影響，得到待檢礦石準(zhǔn)確的紋理信息和光譜信息，進(jìn)而提高礦石分類的準(zhǔn)確性。

技術(shù)特征：

1.一種礦石分類方法，其特征在于，包括：

2.如權(quán)利要求1所述的一種礦石分類方法，其特征在于，所述獲取待檢礦石的高光譜圖像，其具體包括：

3.如權(quán)利要求1所述的一種礦石分類方法，其特征在于，所述得到用于表征待檢礦石尺寸參數(shù)的定位參數(shù)，其具體包括：

4.如權(quán)利要求3所述的一種礦石分類方法，其特征在于，所述通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，其具體包括：

5.如權(quán)利要求1所述的一種礦石分類方法，其特征在于，所述將提取出的特征進(jìn)行自適應(yīng)融合，其具體包括：

6.如權(quán)利要求1所述的一種礦石分類方法，其特征在于，所述高光譜圖像分類模型包括光譜特征學(xué)習(xí)組、空間特征學(xué)習(xí)組和特征重新校準(zhǔn)模塊fefr；

7.一種礦石分類系統(tǒng)，其特征在于，包括：

8.如權(quán)利要求7所述的一種礦石分類系統(tǒng)，其特征在于，還包括粒度篩選模塊，用于將從礦山含礦層采集出的礦石原料進(jìn)行破碎，將破碎后的礦石投入粒度篩選模塊，篩選出粒度尺寸為8cm×8cm的待檢礦石。

9.如權(quán)利要求8所述的一種礦石分類系統(tǒng)，其特征在于，還包括物料輸送模塊，用于通過(guò)不同級(jí)傳送帶之間的速度差分散待檢礦石。

10.如權(quán)利要求7所述的一種礦石分類系統(tǒng)，其特征在于，還包括噴射模塊，用于根據(jù)每個(gè)待檢礦石的類別結(jié)果將待檢礦石送入對(duì)應(yīng)的次級(jí)傳送帶。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種礦石分類方法和系統(tǒng)，其涉及礦石分選技術(shù)領(lǐng)域。包括：獲取待檢礦石的高光譜圖像數(shù)據(jù)，從高光譜圖像數(shù)據(jù)中提取突出礦石與背景之間差異的特征圖像，得到待檢礦石的RGB圖像；對(duì)待檢礦石的RGB圖像進(jìn)行檢測(cè)，得到定位參數(shù)；基于定位參數(shù)構(gòu)建預(yù)選框，通過(guò)預(yù)選框確定每個(gè)待檢礦石的邊緣輪廓和掩膜，得到待檢礦石的紋理信息和光譜信息；對(duì)待檢礦石的紋理信息和光譜信息進(jìn)行特征提取，將提取出的特征進(jìn)行自適應(yīng)融合，得到包含待檢礦石光譜特征和紋理特征的融合特征；將融合特征輸入高光譜圖像分類模型進(jìn)行識(shí)別，得到每個(gè)待檢礦石的類別結(jié)果。本發(fā)明能夠減少信息采集過(guò)程中誤差因素的影響，提高礦石分類的準(zhǔn)確性。

技術(shù)研發(fā)人員：劉磊,溫漢捷,張群佳,張貴山
受保護(hù)的技術(shù)使用者：長(zhǎng)安大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14