-
题名基于改进Mask R-CNN的矿石类型检测算法
- 1
-
-
作者
肖成勇
李擎
栗辉
王莉
陈子一
张德政
车伟杰
-
机构
北京科技大学自动化学院
北京科技大学计算机与通信工程学院
-
出处
《烧结球团》
北大核心
2024年第2期65-73,106,共10页
-
基金
科技创新2030—重大项目(2020AAA0108702-01)
教育部第二批新工科研究与实践项目(E-ZDH20201602)
+2 种基金
教育部高等学校自动化类专业教学指导委员会专业教育教学改革研究课题(202104&202149)
教学部产学合作协同育人新工科建设项目(202101320001&2021010460001)
北京科技大学教育教学改革与研究面上项目(JG2021M29&JG2021M28)。
-
文摘
针对不同的矿石类型进行选矿工艺参数设置和操作有利于保障精矿质量,提高回收率和降低物资消耗。由于缺乏矿石类型实时检测有效手段,选矿过程的精准操作目前较难实现。为此,本文提出一种全面改进的Mask R-CNN矿石类型检测算法。算法步骤:①使用ResNetV1d-50提取矿石图像各阶段的特征图,并在主干网络中加入可变形卷积以便增强异形矿石的特征;②改进FPN,通过在主干网络的C5特征层加入特征残差模块,并融合到P5特征层,得到具有更强语义信息的多尺度特征图;③改进RPN,设计自适应的正样本IOU选取方案来匹配宽高比异常的矿石,进一步提高异形矿石的识别精度;④在RoIAlign网络基础上加入Global-Context,以提高小矿石的检测能力;⑤在数据增强和训练技巧方面对模型进行改进。结果表明,本文算法的平均精度为67.92%,平均交并比为63.54%,分别比基准模型提高了13.67%和9.71%。本文研究方法在矿石类型识别领域具有较好的应用价值。
-
关键词
Mask
R-CNN
矿石类型识别
可变形卷积
训练技巧
-
Keywords
Mask R-CNN
ore type identification
deformable convolution
training skills
-
分类号
TD92
[矿业工程—选矿]
TP391.4
[自动化与计算机技术—计算机应用技术]
-