1.本发明属于选矿技术领域，具体涉及一种基于目标检测和语义分割mask-rcnn深度学习网络的矿石分类、定位和粒度分级检测方法及装置。
背景技术：
2.矿石的类别和粒度分布是评价破碎效果以及对矿石后续处理的一项重要依据，类别现在主要分为磁铁矿、赤铁矿、褐铁矿和菱铁矿，粒度参数主要包括面积、周长、粒径和体积等。传统检测方法是采用低效、离线的人工筛分检测法确定矿石的碎后粒度分布，以及专家人工确定矿石大体类别，难以保证选矿生产需要。
3.近年来数字图像处理技术逐渐应用到矿石粒度检测中。这种非接触式检测方法可以有效克服传统检测方法的不足，且能很好地适应碎磨生产的恶劣工况，因此，通过在传送带上方安装图像采集系统，利用数字图像技术结合现代数据处理等软测量技术，实时连续地进行在线粒度测量及自动统计结果，是矿石粒度测量的有效手段。山东黄金矿业有限公司在实用新型专利《一种传送带矿石粒度图像获取设备》提出了一种硬件系统，但并没有涉及软件算法。中国矿业大学在发明专利《一种基于多元多尺度熵的矿石粒度检测技术》中提出了图像处理算法，但是需要复杂的区域提取、边界提取、图像分割等特征提取过程。上述的文献在矿石粒度分析方面做了许多工作，但是并没有兼具分析矿石类别和粒度分布。
4.深度学习是一种新的机器学习方法，通过组合低层特征形成更加抽象的高层表示属性类别或特征，用基于不同深度卷积的分层特征提取高效算法来替代手工获取特征。
5.目标检测技术：目标检测的目的是将图片中不同种类的物体用不同颜色的方框框出来，并且标出方框中物体的种类和概率。通俗讲，目标检测技术主要解决两个问题：图像上的目标物在哪(位置)，是什么(类别)。目标检测网络模型的训练和实现需要的信息包括方框的位置坐标，方框里面的物体类别信息。通过不断的训练迭代，最终得到一个目标检测模型，来检测需要检测的物体。
6.语义分割技术：图像语义分割任务最初流行的深度学习方法是图像块分类(patch classification)，即利用像素周围的图像块对每一个像素进行独立的分类。使用图像块分类的主要原因是分类网络通常是全连接层(full connected layer)，且要求固定尺寸的图像。全卷积网络(fcn)的提出，使得卷积神经网络无需全连接层即可进行密集的像素预测，cnn从而得到普及。使用这种方法可生成任意大小的图像分割图，且该方法比
声明：
“基于深度学习网络的矿石分类和粒度分级方法及装置与流程” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1606
编辑：中冶有色网
来源：鞍钢集团矿业有限公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月23日 ~ 25日 
