本发明涉及一种基于自主学习和深度学习的矿石粒度检测方法及系统，包括下列步骤：1)矿石图像数据获取、标注，构建矿石粒度分级训练样本集与测试样本集；2)对矿石粒度训练样本数据集进行图像预处理，增强图像效果和降低图像噪声；3)胶带输送机工作状态进行识别：建立ResNet50模型识别区分胶带停止、空转和载料正常转三种工作状态；4)利用深度学习中的卷积神经网络算法建立卷积神经网络模型对矿石粒度样本数据集进行分级；5)建立自主学习机制，进行模型迭代与优化；6)使用训练好的模型对矿石粒度进行在线实时检测。本发明优点是：能显著提高粒度检测精度，达到提高
破碎机效率和降低破碎能耗。
声明：
“基于自主学习和深度学习的矿石粒度检测方法和系统” 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)
965
编辑：管理员
来源：北方有色网
咨询细节
