[發(fā)明專利]搖床接礦位置的調(diào)整方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202111173503.5
• 申請日: 2021-10-09
• 公開（公告）號: CN113628270B
• 公開（公告）日: 2022-03-29
• 發(fā)明（設(shè)計）人: 趙玉華;楊文旺;李強;武濤;劉利敏;徐培培;魯恒潤;蘇勇;范凌霄;郭玉兵;韓志彬
• 申請（專利權(quán)）人: 北礦機電科技有限責任公司
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T7/00;G06V10/774;G06K9/62;B03B5/04
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 劉鳳

本申請?zhí)峁┝艘环N搖床接礦位置的調(diào)整方法、裝置、電子設(shè)備及存儲介質(zhì)，獲取目標圖像；其中，目標圖像包含搖床床面上礦漿的分層特征以及接礦板當前的初始接礦位置；將目標圖像輸入訓練好的接礦位置預(yù)測模型中，得到目標圖像中的目標接礦位置；基于目標接礦位置、初始接礦位置以及預(yù)設(shè)的圖像像素比，確定出接礦板的位置偏移量，基于位置偏移量，調(diào)整接礦板。采用本申請?zhí)峁┑募夹g(shù)方案通過預(yù)先訓練出的接礦位置預(yù)測模型，根據(jù)獲取到的目標圖像確定出接礦板的目標接礦位置，進而直接對接礦位置進行調(diào)整，簡化了接礦位置調(diào)整的步驟，提高了搖床的工作效率。

技術(shù)領(lǐng)域

本申請涉及選礦技術(shù)領(lǐng)域，尤其是涉及搖床接礦位置的調(diào)整方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

搖床選礦，是利用機械搖動和水流沖洗聯(lián)合作用使礦粒按比重分離的過程。礦漿送入給礦槽內(nèi)，同時加水，自動流到床面上，礦粒群在床條溝內(nèi)受水流沖洗和床面振動而被松散、分層。上層輕礦物顆粒受到較大的水流推動，沿床面橫向傾斜運動，而成為尾礦直接排出。位于床層底部的重礦物顆粒則受到床面的振動而向傳動端的對面運動，而形成精礦，從精礦端排出。所以搖床能精確地產(chǎn)出多種質(zhì)量不同的產(chǎn)物。

目前調(diào)整搖床接礦板的接礦位置獲取滿足要求的礦石品位的方法是基于精礦帶厚度來實現(xiàn)的，需要大量的參數(shù)，處理步驟復(fù)雜，而精礦帶的厚度沒有傳感器測量，無法獲得大量有效的訓練數(shù)據(jù)，導(dǎo)致接礦位置不準確，依舊需要操作人員根據(jù)經(jīng)驗逐一調(diào)整接礦位置，確定接礦板的實際接礦位置。

由此可見，目前的調(diào)整接礦位置的方式無法滿足準確性以及高效率的需求。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種搖床接礦位置的調(diào)整方法、裝置、電子設(shè)備及存儲介質(zhì)，根據(jù)所述調(diào)整方法、裝置、電子設(shè)備及存儲介質(zhì)，采用本申請?zhí)峁┑募夹g(shù)方案通過預(yù)先訓練出的接礦位置預(yù)測模型，根據(jù)獲取到的目標圖像確定出接礦板的目標接礦位置，進而直接對接礦位置進行調(diào)整，簡化了接礦位置調(diào)整的步驟，提高了搖床的工作效率。

本申請主要包括以下幾個方面：

第一方面，本申請實施例提供了一種搖床接礦位置的調(diào)整方法，所述調(diào)整方法包括：

獲取目標圖像；其中，所述目標圖像包含搖床床面上礦漿的分層特征以及接礦板當前的初始接礦位置；

將所述目標圖像輸入訓練好的接礦位置預(yù)測模型中，得到所述目標圖像中的目標接礦位置；

基于所述目標接礦位置、所述初始接礦位置以及預(yù)設(shè)的圖像像素比，確定出所述接礦板的位置偏移量，基于所述位置偏移量，調(diào)整所述接礦板。

在一些實施例中，通過以下步驟訓練所述接礦位置預(yù)測模型，包括：

獲取訓練樣本圖像；其中，所述訓練樣本圖像包含搖床床面上礦漿的分層特征以及接礦板當前的初始接礦位置；

基于所述訓練樣本圖像，確定每個訓練樣本的目標接礦位置，每個訓練樣本的目標接礦位置指示的訓練樣本圖像中接礦板的實際目標接礦位置；

將所述訓練樣本圖像輸入至構(gòu)建好的深度學習模型中，得到訓練樣本圖像中接礦板的預(yù)測目標接礦位置；

針對每個訓練樣本圖像，確定訓練樣本圖像中接礦板的實際目標接礦位置與預(yù)測目標接礦位置之間的偏差值；

若存在訓練樣本圖像對應(yīng)的偏差值大于預(yù)設(shè)偏差閾值，調(diào)整所述深度學習模型中的參數(shù)，直至每個訓練樣本圖像對應(yīng)的偏差值小于或者等于預(yù)設(shè)偏差閾值，確定所述深度學習模型訓練完畢，并將訓練完畢的所述深度學習模型確定為訓練好的接礦位置預(yù)測模型。

在一些實施例中，所述基于所述訓練樣本圖像，確定每個訓練樣本的目標接礦位置的步驟，包括：

針對于每一張訓練樣本圖像，根據(jù)多個歷史標注圖像中的標注接礦位置，在該訓練樣本圖像中標注出目標接礦位置。