一种基于XRT射线的白钨分选方法和系统技术方案

一种基于XRT射线的白钨分选方法，包括：S1、传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像；S2、采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石并计算所述白钨矿石的空间坐标；S3、基于所述白钨矿石的空间坐标计算所述白钨矿石落到喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。实施本发明专利技术的基于XRT射线的白钨分选方法和系统，通过采用对抗神经网络，能够精准识别白钨矿石，因此可以有效减少白钨矿石的浪费、降低原矿的抛费率、降低矿企的生产成本、提高矿企的经济效益。

A Method and System for Separating Scheelite Based on XRT Ray

【技术实现步骤摘要】
一种基于XRT射线的白钨分选方法和系统
本专利技术涉及矿石识别领域，更具体地说，涉及一种基于XRT射线的白钨分选方法和系统。
技术介绍
钨在冶金和金属材料领域中属高熔点稀有金属或称难熔稀有金属。钨及其合金是现代工业、国防及高新技术应用中的极为重要的功能材料之一，广泛应用于航天、原子能、船舶、汽车工业、电气工业、电子工业、化学工业等诸多领域。在现有技术中，通常采用手选方式对白钨矿石进行识别采选，因此存在生产效率低、成本高、工人劳动强度大且分选率低的缺陷。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于XRT射线的白钨分选方法和系统，其能够精准识别白钨矿石，因此可以有效减少白钨矿石的浪费、降低原矿的抛费率、降低矿企的生产成本、提高矿企的经济效益。本专利技术解决其技术问题所采用的技术方案是：构造一种基于XRT射线的白钨分选方法，包括：S1、传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像；S2、采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石并计算所述白钨矿石的空间坐标；S3、基于所述白钨矿石的空间坐标计算所述白钨矿石落到喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。在本专利技术所述的基于XRT射线的白钨分选方法中，所述步骤S2进一步包括：S21、采用卷积神经网络生成器和卷积神经网络鉴别器搭建对抗神经网络；S22、分别采用真实正负样本矿石图像训练所述卷积神经网络鉴别器；S23、采用所述卷积神经网络生成器生成假正负样本矿石图像并采用所述卷积神经网络鉴别器鉴别所述假正负样本矿石图像；S24、基于所述卷积神经网络鉴别器的鉴别结果训练所述卷积神经网络生成器；S25、重复执行步骤S22-S24并调整所述对抗神经网络的权重直至达到预设识别精度；S26、采用所述对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石所在的原矿X射线图像区域；S27、将所述原矿X射线图像区域转换成所述白钨矿石的空间坐标。在本专利技术所述的基于XRT射线的白钨分选方法中，所述对抗神经网络的公式为：其中，G表示所述卷积神经网络生成器，D表示所述卷积神经网络鉴别器，X表示原矿X射线图像，z表示所述卷积神经网络生成器生成的网络噪声，G(z)表示所述卷积神经网络生成器生成的假正负样本矿石图像；表示真实矿石图片的概率分布，表示所述卷积神经网络生成器生成的假正负样本矿石图像的概率分布。在本专利技术所述的基于XRT射线的白钨分选方法中，所述卷积神经网络生成器和所述卷积神经网络鉴别器分别包括输入层、卷积层、非线性层、池化层、全连接层和输出层。在本专利技术所述的基于XRT射线的白钨分选方法中，所述步骤S2进一步包括在执行步骤S21之前，执行步骤S20、生成真实正负样本矿石图像。在本专利技术所述的基于XRT射线的白钨分选方法中，所述步骤S20进一步包括：S201、对真实矿石图像样本标记成具有白钨矿特性的真实正样本矿石图像和不具备白钨矿特性的真实负样本矿石图像；S202、对所述真实正样本矿石图像和所述真实负样本矿石图像进行分级。在本专利技术所述的基于XRT射线的白钨分选方法中，进一步包括：基于不同分级的所述真实正样本矿石图像和所述真实负样本矿石图像执行所述步骤S22-S25。在本专利技术所述的基于XRT射线的白钨分选方法中，所述步骤S1进一步包括：S11、对所述原矿进行破碎处理，并将低于第一粒径范围的破碎原矿直接采用跳汰技术处理；S12、将位于第二粒径范围的破碎原矿通过X射线处理区以获得原矿X射线图像。本专利技术解决其技术问题采用的另一技术方案是，构造一种基于XRT射线的白钨分选系统，包括：传输装置，用于传输原矿依次通过X射线处理区和喷射区；设置在所述X射线处理区中的X射线发生装置和X射线探测装置，用于生成原矿X射线图像；设置在所述喷射区中的喷阀，用于向跌落的原矿喷射压缩空气；X射线分选装置，用于处理所述原矿X射线图像以分选出白钨矿石并计算所述白钨矿石的空间坐标；控制装置，用于基于所述白钨矿石的空间坐标计算所述白钨矿石落到所述喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。在本专利技术所述的基于XRT射线的白钨分选系统中，所述X射线分选装置包括处理器和存储在所述处理器上的计算机程序，所述计算机程序被处理器执行时实现以下步骤：S1、采用卷积神经网络生成器和卷积神经网络鉴别器搭建对抗神经网络；S2、分别采用真实正负样本矿石图像训练所述卷积神经网络鉴别器；S3、采用所述卷积神经网络生成器生成假正负样本矿石图像并采用所述卷积神经网络鉴别器鉴别所述假正负样本矿石图像；S4、基于所述卷积神经网络鉴别器的鉴别结果训练所述卷积神经网络生成器；S5、重复执行步骤S22-S24并调整所述对抗神经网络的权重直至达到预设识别精度；S6、采用所述对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石所在的原矿X射线图像区域；S7、将所述原矿X射线图像区域转换成所述白钨矿石的空间坐标。实施本专利技术的基于XRT射线的白钨分选方法和系统，通过采用对抗神经网络，能够精准识别白钨矿石，因此可以有效减少白钨矿石的浪费、降低原矿的抛费率、降低矿企的生产成本、提高矿企的经济效益。进一步地，通过采用卷积神经网络生成器和卷积神经网络鉴别器搭建对抗神经网络，可以进一步提高对抗神经网络的识别精度，进一步减少浪费、降低抛费率和成本，提高矿企经济效益。再进一步地，通过对真实正负样本矿石图像进行分级，可以对不同级别的真实样本矿石图像进行识别，更进一步地提高了识别精度。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术的基于XRT射线的白钨分选方法的第一实施例的流程图；图2是本专利技术的基于XRT射线的白钨分选方法的第二实施例的采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石的步骤的流程图；图3是图2所示的基于XRT射线的白钨分选方法采用的卷积神经网络的结构示意图；图4是本专利技术的基于XRT射线的白钨分选系统的第一实施例的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术涉及一种基于XRT射线的白钨分选方法，包括：S1、传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像；S2、采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石并计算所述白钨矿石的空间坐标；S3、基于所述白钨矿石的空间坐标计算所述白钨矿石落到喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。实施本专利技术的基于XRT射线的白钨分选方法和系统，通过采用对抗神经网络，能够精准识别白钨矿石，因此可以有效减少白钨矿石的浪费、降低原矿的抛费率、降低矿企的生产成本、提高矿企的经济效益。图1是本专利技术的基于XRT射线的白钨分选方法的第一实施例的流程图。如图1所示，在步骤S1中，传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像。在本专利技术的一个优选实施例中，可以先对原矿进行预处理，比如对所述原矿进行破碎处理，并将低本文档来自技高网...

【技术保护点】
1.一种基于XRT射线的白钨分选方法，其特征在于，包括：S1、传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像；S2、采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石并计算所述白钨矿石的空间坐标；S3、基于所述白钨矿石的空间坐标计算所述白钨矿石落到喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。

【技术特征摘要】
1.一种基于XRT射线的白钨分选方法，其特征在于，包括：S1、传输原矿依次通过X射线处理区和喷射区并获得原矿X射线图像；S2、采用对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石并计算所述白钨矿石的空间坐标；S3、基于所述白钨矿石的空间坐标计算所述白钨矿石落到喷射区中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述白钨矿石喷射压缩空气进行分选。2.根据权利要求1所述的基于XRT射线的白钨分选方法，其特征在于，所述步骤S2进一步包括：S21、采用卷积神经网络生成器和卷积神经网络鉴别器搭建对抗神经网络；S22、分别采用真实正负样本矿石图像训练所述卷积神经网络鉴别器；S23、采用所述卷积神经网络生成器生成假正负样本矿石图像并采用所述卷积神经网络鉴别器鉴别所述假正负样本矿石图像；S24、基于所述卷积神经网络鉴别器的鉴别结果训练所述卷积神经网络生成器；S25、重复执行步骤S22-S24并调整所述对抗神经网络的权重直至达到预设识别精度；S26、采用所述对抗神经网络对所述原矿X射线图像进行处理以分选出白钨矿石所在的原矿X射线图像区域；S27、将所述原矿X射线图像区域转换成所述白钨矿石的空间坐标。3.根据权利要求2所述的基于XRT射线的白钨分选方法，其特征在于，在所述步骤S21中，所述对抗神经网络的公式为：其中，G表示所述卷积神经网络生成器，D表示所述卷积神经网络鉴别器，X表示原矿X射线图像，z表示所述卷积神经网络生成器生成的网络噪声，G(z)表示所述卷积神经网络生成器生成的假正负样本矿石图像；表示真实矿石图片的概率分布，表示所述卷积神经网络生成器生成的假正负样本矿石图像的概率分布。4.根据权利要求2所述的基于XRT射线的白钨分选方法，其特征在于，在所述步骤S21中，所述卷积神经网络生成器和所述卷积神经网络鉴别器分别包括输入层、卷积层、非线性层、池化层、全连接层和输出层。5.根据权利要求2所述的基于XRT射线的白钨分选方法，其特征在于，所述步骤S2进一步包括在执行步骤S21之前，执行步骤S20、生成真实正负样本矿石图像。6.根据权利要求5所述的基于XRT射线的白钨分选方法，其特征在于，所述步骤S2...

【专利技术属性】
技术研发人员：何鹏宇，王光华，沈慧明，吴锋国，袁节平，徐凤平，汤林，王杉，刘范晔，
申请(专利权)人：赣州好朋友科技有限公司，五矿钨业有限公司，
类型：发明
国别省市：江西,36