CN114689621A - 一种用于获取矿石品位的系统及多源数据采集装置 - Google Patents

一种用于获取矿石品位的系统及多源数据采集装置 Download PDF

Info

Publication number
CN114689621A
CN114689621A CN202011595949.2A CN202011595949A CN114689621A CN 114689621 A CN114689621 A CN 114689621A CN 202011595949 A CN202011595949 A CN 202011595949A CN 114689621 A CN114689621 A CN 114689621A
Authority
CN
China
Prior art keywords
ore
energy
ray
grade
fusion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011595949.2A
Other languages
English (en)
Inventor
李宗平
叶恒棣
过宇晟
李旭东
师本敬
吴革雄
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongye Changtian International Engineering Co Ltd
Original Assignee
Zhongye Changtian International Engineering Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongye Changtian International Engineering Co Ltd filed Critical Zhongye Changtian International Engineering Co Ltd
Priority to CN202011595949.2A priority Critical patent/CN114689621A/zh
Publication of CN114689621A publication Critical patent/CN114689621A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • G06F18/253Fusion techniques of extracted features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本申请涉及矿石检测技术领域,提供一种用于获取矿石品位的系统及多源数据采集装置,所述用于获取矿石品位的系统包括所述多源数据采集装置和数据处理器,多源数据采集装置包括矿石输送带和防护通道,防护通道上方设置有连通射线源腔室的开口;射线源腔室顶部设置有X射线源,X射线源与矿石输送带之间设置有准直器,矿石输送带正下方设置有双能X射线探测器,防护通道侧顶设置有工业相机;在实际应用过程中,通过X射线源向矿石输送带上的矿石发射X射线,由工业相机采集矿石的可见光图像,由双能X射线探测器采集X射线透射高低能灰度图像,从而获得用于获取矿石品位的多源数据,并由数据处理器根据采集的多源数据,生成矿石品位预测值。

Description

一种用于获取矿石品位的系统及多源数据采集装置
技术领域
本申请涉及矿石检测技术领域,尤其涉及一种用于获取矿石品位的系统及多源数据采集装置。
背景技术
矿石性质智能感知与识别是智能矿业领域实现选矿生产过程智能化的基础。智能选矿的核心发展方向:矿石性质识别、浮选装备智能化和基因选矿技术。矿石有价元素品位、粒度和粉碎特性是矿石的各种物理化学性质中最重要的三项基本性质。这三项基本性质决定了实现各有用组分的分选分离、产品的合理利用或综合利用所适用的理论依据和工艺措施,在实际生产中三者的波动更是直接影响选矿作业生产稳定和经济效益,对选矿生产的高效智能控制具有十分重要的意义。
其中,矿石品位指单位体积或单位重量矿石中有用组分或有用矿物的含量,矿石品位是确定矿与非矿的主要标准,对矿石品位的识别。目前通常在运输矿石的皮带上方安装X射线发生器,在皮带下方安装高低能探测器,利用X射线发生器对运输皮带上的块矿进行X射线照射检测,同时通过高低能探测器采集矿石的高低能透射灰度图像,然后对高低能透射灰度图像进行实时数据运算处理,检测块状矿石中的目标元素的含量信息,进而获取矿石品位。
但是,实际工况中,单一采用X射线成像技术,获得矿石品位的方法,无法去除大量噪声的影响,例如,运输矿石所用的皮带会同时被X射线透射,进而产生干扰数据,影响矿石高低能透射灰度图像的成像效果,降低所获取的矿石品位精确度。
综上所述,为了提高矿石品位的识别精确度,提供一种用于获取矿石品位的系统及多源数据采集装置,是本领域技术人员亟待解决的技术问题。
发明内容
为了更精确的获取矿石品位,本申请提供一种用于获取矿石品位的系统及多源数据采集装置。
本申请一方面提供一种用于获取矿石品位的多源数据采集装置,所述矿石品位获取装置设置在矿石破碎系统与磨矿分级系统之间,包括矿石输送带以及半封闭所述矿石输送带一段区域的防护通道,所述防护通道上方设置有连通射线源腔室的开口,在所述防护通道的矿石入口处设置有整平板;
所述射线源腔室顶部设置有X射线源,所述X射线源与所述矿石输送带之间设置有准直器,所述矿石输送带正下方设置有双能X射线探测器,所述防护通道侧顶设置有工业相机;
所述X射线源发射的X射线经过所述准直器进行光束宽度调整后,照射在所所述矿石输送带的矿石上;所述双能X射线探测器用于采集矿石的X射线透射高低能灰度图像,所述工业相机用于采集矿石的可见光图像,且所述工业相机的图像采集区域覆盖所述双能X射线探测器的图像采集区域,所述工业相机的图像采集频率与所述双能X射线探测器的图像采集频率一致。
可选的,所述射线源腔室内部设置有屏蔽体,所述屏蔽体为锥形结构,所述锥形结构的窄端连接所述X射线源的出射口,所述准直器设置在所述锥形结构的宽端。
可选的,所述屏蔽体包括内层钢板和外层铅板。
可选的,所述射线源腔室内部还设置有IP65级工业空调。
可选的,所述射线源腔室内部还设置有设备控制器,所述控制器连接所述X射线源、所述双能X射线探测器和所述工业相机。
可选的,所述射线源腔室顶部设置有X射线源卡槽,所述射线源腔室外壳通过密封条或密封胶进行密封。
可选的,所述防护通道外侧设置有防护铅板,包括顶部防护铅板、两侧防护铅板和底部防护铅板,铅板厚度分别为5mm、4mm和7mm。
可选的,所述所述双能X射线探测器的材料为GGAG闪烁体。
本申请第二方面提供一种用于获取矿石品位的系统,所述一种用于获取矿石品位的系统包括本申请第一方面提供的一种用于获取矿石品位的多源数据采集装置;
所述一种用于获取矿石品位的系统还包括数据处理器,所述数据处理器连接双能X射线探测器和工业相机,用于并获取所述双能X射线探测器采集的X射线透射高低能灰度图像,获取所述工业相机采集的可见光图像;以及根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位预测值。
可选的,所述数据处理器根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位值时,执行以下步骤:
将所述可见光图像和所述X射线透射高低能灰度图像输入至预先构建的品位预测模型中,所述品位预测模型包括特征提取网络、特征融合网络及回归预测网络;
利用所述特征提取网络提取所述可见光图像的一组可见光特征图,以及提取所述X射线透射高低能灰度图像的一组高能特征图和一组低能特征图;
利用所述特征融合网络将一组可见光特征图进行内部特征融合,获取一组可见光融合特征图;以及将一组高能特征图进行内部特征融合,获取一组高能融合特征图;以及将一组低能特征图进行内部特征融合,获取一组低能融合特征图;
以及,利用所述特征融合网络将可见光融合特征图、高能融合特征图和低能融合特征图进行融合,获得总融合特征图;
利用所述回归预测网络对所述总融合特征图进行回归预测,生成矿石品位预测值。
由以上技术方案可知,本申请提供一种用于获取矿石品位的系统及多源数据采集装置,所述用于获取矿石品位的系统包括一种用于获取矿石品位的多源数据采集装置和数据处理器,所述一种用于获取矿石品位的多源数据采集装置设置在矿石破碎系统与磨矿分级系统之间,包括矿石输送带以及半封闭所述矿石输送带一段区域的防护通道,所述防护通道上方设置有连通射线源腔室的开口,在所述防护通道的矿石入口处设置有整平板;所述射线源腔室顶部设置有X射线源,所述X射线源与所述矿石输送带之间设置有准直器,所述矿石输送带正下方设置有双能X射线探测器,所述防护通道侧顶设置有工业相机;
在实际应用过程中,通过所述X射线源向所述矿石输送带上的矿石发射X射线,由所述工业相机采集矿石的可见光图像,由所述双能X射线探测器采集X射线透射高低能灰度图像,其中,所述X射线透射高低能灰度图像包括X射线透射高能灰度图像和X射线透射低能灰度图像,所述可见光图像、所述X射线透射高能灰度图像和所述X射线透射低能灰度图像,共同组成用于获取矿石品位的多源数据,并由所述数据处理器根据采集的多源数据,生成矿石品位预测值。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的原理性结构示意图;
图2为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的主视结构示意图;
图3为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的侧视结构示意图;
图4为本申请实施例提供的射线源腔室的内部结构示意图。
图中,1-矿石输送带,2-防护通道,3-射线源腔室,31-屏蔽体,32-IP65级工业空调,33-控制器,4-整平板,5-X射线源,6-准直器,7-双能X射线探测器,8-工业相机。
具体实施方式
为了更精确的获取矿石品位,如图1所示,为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的原理性结构示意图。本申请实施例第一方面提供的一种用于获取矿石品位的多源数据采集装置设置在矿石破碎系统与磨矿分级系统之间;包括矿石输送带1,所述矿石输送带1的一端连接所述矿石破碎系统,另一端连接磨矿分级系统,用于将所述矿石破碎系统完成破碎的矿石输送到所述矿石破碎系统,需要说明的是,本申请实施例提供的多源数据采集装置目的是为了采集用于获取矿石品位的多源数据,并不局限于安装在矿石破碎系统与磨矿分级系统之间,还可以根据实际工程需求,安装在其他区域,或者单独设置使用。
所述矿石输送带1的一段区域半封闭的设置有防护通道2,所述防护通道2上方设置有连通射线源腔室3的开口;在所述防护通道2的矿石入口处设置有整平板4,所述整平板4用于将所述矿石输送带1上的矿石整平,以确保设置在所述射线源腔室3顶部的X射线源5发出的有效光束能够穿透矿石料层的最厚处。
在所述X射线源5与所述矿石输送带1之间设置有准直器6,所述准直器6通过准直缝控制穿过的有效光束宽度,所述X射线源5发射的X射线经过所述准直器6进行光束宽度调整后,照射在所所述矿石输送带1的矿石上。
在所述矿石输送带1正下方设置有双能X射线探测器7,且所述双能X射线探测器7处于所述防护通道2内;在所述防护通道2侧顶设置有工业相机8,需要说明的是,需要保证所述工业相机8处于所述X射线源5的射线路径区域之外,以避免所述工业相机8对射线形成干扰。其中,所述工业相机8选用300W像素高清工业相机,成像质量足够对10mm粒度级别矿石进行粒度识别。
其中,所述双能X射线探测器7用于采集矿石的X射线透射高低能灰度图像,所述工业相机8用于采集矿石的可见光图像,且所述工业相机8的图像采集区域覆盖所述双能X射线探测器7的图像采集区域,所述工业相机8的图像采集频率与所述双能X射线探测器7的图像采集频率一致,以保证所述工业相机8和所述双能X射线探测器7可以针对同一批矿石采集多源数据。
本申请实施例提供的一种用于获取矿石品位的多源数据采集装置,通过所述X射线源5向所述矿石输送带1上的矿石发射X射线,由所述工业相机8采集矿石的可见光图像,由所述双能X射线探测器7采集X射线透射高低能灰度图像,其中,所述X射线透射高低能灰度图像包括X射线透射高能灰度图像和X射线透射低能灰度图像,在实际应用过程中,所述可见光图像、所述X射线透射高能灰度图像和所述X射线透射低能灰度图像,共同组成用于获取矿石品位的多源数据。
为保证设备现场的操作人员及公众的安全,如图3所示,为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的侧视结构示意图。如图4所示,为本申请实施例提供的射线源腔室的内部结构示意图。在本申请的部分实施例中,所述多源数据采集装置设置了射线源端防护以及通道防护,其中,射线源端防护为所述射线源腔室3内部设置的屏蔽体31,所述屏蔽体31为锥形结构,所述锥形结构的窄端连接所述X射线源5的出射口,所述准直器6设置在所述锥形结构的宽端,所述X射线源5的管电压为200KV和管电流为1.5mA。在所述X射线源5的出射口与所述准直器6之间形成射线通道,所述屏蔽体31包括内层钢板和外层铅板,从而对射线源端进行射线屏蔽。
通道防护为设置在所述防护通道2外侧的防护铅板,包括顶部防护铅板、两侧防护铅板和底部防护铅板,铅板厚度分别为5mm、4mm和7mm。所述防护通道2为开放式结构,且通道内部存在一定散射,通过散射公式计算,所述顶部防护铅板和两侧防护铅板的厚度分别为5mm和4mm,从而用于防护散射辐射。对于所述双能X射线探测器7的辐射防护,考虑极限情况下所述矿石输送带1上未输送矿石,此时,底部辐射量最大,在所述防护通道2的底部设置底部防护铅板,且底部防护铅板的厚度为7mm。
由于所述多源数据采集装置设置在矿石破碎系统与磨矿分级系统之间,采集现场存在大量的矿石粉尘,为了保护所述X射线源5的工作环境,在本申请的部分实施例中,所述射线源腔室3顶部设置有X射线源卡槽,所述X射线源卡槽用于安装所述X射线源5,并设计有减震结构,以消除采集现场大型矿石设备产生的震动影响所述X射线源5的工作,且所述射线源腔室3外壳通过密封条或密封胶进行密封,以避免外部粉尘进入所述射线源腔室3,影响所述X射线源5的工作。
进一步的,如图2所示,为本申请实施例提供的一种用于获取矿石品位的多源数据采集装置的主视结构示意图;在本申请的部分实施例中,所述射线源腔室3内部还设置有IP65级工业空调32。以保证所述X射线源5能够处于良好的环境中工作,保证数据的准确性,以及延长工作寿命。
进一步的,如图2和图3所示,所述射线源腔室3内部还设置有设备控制器33,所述控制器33连接所述X射线源5、所述双能X射线探测器7和所述工业相机8。所述控制器33用于控制所述X射线源5发射X射线,还用于控制所述双能X射线探测器7采集矿石的X射线透射高低能灰度图像,以及用于控制所述工业相机8采集矿石的可见光图像,还用于控制所述矿石输送带1的启动、停止和运输速度。
需要说明的是,图2为多源数据采集装置的主视结构示意图,即平行于矿石输送方向上的结构图,图3为多源数据采集装置的侧视结构示意图,即垂直于矿石输送方向上的结构图。
进一步的,如图3所示,所述所述双能X射线探测器7封闭设置在所述矿石输送带1下方,且所述双能X射线探测器7的材料为GGAG闪烁体,且呈线状排布,用于探测X射线源5发射的双能X射线透射信号。钆镓铝石榴石(GGAG)是一种理想的闪烁体材料,其密度大(6g/cm3),衰减速度快,余辉小,光产额高,并且为立方相结构。
本申请实施例第二方面提供的一种用于获取矿石品位的系统,所述用于获取矿石品位的系统包括本申请实施例第一方面提供的一种用于获取矿石品位的多源数据采集装置,还包括还包括数据处理器,所述数据处理器连接双能X射线探测器和工业相机,用于并获取所述双能X射线探测器采集的X射线透射高低能灰度图像,获取所述工业相机采集的可见光图像;以及根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位预测值。
其中,所述数据处理器根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位值时,执行以下步骤:
将所述可见光图像和所述X射线透射高低能灰度图像输入至预先构建的品位预测模型中,所述品位预测模型包括特征提取网络、特征融合网络及回归预测网络。
利用所述特征提取网络提取所述可见光图像的一组可见光特征图,以及提取所述X射线透射高低能灰度图像的一组高能特征图和一组低能特征图。
利用所述特征融合网络将一组可见光特征图进行内部特征融合,获取一组可见光融合特征图;以及将一组高能特征图进行内部特征融合,获取一组高能融合特征图;以及将一组低能特征图进行内部特征融合,获取一组低能融合特征图。
以及,利用所述特征融合网络将可见光融合特征图、高能融合特征图和低能融合特征图进行融合,获得总融合特征图。
利用所述回归预测网络对所述总融合特征图进行回归预测,生成矿石品位预测值。
其中,特征提取网络的输入为一组可见光图像、一组X射线透射高能灰度图像和一组X射线透射低能灰度图像,输出为三组26×26×512的特征图。所述特征提取网络中的四层卷积模块依次对应四个卷积阶段,第一层卷积模块对应第一个卷积阶段Conv1,包括64个大小为3×3的卷积核,步长stride为2,输出特征图尺寸为208×208×64,第二层卷积模块对应第二个卷积阶段Conv2,包括128个大小为3×3的卷积核,步长为2,输出特征图尺寸为104×104×128,第三层卷积模块对应第三个卷积阶段Conv3,包括256个大小为3×3的卷积核,步长为2,输出特征图尺寸为52×52×256,第四层卷积模块对应第四个卷积阶段Conv4,包括512个大小为3×3的卷积核,步长为2,输出特征图尺寸为26×26×512。
通过特征提取网络的多次卷积操作后,将输入的原始图像快速下采样成小尺寸高维度的特征信息,丢弃了图像中的冗余信息,丰富了图像的特征信息。
当对输入的X射线透射高能灰度图像、X射线透射低能灰度图像与可见光图像通过特征提取步骤后,得到三组26×26×512的特征图。接下来采用特征融合操作对该三组特征图进行特征级别的融合,本实施例采取的方法为对应像素相加法,最终输出一个大小为26×26×1的特征图。具体步骤如下:
第一步,特征图内部融合。即对一幅输入图像生成的26×26×512特征图有512个通道为26×26大小的特征,在该26×26的像素矩阵上将512个通道中坐标为(0,0)位置的像素值进行累加,从而将该值重新赋给一个新的特征图中对应坐标位置上的值,然后按照先行后列的顺序依次计算到(25,25)的坐标位置,这样就可以得到一个融合后的26×26×1大小的全新特征图,该特征图对应最初的输入图像。
第二步,特征图之间融合。即对三张输入图像分别进行第一步特征图内部融合后可以得到3×(26×26×1)的特征图,将该三组特征图再进行对应像素相加,其流程与第一步类似,最终得到一个融合后的特征图,其大小为26×26×1。
在上述特征融合过程中,所述特征图内部融合模块输出的三组融合特征图和所述特征图之间融合模块输出的总融合特征图大小均为26×26×1。
将特征融合后的26×26×1大小的特征图进行回归预测。对于预测问题,可以根据预测输出的类型是连续的实数值,还是离散的标签,区分为回归任务和分类任务。因为烧结矿关键指标是一个连续值,所以该预测模型显然是一个回归任务。而回归任务又分为线性回归与非线性回归,烧结矿关键指标预测不是一个简单的线性关系,所以本实施例将使用非线性回归,非线性回归神经网络的标准结构中每个神经元由加权和与非线性变换构成,然后将多个神经元分层的摆放并连接形成神经网络。所以本实施例采用多层感知机的方法进行数值非线性回归预测。
将特征融合后大小为26×26×1的特征图输入到回归预测网络中,即可得到预测输出值,回归预测网络采用多层感知机预测网络,包括四层全连接层。第一层全连接层用于将输入的总融合特征图转换成一个数列。第二层全连接层中包括1000个隐藏层节点数。第三层全连接层中包括26个隐藏层节点数,第四层全连接层中仅包含一个隐藏层节点,
第一层全连接层的作用是将二维的特征图拉成一列,形成一个数列。第二层全连接层中隐藏层节点数有1000个,即将输入的676个数与1000个节点全连接对应,每一个隐藏层节点都与输入的所有数进行连接。第三层全连接层中隐藏层节点数为26,该层作用是快速降维,将输入的1000个数与26个数进行全连接对应。第四层全连接层中仅包含一个节点,该节点与输入的26个数进行全连接对应。第四层全连接层输出的这个数值与输入的所有数据信息有直接或间接的全连接关系,该值就代表了最初输入的X射线透射高能灰度图像、X射线透射低能灰度图像与可见光图像的抽象特征,即预测输出,通过回归预测后得出的数值就是最终的预测输出值,即矿石品位值。
由以上技术方案可知,本申请实施例提供一种用于获取矿石品位的系统及多源数据采集装置,所述用于获取矿石品位的系统包括一种用于获取矿石品位的多源数据采集装置和数据处理器,所述一种用于获取矿石品位的多源数据采集装置设置在矿石破碎系统与磨矿分级系统之间,包括矿石输送带1以及半封闭所述矿石输送带1一段区域的防护通道2,所述防护通道2上方设置有连通射线源腔室3的开口,在所述防护通道2的矿石入口处设置有整平板4;所述射线源腔室3顶部设置有X射线源5,所述X射线源5与所述矿石输送带1之间设置有准直器6,所述矿石输送带1正下方设置有双能X射线探测器7,所述防护通道2侧顶设置有工业相机8。
在实际应用过程中,通过所述X射线源5向所述矿石输送带1上的矿石发射X射线,由所述工业相机8采集矿石的可见光图像,由所述双能X射线探测器7采集X射线透射高低能灰度图像,其中,所述X射线透射高低能灰度图像包括X射线透射高能灰度图像和X射线透射低能灰度图像,所述可见光图像、所述X射线透射高能灰度图像和所述X射线透射低能灰度图像,共同组成用于获取矿石品位的多源数据,并由所述数据处理器根据采集的多源数据,生成矿石品位预测值。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种用于获取矿石品位的多源数据采集装置,所述矿石品位获取装置设置在矿石破碎系统与磨矿分级系统之间,其特征在于,包括矿石输送带(1)以及半封闭所述矿石输送带(1)一段区域的防护通道(2),所述防护通道(2)上方设置有连通射线源腔室(3)的开口,在所述防护通道(2)的矿石入口处设置有整平板(4);
所述射线源腔室(3)顶部设置有X射线源(5),所述X射线源(5)与所述矿石输送带(1)之间设置有准直器(6),所述矿石输送带(1)正下方设置有双能X射线探测器(7),所述防护通道(2)侧顶设置有工业相机(8);
所述X射线源(5)发射的X射线经过所述准直器(6)进行光束宽度调整后,照射在所所述矿石输送带(1)的矿石上;所述双能X射线探测器(7)用于采集矿石的X射线透射高低能灰度图像,所述工业相机(8)用于采集矿石的可见光图像,且所述工业相机(8)的图像采集区域覆盖所述双能X射线探测器(7)的图像采集区域,所述工业相机(8)的图像采集频率与所述双能X射线探测器(7)的图像采集频率一致。
2.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述射线源腔室(3)内部设置有屏蔽体(31),所述屏蔽体(31)为锥形结构,所述锥形结构的窄端连接所述X射线源(5)的出射口,所述准直器(6)设置在所述锥形结构的宽端。
3.根据权利要求2所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述屏蔽体(31)包括内层钢板和外层铅板。
4.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述射线源腔室(3)内部还设置有IP65级工业空调(32)。
5.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述射线源腔室(3)内部还设置有设备控制器(33),所述控制器(33)连接所述X射线源(5)、所述双能X射线探测器(7)和所述工业相机(8)。
6.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述射线源腔室(3)顶部设置有X射线源卡槽,所述射线源腔室(3)外壳通过密封条或密封胶进行密封。
7.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述防护通道(2)外侧设置有防护铅板,包括顶部防护铅板、两侧防护铅板和底部防护铅板,铅板厚度分别为5mm、4mm和7mm。
8.根据权利要求1所述的一种用于获取矿石品位的多源数据采集装置,其特征在于,所述所述双能X射线探测器(7)的材料为GGAG闪烁体。
9.一种用于获取矿石品位的系统,其特征在于,所述一种用于获取矿石品位的系统包括权利要求1-8任一项所述的一种用于获取矿石品位的多源数据采集装置;
所述一种用于获取矿石品位的系统还包括数据处理器,所述数据处理器连接双能X射线探测器和工业相机,用于并获取所述双能X射线探测器采集的X射线透射高低能灰度图像,获取所述工业相机采集的可见光图像;以及根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位预测值。
10.根据权利要求9所述的一种用于获取矿石品位的系统,其特征在于,所述数据处理器根据所述X射线透射高低能灰度图像和所述可见光图像,生成矿石品位值时,执行以下步骤:
将所述可见光图像和所述X射线透射高低能灰度图像输入至预先构建的品位预测模型中,所述品位预测模型包括特征提取网络、特征融合网络及回归预测网络;
利用所述特征提取网络提取所述可见光图像的一组可见光特征图,以及提取所述X射线透射高低能灰度图像的一组高能特征图和一组低能特征图;
利用所述特征融合网络将一组可见光特征图进行内部特征融合,获取一组可见光融合特征图;以及将一组高能特征图进行内部特征融合,获取一组高能融合特征图;以及将一组低能特征图进行内部特征融合,获取一组低能融合特征图;
以及,利用所述特征融合网络将可见光融合特征图、高能融合特征图和低能融合特征图进行融合,获得总融合特征图;
利用所述回归预测网络对所述总融合特征图进行回归预测,生成矿石品位预测值。
CN202011595949.2A 2020-12-29 2020-12-29 一种用于获取矿石品位的系统及多源数据采集装置 Pending CN114689621A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011595949.2A CN114689621A (zh) 2020-12-29 2020-12-29 一种用于获取矿石品位的系统及多源数据采集装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011595949.2A CN114689621A (zh) 2020-12-29 2020-12-29 一种用于获取矿石品位的系统及多源数据采集装置

Publications (1)

Publication Number Publication Date
CN114689621A true CN114689621A (zh) 2022-07-01

Family

ID=82132039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011595949.2A Pending CN114689621A (zh) 2020-12-29 2020-12-29 一种用于获取矿石品位的系统及多源数据采集装置

Country Status (1)

Country Link
CN (1) CN114689621A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116159773A (zh) * 2023-02-28 2023-05-26 安徽理工大学 一种基于可见光和x射线串联的煤矸分离方法及其装置
CN116399868A (zh) * 2023-06-06 2023-07-07 合肥泰禾卓海智能科技有限公司 一种基于射线成像和深度学习的矿石分析装置及方法
US12036581B1 (en) 2023-02-28 2024-07-16 Anhui University of Science and Technology Tandem methods and devices for separating coal and gangue based on visible light and x-rays

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116159773A (zh) * 2023-02-28 2023-05-26 安徽理工大学 一种基于可见光和x射线串联的煤矸分离方法及其装置
US12036581B1 (en) 2023-02-28 2024-07-16 Anhui University of Science and Technology Tandem methods and devices for separating coal and gangue based on visible light and x-rays
CN116399868A (zh) * 2023-06-06 2023-07-07 合肥泰禾卓海智能科技有限公司 一种基于射线成像和深度学习的矿石分析装置及方法
CN116399868B (zh) * 2023-06-06 2023-08-29 合肥泰禾卓海智能科技有限公司 一种基于射线成像和深度学习的矿石分析装置及方法

Similar Documents

Publication Publication Date Title
CN114689621A (zh) 一种用于获取矿石品位的系统及多源数据采集装置
US5060249A (en) Method and apparatus for the detection and imaging of heavy metals
CN110000109A (zh) 一种x射线检测区分煤和矸石的方法及装置
CN102937599B (zh) 一种通过x射线检测含金属被测物的无损检测系统和方法
CN201199235Y (zh) 新型x射线通道式安检系统结构
CA2511593A1 (en) A method and apparatus for detection of radioactive materials
GB2432094A (en) Discriminating materials by employing fast neutron and continuous specctra X-rays
US7877340B2 (en) System and method for resolving gamma-ray spectra
WO2006095188A1 (en) Detection of radioactive matrials for example in trucks using gamma spectroscopy and neutron detection
CN103197338A (zh) 水下辐射监测方法及系统
CN2847276Y (zh) 数字化x射线异物检测仪
US8275093B2 (en) Walk-through shoe inspection system
CN113926737A (zh) 一种利用双能双机x射线的煤矸装置及其识别方法
CN108254394B (zh) X射线双能检测方法及系统
US7684541B2 (en) System and method capable of simultaneous radiographic examination and radioactive material inspection
CN104515781A (zh) X射线检查系统
CN204439577U (zh) X射线检查系统
CN104459755B (zh) 一种车辆放射性物质检测定位装置及方法
CN104516010A (zh) X射线束流强度监控装置和x射线检查系统
EP3290957B1 (en) Detector, and detecting system and method for dividing energy regions intelligently
CN204439843U (zh) X射线束流强度监控装置和x射线检查系统
Jakubek et al. Imaging with secondary radiation in hadron therapy beams with the 3D sensitive voxel detector
RU2623692C2 (ru) Система и способ для обнаружения алмазов в кимберлите и способ предварительного обогащения алмазов с их применением
JP2004108912A (ja) 中性子を用いた検知装置および検知方法
CN110672649A (zh) 一种基于双能x射线的图像识别处理方法及控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination