基于深度学习的普通金属矿石快速分拣系统的研究

刚开采的金属矿石存在大量泥块混合物，需要进行重复的洗矿操作，耗费大量水资源和机器资源，对于粘结性强的泥块还需要后期人工分拣。传统方法一般是通过改造洗矿工艺来减少含泥量，但是改造成本高，不能有效应对较大的泥块，为此提出一个基于深度学习的矿石粗分拣的系统。通过普通RGB摄像头实时采集矿泥混合物图像，并无线传输到服务器端；引入SSD512目标检测框架作为系统核心算法，对矿石和泥块进行识别，并返回目标分类置信度和位置信息的回归；由识别结果控制分拣装置分拣出泥块。实验验证结果发现识别的平均精确率达到91%,识别的速度达到了0.05 s每幅图片。