基于模态相关性学习的细粒度分类

针对单模态细粒度分类方法难以区分图像间细微差异的问题,将多模态融合方法引入到细粒度分类任务中,充分利用多模态数据的相关性和互补性,提出了一种基于模态相关性学习的细粒度分类方法。该方法分为两个阶段,首先考虑到图像和文本数据之间的对应关系,利用它们的匹配程度作为约束来进行模型的预训练;接着,加载上一步得到的网络参数,先提取多模态特征,再利用文本特征指导图像特征的生成;最后,基于融合后的特征进行细粒度分类。该方法在UPMC-Food101、MEP-3M-MEATS和MEP-3M-OUTDOORS数据集上进行训练测试,分别达到91.13%、82.39%和93.17%的准确率。实验结果表明,该方法相对于传统的多模态融合方法具有更好的性能,是一种有效的细粒度分类方法。     

磨矿方式对闪锌矿和黄铁矿浮选动力学影响研究

为了研究磨矿方式对闪锌矿和黄铁矿浮选行为的影响,通过 6 种浮选动力学模型,分别考察了干磨、湿磨及磨矿时间下 2 种矿物的粒度组成及动力学参数。 结果表明,6 种动力学模型均表现出了良好的拟合效果。 氧化速率、磨矿方式、粒度组成共同决定了闪锌矿和黄铁矿的浮选表现。其中,黄铁矿较闪锌矿具更高的氧化速率及更低的浮选回收率。 湿磨产品较干磨更细,所有试验中-0.015 mm 微细粒级的产率最高,这有利于新生表面的暴露,并导致黄铁矿的快速富集,但同时释放更多 Fe³⁺,降低了闪锌矿的浮选速率。干磨产品粒度组成更粗且颗粒表面粗糙度更高,这促使闪锌矿和黄铁矿干磨后的 ε_∞ 值较湿磨更高。     

基于精确化装球理论的某金矿磨矿优化试验研究

针对青岛某金矿的矿石特性,通过理论计算得出精确化装球方案,考察了磨矿时间、磨矿浓度、钢球充填率对磨矿技术效率的影响。结果表明,在磨矿时间16min、磨矿浓度65%、钢球充填率40%、钢球配比m(Φ90) : m(Φ70) : m(Φ50): m(Φ30)=20:25:40:15时,获得的磨矿技术效率最优。采用不同钢球配比方案（推荐方案、现场方案、偏大方案、偏小方案）进行磨矿试验,并将推荐方案和现场方案的磨矿产品进行浮选对比试验。试验结果发现,推荐方案可有效优化磨矿产品粒度组成分布,比现场方案得到金品位和金回收率分别高3.92g/t、1.65%。闭路试验最终获得了品位66.21g/t、回收率95.01%的金精矿,研究结果为现场磨矿参数的优化提供了参考和指导。     

非洲某高磷铁矿氧化焙烧-气基还原-磁选

这是一篇冶金工程领域的论文。针对高磷铁矿石气基还原存在球强度低以及还原温度高的问题,提出了氧化焙烧-气基还原-磁选新工艺。考查了氧化温度以及脱磷剂种类对氧化球抗压强度的影响,并找出了符合竖炉强度要求的氧化焙烧条件,在此基础上,研究了还原温度、还原气体总流量、还原气体组成以及还原时间对提铁降磷的影响。结果表明,在Na₂CO₃用量10%,氧化温度1200℃,氧化时间60 min,还原温度950℃,H₂与CO的流量分别为3.75 L/min以及1.25 L/min,还原时间180 min的条件下,可获得铁品位91.15%、铁回收率93.07%和磷含量0.14%的粉末还原铁。扫描电镜结果表明,粉末还原铁中的磷以机械夹杂的形式存在,磷是通过磨矿-磁选除去。