基于深度学习的镜下矿物图像识别方法

为探究利用深度学习和图像处理技术实现镜下矿物图像特征智能化识别的可行性,基于卷积神经网络、Adam 优化算法等,对采集的辉石、石英、角闪石、橄榄石、斜长石5种矿物图像进行了试验研究,采用 OpenCV 对有限的数据集进行增广,有效地扩大数据规模、降低样本的不平衡性,基于ResNet-50网络架构优化模型,使用迁移学习的训练策略进行模型训练,以精度和损失作为评价指标。测试结果表明:优化后的网络模型识别精度大幅提高,在模型测试中达到了98.48%的精度,损失控制在0.01~0范围内,并且具备更快的收敛速度、更低的训练耗时,大大提升了网络的训练效率,成功实现了镜下矿物智能化识别及分析。     

人工智能在矿物加工技术中的应用与发展

人工智能技术作为一门新兴技术具有很好地处理非线性问题的优势,可以排除依赖人为经验操作所导 致的稳定性低和可解释性差等问题,成为矿物加工领域新的研究方向。 在对人工智能矿物加工技术的基本原理——— 计算机视觉技术和深度学习原理简单阐述的基础上,对人工智能在矿物鉴定、磨矿和浮选过程的预测和监控等工艺 流程中的研究现状和应用前景进行了综述,对其优势与不足进行分析探讨,最后提出了建立统一标准的矿物数据集、 增强人工智能算法模型在实际生产过程中的应用能力、加强矿物加工工艺全流程与人工智能技术相结合的应用研 究、开发全流程的基于人工智能技术的矿物加工设备等研究方向,可为加速推进该领域发展提供参考。