通过融合泡沫图像与尾矿灰分数据来识别煤浆浮选的工作条件
《Processes》:Recognition of Coal-Slurry Flotation Working Conditions by Fusing Froth Images and Tailings Ash Content Data
【字体:
大
中
小
】
时间:2026年08月27日
来源:Processes 3.4
摘要
在煤浆浮选过程中,人工判别会受到动态滞后效应以及光照和灰尘影响的限制。相比之下,泡沫图像能够反映浮选的宏观现象,而尾矿灰分含量则能够体现煤浆的内部质量,这两种信息源能够互相补充。本文提出了一种基于泡沫图像与尾矿灰分含量数据融合的浮选条件识别方法。通过小提琴图(violin plot)的可视化分析,可以发现灰分含量与浮选状态之间存在高度相关性。在该方法中,泡沫图像被视为主要输入数据,而灰分含量则作为辅助信号;通过实验确定了最佳的融合权重比例。本文对比了基于ResNet18、MobileNetV2和MobileNetV3的多模态模型,并分别使用仅基于图像的数据和仅基于尾矿灰分的数据来评估多模态融合的价值。实验结果表明,多模态MobileNetV3的准确率达到94.65%,优于多模态MobileNetV2(87.98%)、多模态ResNet18(86.13%)、仅基于图像的模型(86.43%)以及仅基于尾矿灰分的模型(81.63%)。t-SNE可视化分析进一步表明,多模态融合有助于提升特征区分度和聚类效果。该方法有效提升了分类准确性,为煤制工艺中的智能工作条件识别提供了一种新的途径。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号