一种基于深度学习的煤泥浮选精煤灰分预测方法

摘要

本发明公开了一种基于深度学习的煤泥浮选精煤灰分预测方法，步骤是：组装图像采集硬件系统；采集煤泥浮选泡沫图像以及对应的灰分数据；按照灰分个位数的±0.5区间将数据集分成9类并进行数据增强；采用resnet50网络提取泡沫表面的特征，随机梯度下降法更新参数和softmax函数分类，经过多次迭代训练模型得到了较高的准确率，最后根据预测结果对现场工况做出建议。相对于人工主观的观察操作，本发明能够随着模型的不断优化自动提取具有代表性的高阶抽象细节特征；另外相对于传统方法，本发明大大缩短了建模时间，卷积网络提取的高阶抽象特征，使得输入模型的训练样本更加真实，得到的预测结果也更加精确，对浮选的现场生产具有重要的指导作用。