-
公开(公告)号：CN118887586A
公开(公告)日：2024-11-01
申请号：CN202411050997.1
申请日：2024-08-01
Applicant: 中南大学
IPC: G06V20/40 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/762 , G06V10/75 , G06N5/048
Abstract: 一种基于泡沫平均流速的泡沫视频关键帧提取方法，本发明提出一种基于泡沫平均流速的泡沫视频关键帧提取方法，基于浮选现场设置的数字图像采集系统采集泡沫视频，提出了需要根据不同泡沫流速提取不同的泡沫视频关键帧序列，对原始泡沫视频进行等间隔采样获得泡沫视频候选关键帧序列，采用肘点图法和SURF算法分别获取泡沫视频候选关键帧序列的最佳采样时间间隔和泡沫平均流速。通过建立泡沫平均流速和最佳采样时间间隔二型模糊系统，根据泡沫视频的不同流速状态，自适应提取用于浮选关键性能指标监测的关键帧序列。结果表明，本发明方法在减轻了模型部署难度的情况下，能准确识别工况。
-
公开(公告)号：CN118537386A
公开(公告)日：2024-08-23
申请号：CN202410409582.2
申请日：2024-04-07
Applicant: 中南大学
Abstract: 一种基于高亮点的锌浮选泡沫层深度特征度量方法，属于泡沫浮选领域，本发明提出一种基于高亮点的锌浮选泡沫层深度特征度量方法，针对浮选现场设置的工业相机所获得的双目视觉泡沫图像，利用视差原理，提出泡沫高亮点区域的概念，通过左右视图对泡沫层的高亮点区域进行准确提取，对泡沫层深度图进行定义与度量，通过一系列计算获得了泡沫层深度特征。本发明有效弥补单目视觉系统没有考虑泡沫层高度的缺陷，实现对双目立体视觉图像中的泡沫层深度特征的度量，从而更好地获取泡沫的立体信息，有利于监控工业流程关键性能指标，进而实现对泡沫浮选过程的控制。
-
公开(公告)号：CN115163074A
公开(公告)日：2022-10-11
申请号：CN202210861113.5
申请日：2022-07-20
Applicant: 中南大学
Abstract: 本发明公开了一种无底柱浅孔留矿嗣后充填采矿法中顶柱与间柱的回收方法，包括如下步骤：在顶柱下盘的矿体外掘进一条脉外电耙道，在脉外电耙道内掘进若干条与顶柱下部空区回采作业面相连接的出矿漏斗；对脉外电耙道进行支护；使顶柱与出矿漏斗间形成一便于工人凿岩作业及顶柱爆破的预留空间；向顶柱内钻凿多排炮孔；对同一顶柱进行分排多次爆破，爆破的矿石落至脉外电耙道，经人行通风天井、中段下盘的脉外运输巷由矿车出矿；向各间柱内钻凿多排上向布置的浅孔；对中段最底排的间柱进行分段爆破回采，爆破的矿石自然落至中段下盘的脉外运输巷经由矿车出矿，用钢件插入该排间柱上、下盘围岩中。本发明维护采场作业安全，提高回采效率，降低成本。
-
公开(公告)号：CN110728253B
公开(公告)日：2021-03-02
申请号：CN201911006079.8
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于颗粒粗糙度的纹理特征度量方法，在泡沫浮选领域，本发明提出一种基于颗粒粗糙度的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，通过一系列计算定义了纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN118887587A
公开(公告)日：2024-11-01
申请号：CN202411050999.0
申请日：2024-08-01
Applicant: 中南大学
Abstract: 一种基于数据融合的浮选关键指标监测模型构建方法，本发明提出了一种基于泡沫视频数据和强语义数据融合的浮选关键性能指标监测模型构建方法，基于浮选现场设置的数字图像采集系统采集泡沫视频，首先从泡沫视频和工业现场提取深度特征信息和强语义数据信息，再将两者信息进行有效融合，分析具备不同数据表征的多源异构数据之间的耦合关系，构建浮选关键性能指标监测模型。本发明解决了传统卷积神经网络方法获取的泡沫视频深度特征向量语义信息弱，泛化性能不强，模型训练时容易过拟合等问题，能更加准确地判断工况并有效指导现场操作。
-
Patent Agency Ranking
公开(公告)号：CN113591654B
公开(公告)日：2023-09-01
申请号：CN202110833450.9
申请日：2021-07-22
Applicant: 中南大学
IPC: G06V20/40 , G06V10/56 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于长时程深度特征的锌浮选工况识别方法，包括以下步骤：首先采用3D卷积网络作为基础网络，通过知识蒸馏法使用RGB流网络的部分结构对光流网络进行模拟，使得RGB流网络在测试时不需要提取光流就能学习光流的运动信息；然后将单个视频分段，分别对每段使用训练好的RGB流网络进行帧级特征提取，将提取到的每段帧级特征输入LSTM网络中进一步提取得到视频级全局时空特征；为网络补充一个2D卷积网络提取补充的外观特征，将全局时空特征和增强的外观特征拼接到一起，输入多层感知机中进行最终的工况识别。本发明结合了卷积神经网络和循环神经网络的优点，能够快速、准确地对锌浮选工况进行识别从而有效指导加药。
-
公开(公告)号：CN110109446A
公开(公告)日：2019-08-09
申请号：CN201910449505.9
申请日：2019-05-28
Applicant: 中南大学
IPC: G05B23/02
Abstract: 一种基于时间序列特征的锌浮选过程模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人及时操作、稳定优化生产。
-
公开(公告)号：CN104232911B
公开(公告)日：2016-08-17
申请号：CN201410520296.X
申请日：2014-09-30
Applicant: 济源市欣欣实业有限公司 , 中南大学
CPC classification number: Y02P10/212
Abstract: 本发明公开了一种利用铜精炼炉渣?黄铁矿?斑铜矿尾矿混合熔炼产出白冰铜的方法，包括按照铜精炼炉渣的含铜量、黄铁矿的含铜量、斑铜矿尾矿的含铜量的质量比为1∶0.006～0.01∶0.02～0.09进行配料，将铜精炼炉渣、黄铁矿和斑铜矿尾矿加入到熔炼炉中，并向熔炼炉中加入占铜精炼炉渣、黄铁矿和斑铜矿尾矿的总质量5％～19％的无烟煤，在富氧空气下熔炼生成白冰铜。本发明的方法投资规模小、能耗低、连续作业、可实现铜资源的循环利用。
-
公开(公告)号：CN102534228A
公开(公告)日：2012-07-04
申请号：CN201210062957.X
申请日：2012-03-12
Applicant: 中南大学 , 济源市欣欣实业有限公司
CPC classification number: Y02P10/214 , Y02P10/22 , Y02P10/228 , Y02P10/232 , Y02P10/234 , Y02P10/236
Abstract: 本发明提供了一种从高砷铜冶炼烟灰中综合回收有价元素的方法。本发明将高砷铜冶炼烟灰通过(富氧)焙烧→浸出→萃取→置换→结晶几个工序以进行综合回收高砷铜冶炼烟灰中的有价元素，锌、铜、铅、锡的回收率在95％以上，三氧化二砷的回收率达95％以上。利用本发明提供的综合回收有价元素的方法，工艺流程合理，金属直收率高，“三废”处理成本低，具有显著的经济效益和社会效益。
-
公开(公告)号：CN118965777A
公开(公告)日：2024-11-15
申请号：CN202411070021.0
申请日：2024-08-06
IPC: G06F30/20 , G06F30/28 , G06F30/13 , G06F119/14 , G06F119/02 , G06F111/08 , G06F111/10
Abstract: 本发明涉及岩体工程技术领域，公开一种考虑渗流溶蚀的岩石及混凝土裂隙扩展过程分析方法，该方法包括：生成m×n个格子点，并赋予不同格子点指定的标签使其分别表征可溶物、不溶物、孔洞、水等；模拟水在裂隙中的流动以及溶质的扩散；通过在计算期间分析固体的前、后、左、右四个方向是否存在液体，可确定固体颗粒是否会出现剥落、迁徙；基于伯努利方程计算可移动固体颗粒承受的水流冲击力，并基于牛顿第二定律计算固体颗粒移动速率。本发明所提出的方法能够更高效和高精度开展岩石和混凝土等脆性材料裂隙在渗流作用下的扩展，可为隧道开挖期间的突涌水、运营期间的渗漏水演化过程等内容分析提供指导。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.125 seconds)
