矿业研究与开发

作者：李品钰,王然风,付翔,刘洋,张长明,秦新凯,窦治衡

关键词：矿物浮选;计算机视觉;点云数据;多槽浮选泡沫分类网络;PointNet网络

针对传统二维图像在煤泥浮选泡沫识别中存在空间信息丢失及单槽数据片面性问题,提出一种基于三维点云数据的多槽特征融合方法.该方法通过图漾红外双目FM855-E1工业相机采集浮选机每个浮选槽的泡沫三维点云数据,采用预处理与数据增强技术优化数据集,利用非共享权重的 PointNet网络提取各槽高维特征,经多层感知机降维后,通过拼接函数融合为多槽泡沫特征,最终由多层感知机和Softmax函数实现工况类别判定.试验结果表明:多槽网络的分类准确率达94.89％,显著优于其他网络,损失值降低至0.2169,具有良好的鲁棒性和泛化能力.研究证明,多槽泡沫特征融合显著提升了浮选工况识别精度,为煤泥浮选智能化提供了高可靠性的三维视觉解决方案.

来源：2026年第1期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2026年第1期