矿业研究与开发

作者：黄源峰,何剑锋,张峰源,李卫东,聂逢君,汪雪元,瞿金辉

关键词：铜矿石品位分类;图像分类;模型集成;视觉Transformer;卷积神经网络

针对现有铜矿石品位分类中所应用的卷积神经网络缺乏构建与归纳长距离特征关系不足的问题,提出了一种结合Swin Transformer和EfficientNet的集成模型的铜矿石品位分类方法.该方法充分利用了Swin Transformer V2-t架构对长距离特征关系的归纳能力,以及EfficientNetV2-s捕捉细微局部特征上的优势,通过增设线性层以整合两模型的输出结果,并根据单个模型自身输出动态调整线性层的权重,以优化映射关系,进而显著提升分类性能.试验验证表明,此融合模型在分类任务上的准确率达到92.891％,精确率达到93.095％,召回率达到92.654％.相较于未集成前的单一模型,集成后的综合模型在分类准确率上提升了1.3个百分点,精确率分别提升了1.9个百分点和2.186个百分点,召回率则分别提高了0.474个百分点和0.237个百分点.

来源：2025年第4期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第4期