矿冶工程

作者：何微, 戴昊霖, 陈雯

单位：1.长沙矿冶研究院有限责任公司, 湖南 长沙 410012;2.中南大学 自动化学院, 湖南 长沙 410083

关键词：摇床,特征提取,品位预测,XGBoost,特征选择,图像识别,智能控制,分选指标,预测模型,矿带

提出了一种基于极限梯度提升（XGBoost）算法的摇床分选指标预测方法。该方法通过颜色矩量化矿带的颜色特征，图像矩量化矿带的形态特征，灰度共生矩阵评价指标的对比度、同质性、相关性和ASM能量量化矿带的纹理特征，根据分选过程中矿带颜色、形态和纹理的变化有效提取摇床矿带特征；然后将图像特征作为输入、选矿指标作为输出，利用XGBoost算法筛选矿带特征并构建预测模型，训练模型并在测试集上预测精矿品位、回收率和精矿产率，实现对分选指标的准确预测。通过与决策树模型和随机森林模型的精矿品位、精矿产率和回收率预测结果对比，基于XGBoost算法的模型对精矿回收率、产率预测精度高。

来源：2025年第1期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2025年第1期