文献

J-GLOBAL ID：202102220810652036   整理番号：21A0077811

フロスビデオシーケンスを用いたフロス浮選における長期短期記憶ベースグレードモニタリング【JST・京大機械翻訳】

Long short-term memory-based grade monitoring in froth flotation using a froth video sequence

著者 (6件)： Zhang Hu (School of Automation, Central South University, Changsha 410083, China) ,  Tang Zhaohui (School of Automation, Central South University, Changsha 410083, China) ,  Xie Yongfang (School of Automation, Central South University, Changsha 410083, China) ,  Gao Xiaoliang (School of Automation, Central South University, Changsha 410083, China) ,  Chen Qing (School of Computer Science, Hunan University of Technology, Zhuzhou 412007, China) ,  Gui Weihua (School of Automation, Central South University, Changsha 410083, China)
資料名： Minerals Engineering  (Minerals Engineering)
巻： 160  ページ： Null  発行年： 2021年 
JST資料番号： T0533A  ISSN： 0892-6875  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マシンビジョン技術の急速な発展により,マシンビジョンシステムはオンライングレードモニタリングのために浮選プラントで広く使われる。工業浮選プラントでは,フロスビデオのサンプル速度は,特別な検出デバイスを用いて得られたラベル付きグレードデータのそれよりかなり高い。これは,いくつかのラベルなしフロスビデオをもたらした。しかし,これらのラベルなしビデオは貴重であり,それらがビデオシーケンスに関する時間的情報を提供できるので,グレードの変化傾向を反映することができるので,廃棄すべきではない。したがって,長い短期メモリ(LSTM)ベースのネットワークを,亜鉛浮選回路から最初の粗末のテーリンググレードを推定するために提案する。最初に,気泡ビデオ表現を,視覚特徴の平均を計算して,粗飼料等級を統合することによって得た。次に,フロスビデオシーケンスの表現を,ラベル付きグレードに適合するためにLSTMネットワークに導入した。歴史的データによるネットワーク訓練を通して,グレードモニタリングモデルを構築でき,その中で,フロスビデオ情報を適切に利用し,また,異なるサンプル速度の問題を解いた。実験結果は,提案したグレードモニタリングモデルの有効性を示した。ラベルなしフロスビデオのない従来のニューラルネットワークと比較して,提案モデルの二乗平均誤差は8.48%減少し,提案モデルのR二乗スコアは9.32%増加した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  気泡 ,  視覚 ,  亜鉛 ,  ネットワーク ,  プラント ,  ニューラルネットワーク ,  *浮遊選鉱 ,  *フロス浮選 ,  粗飼料 ,  *録画装置 ,  有効性
準シソーラス用語： *ビデオシーケンス ,  オンライン ,  マシンビジョン , 【Automatic Indexing@JST】

著者キーワード (5件)： グレードモニタリング ,  機械視覚 ,  フロスビデオ ,  フロスビデオシーケンス ,  長期短期記憶

分類 (1件)： 浮遊選鉱  (UA07060F)

タイトルに関連する用語 (3件)： フロス浮選 ,  長期 ,  短期記憶