Tytuł pozycji:
A novel magnetite ore refined sorting method based on magnetic induction and CNN-SK-BiLSTM network
Magnetite ore is a non-renewable resource that needs to be utilized effectively. Refined sorting of magnetite ore is not simply sorting it into good ore or waste ore but finely sorting it into different grades due to its magnetite content, which not only helps to improve its utilization but also reduces the energy consumption of the following process. However, traditional ore sorting methods based on optical sensors, X-ray sensors, and high-resolution cameras are challenging to achieve refined sorting for magnetite ores because of the limitations of their respective detection methods and classification algorithms. To this end, a new detection method for magnetite content is proposed in this paper; the magnetic induction signal of magnetite ore when it passes through an external magnetic field is captured by Hall sensors and made into a quantifiable time-series dataset. Meanwhile, a deep learning classification algorithm CNN-SK-BiLSTM with a multi-scale attention mechanism is proposed, which successfully sorts magnetite ore from a mine in Liaoning Province, China, into four classes finely. The experimental results show that the accuracy of the model is up to 99.44%, and the precision, recall, and F1 scores are acceptable. In addition, comparative experiments between the proposed model and other standard models were conducted. The results show that the performance of the proposed model is significantly better than the others. This paper provides ideas for the study of refined sorting of magnetite ore.
Ruda magnetytu jest zasobem nieodnawialnym, który należy efektywnie wykorzystać. Rafinowane sortowanie rudy magnetytu nie polega po prostu na sortowaniu jej na dobrą rudę lub rudę odpadową, ale na dokładnym sortowaniu na różne gatunki ze względu na zawartość magnetytu, co nie tylko pomaga poprawić jej wykorzystanie, ale także zmniejsza zużycie energii w kolejnym procesie. Jednak tradycyjne metody sortowania rud oparte na czujnikach optycznych, czujnikach rentgenowskich i kamerach o wysokiej rozdzielczości stanowią wyzwanie w celu uzyskania udoskonalonego sortowania rud magnetytu ze względu na ograniczenia odpowiednich metod wykrywania i algorytmów klasyfikacji. W tym celu w artykule zaproponowano nową metodę wykrywania zawartości magnetytu. Sygnał indukcji magnetycznej rudy magnetytu przechodzącej przez zewnętrzne pole magnetyczne jest wychwytywany przez czujniki Halla i przekształcany w wymierny zbiór danych w formie szeregów czasowych. Tymczasem zaproponowano algorytm klasyfikacji głębokiego uczenia się CNN-SK-BiLSTM z wieloskalowym mechanizmem uwagi, który z powodzeniem sortuje rudę magnetytu z kopalni w prowincji Liaoning w Chinach na cztery klasy. Wyniki eksperymentów pokazują, że dokładność modelu sięga 99,44%, a precyzja, powtarzalność i wyniki F1 są akceptowalne. Dodatkowo przeprowadzono eksperymenty porównawcze zaproponowanego modelu z innymi modelami standardowymi. Wyniki pokazują, że wydajność proponowanego modelu jest znacznie lepsza od pozostałych. W artykule przedstawiono pomysły na badania rafinowanego sortowania rudy magnetytu.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).
