一种用于实时铁矿石给料负荷估计的新弱监督学习方法

铁矿石给料负荷控制是矿物磨矿过程中最关键的设定之一，直接影响最终产品的质量。给料负荷的设定主要由矿石 pellet 的特性决定。然而，在许多生产环境中矿石表征难以获取，导致给料负荷设定不佳与生产过程低效。本文介绍了我们利用深度学习模型从矿石 pellet 图像直接估计给料负荷的工作。为应对整张矿石 pellet 图像尺寸过大与精确标注数据短缺带来的挑战，我们将整个建模过程视为弱监督学习问题。提出了一种两阶段模型训练算法与两种神经网络架构。实验结果显示了具有竞争力的模型性能，且所训练模型可用于磨矿过程优化的实时给料负荷估计。