Clasificación de carbón y gangue por espectroscopia de descomposición inducida por láser utilizando el...

Área de la Ciencia:

• Geociencia y Ciencias de los Materiales
• Inteligencia artificial y aprendizaje automático

Sus antecedentes:

• La clasificación de carbón y gangue es crucial para la reducción de costos y la sostenibilidad ambiental en la minería.
• Los métodos tradicionales de aprendizaje supervisado requieren extensos datos etiquetados, lo que limita su aplicación en la clasificación del carbón.
• La espectroscopia de descomposición inducida por láser (LIBS) ofrece una técnica analítica rápida para la caracterización de materiales.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje novedoso para una clasificación precisa del carbón y las gangas utilizando LIBS.
• Para superar las limitaciones de los grandes conjuntos de datos etiquetados en los enfoques tradicionales de aprendizaje automático.
• Adaptar las técnicas de clasificación transversal a las aplicaciones mineras.

Principales métodos:

• Integración de la espectroscopia de descomposición inducida por láser (LIBS) con algoritmos de metaaprendizaje.
• Desarrollo de un marco de metaaprendizaje mejorado con desacoplamiento de pico y características.
• Utilizando muestras de roca marciana como dominio de origen y carbón / banda como dominio objetivo para el aprendizaje entre dominios.

Principales resultados:

• Se ha logrado una precisión del 90,08% en condiciones de clasificación de 1 disparo y del 95,04% en condiciones de clasificación de 5 disparos.
• Superó a los métodos tradicionales de aprendizaje automático en más del 9% (1 inyección) y el 4% (5 inyecciones).
• Superó los enfoques de aprendizaje de transferencia profunda en un 11% (1 inyección) y un 2% (5 inyecciones).

Conclusiones:

• El marco de aprendizaje de pocos disparos propuesto proporciona una solución sólida para la clasificación del carbón y las gangas con datos limitados.
• Este enfoque ofrece una base tecnológica fundamental para el desarrollo de equipos de clasificación inteligentes en la industria minera.
• El método demuestra una adaptación eficaz entre ámbitos para la clasificación de materiales basada en el LIBS.