1.一种基于矿物断裂形貌特征的碎磨能量判别方法,包括如下步骤:
a.采用重锤试验机对磁铁矿石试样进行多次破碎,确定磁铁矿石断裂的临界能量为100.00J,通过电镜扫描获取此时磁铁矿石的断口形貌,获取断口的形貌;
b.调整重锤试验机,采用不同破碎能量对单颗粒磁铁矿石进行破碎,破碎能量逐渐升高或降低,通过电镜扫描获取各个破碎能量对应的磁铁矿的断口形貌,依次排列对比,确定断口类型从沿晶断裂比例较大向穿晶断裂比例较大转变的破碎能量级别;
c.选取同一破碎能量下的单颗粒磁铁矿石破碎后的颗粒,通过筛分对破碎磁铁矿石颗粒进行分级,通过电镜扫描获取各个不同粒度级别磁铁矿石颗粒的断口图片,统计其中沿晶断裂的比例;
d.重复步骤c多次,依次对步骤b中的单颗粒磁铁矿石在不同破碎能量下的不同粒度级别磁铁矿石的断口形貌,统计其中沿晶断裂的比例;
e.汇总步骤d中的数据,在坐标系中描点,然根据描点拟合曲线,建立单颗粒磁铁矿石破碎后的不同粒径级别颗粒沿晶断裂比例与破碎能量之间的函数关系,f.根据上述步骤b-d的过程,对颗粒群磁铁矿石进行进行不同破碎能量的破碎,并对各个破碎能量下破碎后的颗粒进行分级,通过电镜扫描获取各个粒度级别的断口图片,统计其中的沿晶断裂比例;
g.汇总步骤f中的数据,建立颗粒群磁铁矿石破碎后的不同粒径级别颗粒沿晶断裂比例与破碎能量之间的函数关系。
2.根据权利要求1所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤b中选取的破碎能量依次为226.01J、376.69 J、527.36J、640.37J、753.38J、866.38J。
3.根据权利要求1所述的一种基于矿物断裂形貌特征的碎磨能量判别方法 ,其特征在于:步骤c中对单颗粒磁铁矿石破碎后颗粒进行电镜观测的粒度分级为:-1.180+0.900、-0.900+0.600、-0.600+0.300、-0.300+0.150、-0.150+0.074、-0.074+0.038、-0.038+0.019,单位为mm;步骤e中不同粒度级别沿晶断裂比例与破碎能量之间的函数关系如下-1.180+0.900 y=227.353-28.279lnx R2=0.96;
-0.900+0.600 y=198.995-25.304lnx R2=0.96;
-0.600+0.300 y=109.849-13.597lnx R2=0.95;
-0.300+0.150 y=48.031-5.975lnx R2=0.95;
-0.150+0.074 y=27.055-3.185lnx R2=0.98;
-0.074+0.038 y=21.584-2.873lnx R2=0.95;
-0.038+0.019 y=9.662-1.209lnx R2=0.94;
上述各个公式中y为沿晶断裂比例,x为破碎能量,R2为函数相关性。
4.根据权利要求1所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:步骤g中分别对颗粒群磁铁矿石破碎能量依次为332.59J、432.36J、532.14J、631.25J、731.69J;破碎后颗粒的进行电镜观测的粒度分级为:-1.180+0.900、-0.900+0.600、-0.600+0.300、-0.300+0.150、-0.150+0.074、-0.074+0.038、-0.038+0.019,单位为mm;不同粒度级别沿晶断裂比例与破碎能量之间的函数关系如下-1.180+0.900 y=289.187-37.679lnx R2=0.98;
-0.900+0.600 y=244.894-31.551lnx R2=0.98;
-0.600+0.300 y=198.682-27.897lnx R2=0.99;
-0.300+0.150 y=64. 844-8.844lnx R2=0.96;
-0.150+0.074 y=36. 708-4.984lnx R2=0.98;
-0.074+0.038 y=33.116-4.660lnx R2=0.96;
-0.038+0.019 y=14.923-2.096lnx R2=0.95;
上述各个公式中y为沿晶断裂比例,x为破碎能量,R2为函数相关性。
5.根据权利要求1所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤b中选择不同破碎能量破碎后的颗粒的中值粒径范围-10.000+5.000mm的颗粒进行电镜扫描。
6.根据权利要求1所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤c和f中,采用磁铁矿石断口形貌分类识别软件进行,该软件的建立和应用步骤如下;
61. 通过破碎设备对磁铁矿石进行破碎,将破碎完成后的磁铁矿石颗粒收集均分成N组,每组平摊后进行电镜扫描,扫描后的N张扫描图片导入计算机,N≥1000张;
62.人工对扫描后的每张图片中的各个区域颗粒表面形貌进行标定,不同的颗粒形貌分别标定为沿晶断裂或者穿晶断裂两种断裂类型中的一种,并汇总计算该图片中的沿晶断裂颗粒数量和穿晶断裂颗粒数量,反复操作该步骤,得到N张标定图片,
63.在计算机中建立针对步骤62完成后标定图片进行学习训练的基于SSD算法的全卷积神经网络模型,
64.将步骤62中完成后的大部分标定图片导入到计算机上的基于SSD算法的全卷积神经网络模型中进行深度学习训练,深度学习训练后形成图片识别模型,用剩余部分的标定图片对该图片识别模型进行测试,若测试准确率符合要求,停止进行深度学习训练,保留该训练完成的模型;若测试准确率不符合要求,继续进行深度学习训练和测试,直至测试准确率符合要求,保留该训练完成的图片识别模型;
65.计算机中建立软件与上述步骤64获得的图片识别模型对接,
66.将步骤c或f完成后破碎工作,并需要进行颗粒形貌识别的矿石颗粒收集,平摊后通过电镜扫描拍照,形成待识别照片,
67.将待识别照片通过软件导入上述软件,进而应用图片识别模型进行图片识别,输出该图片中矿石颗粒的穿晶断裂数量和沿晶断裂数量,计算沿晶断裂比例,并通过软件输出识别和计算的数据,供步骤e或g使用。
7.根据权利要求6所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤62中人工标定依据沿晶断裂的矿石颗粒的表面形貌图片的样本进行,该图片的样本中断口呈冰糖状花样,断口界面棱角清晰。
8.根据权利要求6所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤62中人工标定依据穿晶断裂的矿石颗粒的表面形貌图片的样本进行,该图片的样本中断口呈台阶花样、或者河流花样、或撕裂花样、或者二次裂纹花样。
9.根据权利要求6所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤64中的利用70%的标定图片进行深度学习训练,剩余30%的标定图片对训练后的模型进行测试。
10.根据权利要求6所述的一种基于矿物断裂形貌特征的碎磨能量判别方法,其特征在于:所述的步骤64中的符合要求的测试准确率为不低于94%。