重介浅槽深度分选细粒级煤的应用与改进下载

weixin_39821620 2020-10-02 05:30:56

阐述了W26F54重介浅槽分选机的结构、原理及特性,介绍了该分选机在李家壕选煤厂分选100~6 mm细料粒级煤的应用与改进;实践表明,如要降低分选下限,增加细粒级煤的分选,就应适当扩大上升流布流板孔径,增大浅槽槽宽,增大浅槽的分选能力,同时对配套系统进行相应改进。
相关下载链接：//download.csdn.net/download/weixin_38750829/12521092?utm_source=bbsseo

...全文

45 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

该数据集包含4000张高质量标注图像，覆盖木耳、黑木耳、金针菇、香菇等10类可食用蘑菇，支持细粒度识别与干鲜状态区分。采用标准YOLO格式，涵盖真实农业与市场场景，具备多生长阶段、多光照背景及专业标注特性，适用于智能采摘机器人、食品安全检测、品质分选线等目标检测任务。

本文构建了一个基于YOLOv5–YOLOv12系列模型的多种类花卉识别桌面系统，采用PyTorch训练推理、PySide6/Qt实现图形界面，支持图片/视频/摄像头多源输入、实时检测与可视化、模型热切换、多指标对比（mAP/F1/PR）、结果导出（CSV/PNG/AVI）及SQLite本地记录管理。实验表明轻量化YOLO模型在花卉小目标、类间相似、遮挡密集场景下兼顾精度与桌面端实时性。

本文提出Scrap-SAM-CLIP（SSC）模型，融合Segment Anything Model（SAM）与中文版CLIP（CN-CLIP），专用于钢铁废料典型几何形状识别。模型采用模块化设计，通过SAM实现精细化2D分割，结合CN-CLIP完成7类废钢（如角铁、H型钢、管材等）跨模态分类，在自研5293张图像数据集上达到95.3%分类准确率。该方案规避传统2D方法在厚度建模、单视角依赖、重量偏差和尺寸推断等方面的缺陷，支撑后续3D重建与工业自动分选。

本文设计并实现了一套基于YOLOv12的水果品质检测系统，支持苹果、香蕉等多品类外观缺陷（碰伤、腐烂、霉斑等）的实时检测与分级。系统采用目标检测框架完成“检测—分割—分级”任务链路，集成光照归一化、色彩校正与数据增强策略提升泛化能力；通过PySide6构建交互式UI界面，支持模型热切换、用户账户管理、SQLite结果追溯及多源输入（图像/视频/摄像头）。实验在自建2583张水果数据集上对比YOLOv5至YOLOv12共16个模型，验证YOLOv12n/s在精度与推理速度上的工程优势。

本文介绍基于YOLOv11的矿石分类检测实战系统，涵盖数据准备、模型训练、推理及PyQt5可视化界面开发。采用8000张真实矿石图像构建数据集，支持多类别识别与复杂环境鲁棒性检测，结合F1、PR曲线评估性能，并提供完整源码与UI系统。

下载资源悬赏专区

13,654

社区成员

12,571,327

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章