买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州洛可可创新设计有限公司申请的专利X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119456465B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510068610.3，技术领域涉及：B07C5/34；该发明授权X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法是由杜振雷设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法在说明书摘要公布了：本发明公开了X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法，涉及数据处理技术领域，包括：利用X光双目成像装置获取矿石三维图像；将矿石三维图像输入到矿石内部缺陷表征模型，得到矿石内部缺陷表征数据，划分矿石内部缺陷等级；获取当前X光智能选矿机设置参数，利用所述矿石内部缺陷表征数据和所述当前X光智能选矿机设置参数构建专家经验序列；训练多智能体强化学习模型得到矿石内部缺陷等级分选参数模型；将待筛选矿石传送至X光智能选矿机，分选得到不同矿石内部缺陷等级矿石。本申请中的方法可以分选出不同矿石内部缺陷等级矿石，解决了X光智能选矿机设置参数随矿石内部缺陷自适应更新的问题。

本发明授权X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法在权利要求书中公布了：1.X光智能选矿机中矿石内部缺陷的X射线三维成像与缺陷定量表征方法，其特征在于，包括以下步骤： S1、利用X光双目成像装置获取矿石三维图像；对矿石三维图像进行特征处理，得到矿石内部缺陷数据集； S2、将矿石三维图像输入到矿石内部缺陷表征模型，得到矿石内部缺陷表征数据，划分矿石内部缺陷等级；所述矿石内部缺陷表征模型由矿石内部缺陷数据集训练得到； S3、获取当前X光智能选矿机设置参数，利用所述矿石内部缺陷表征数据和所述当前X光智能选矿机设置参数构建专家经验序列； S4、将专家经验序列存储至专家经验池，训练多智能体强化学习模型得到矿石内部缺陷等级分选参数模型； S5、将待筛选矿石传送至X光智能选矿机，基于矿石内部缺陷表征模型和矿石内部缺陷等级分选参数优化模型，分选得到不同矿石内部缺陷等级矿石； 所述矿石内部缺陷表征数据包含缺陷分类结果和内部缺陷体积比，所述缺陷分类结果包含有缺陷和无缺陷两种分类结果，所述内部缺陷体积比是指矿石内所有内部缺陷体积和与矿石体积之比； 按照所述内部缺陷体积比划分矿石内部缺陷等级； 所述划分矿石内部缺陷等级的方法为： 设定第一阈值X1和第二阈值X2； 若所述内部缺陷体积比大于且等于第一阈值X1，矿石内部缺陷等级则为A等级； 若所述内部缺陷体积比大于第二阈值X2且小于第一阈值X1，矿石内部缺陷等级则为B等级； 若所述内部缺陷体积比小于且等于第二阈值X2，矿石内部缺陷等级则为C等级； 所述当前X光智能选矿机设置参数包括给料皮带速度、机身皮带速度、振动幅度、振动频率、振动方向角、喷嘴喷射压力； 训练多智能体强化学习模型得到矿石内部缺陷等级分选参数模型的步骤为： 步骤S31：利用所述矿石内部缺陷表征数据和所述当前X光智能选矿机设置参数构建专家经验序列； 所述为矿石内部缺陷状态集合，为智能选矿机参数动作集合，为分选准确率奖励值集合，为下一时刻矿石内部缺陷状态集合； 步骤S32：将专家经验序列存储至专家经验池，完成专家经验池初始化； 步骤S33：利用专家经验池，训练多智能体强化学习模型，得到矿石内部缺陷等级分选参数模型； 训练多智能体强化学习模型得到矿石内部缺陷等级分选参数模型的步骤为： 步骤S41：构建预测网络和目标网络； 步骤S42：基于预测网络、目标网络和经验池构建N个智能体，其中为变量且； 步骤S43：将经验池初始化为专家经验池；所述经验池容量为M； 步骤S44：使用随机预测网络权重初始化预测网络，使用随机目标网络权重初始化目标网络，初始化参数状态集合、批量n和步长m； 步骤S45：随机批量n从经验池中获取专家经验序列进行训练，其中；预测网络输入矿石内部缺陷状态集合和智能选矿机参数动作集合，输出预测值函数和下一时刻智能选矿机参数动作集合； 目标网络输入下一时刻矿石内部缺陷状态集合，输出目标值函数，计算公式为： ； 式中，为在矿石内部缺陷状态集合时智能选矿机参数动作集合的操作效果奖励值，为折扣因子且，为下一时刻矿石内部缺陷状态集合时选择了下一时刻智能选矿机参数动作集合得到的最大预测值函数； 步骤S46：每通过m步将预测网络的权重参数复制给目标网络的权重参数； 步骤S47：计算多智能体的联合预测值函数，计算公式为： ； 计算多智能体的联合目标值函数，计算公式为： ； 式中，函数和g函数通过BP神经网络模型计算； 多智能体损失函数更新为，计算公式为： ； 步骤S48：使用梯度下降法最小化MSE损失函数，更新网络模型参数和直至收敛，得到矿石内部缺陷等级分选参数模型； 所述预测网络和目标网络的网络结构相同，均采用BP神经网络为基础网络结构；所述BP神经网络由输入层、隐藏层和输出层组成； 所述输入层的神经元数量等于矿石内部缺陷状态集合的数量； 所述输出层的神经元数量等于智能选矿机参数动作集合中的动作的数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州洛可可创新设计有限公司，其通讯地址为：311121 浙江省杭州市余杭区仓前街道仓兴路1号26幢103室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。