КЛАСИФІКАЦІЯ ПРОСТОРОВИХ СТАНІВ ОБ'ЄКТІВ НА ОСНОВІ КАРТ ВИСОТ ІЗ ВИКОРИСТАННЯМ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ СИСТЕМ СЕНСОРНОГО СОРТУВАННЯ РУД
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.008Ключові слова:
сенсорне сортування руд, карта висот, лазерне сканування, згорткова нейронна мережа, машинне навчання, класифікація, хмара точок, перенавчання, аугментаціяАнотація
У роботі розглядається задача автоматичної класифікації просторових станів об'єктів (одиночний, об'єднаний, накладений) у системах прецизійного сенсорного сортування рудної сировини. Запропоновано підхід на основі перетворення тривимірних хмар точок, отриманих від лазерного сканера, у двовимірні карти висот з подальшою класифікацією за допомогою згорткових нейронних мереж (CNN). Досліджено вплив розмірності сітки
(32×32, 64×64, 128×128) та архітектури моделі на якість класифікації. Проведено порівняльний аналіз п'яти архітектур: MLP, базова CNN, CNN+Dropout, CNN+L1 та поглиблена CNN. Встановлено, що поглиблена CNN на реальних даних забезпечує точність до 92% на валідаційній вибірці при розмірності 64×64.
Посилання
Chalapathy R., Chawla S. Deep Learning for Anomaly Detection: A Survey // ACM Computing Surveys. – 2019. – Vol. 51, No. 5. – DOI: 10.1145/3299869.
Gholami A. et al. A Survey of Quantization Methods for Efficient Neural Network Inference // Low-Power Computer Vision. – 2021. – DOI: 10.1201/9781003162810-13.
Parisi G. I. et al. Continual Lifelong Learning with Neural Networks: A Review // Neural Networks. – 2019. – Vol. 113. – DOI: 10.1016/j.neunet.2019.01.012.
Peukert S. et al. A Review of Sensor-Based Sorting in Mineral Processing // Minerals. – 2022. – Vol. 12, No. 11. – DOI: 10.3390/min12111364.
Qi C. R. et al. PointNet++: Deep Hierarchical Feature Learning on Point Sets // NeurIPS. – 2017. – P. 5099–5108.
Rai S. et al. Application of Machine Learning Algorithms for Mineral Classification // Minerals Engineering. – 2021. – Vol. 170. – DOI: 10.1016/j.mineng.2021.107054.
Robben C., Wotruba H. Sensor-Based Ore Sorting Technology in Mining // Minerals. – 2019. – Vol. 9, No. 9. – DOI: 10.3390/min9090523.
Wang M., Deng W. Deep Visual Domain Adaptation: A Survey // Neurocomputing. – 2018. – Vol. 312. – DOI: 10.1016/j.neucom.2018.05.083.
