Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  concentrate grade
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono efektywność wzbogacania urobku dostarczonego z zakładów górniczych w świetle jego właściwości fizykochemicznych, charakterystycznych dla trzech głównych odmian litologicznych skał złożowych będących jego składnikami. W tym celu określono podatność na wzbogacanie poszczególnych wydzieleń litologicznych obecnych w urobku, stanowiącym nadawę do procesu wzbogacania. Na przykładzie jednego z Rejonów O/ZWR wyznaczono zależność funkcyjną pomiędzy uzyskiem a jakością koncentratu [ε = f(β)], która obrazuje wpływ zawartości składników litologicznych na osiągane wskaźniki wzbogacania. Wykazano, że przemysłowe wzbogacanie jest bardzo czułe na zmiany jakości nadawy w aspekcie zawartości poszczególnych składników litologicznych, a także udziału głównych składników użytecznych i towarzyszących.
EN
The paper presents the performance of ore beneficiation process carried out on KGHM Polska Miedź S.A. run-of-mine ore relating to its physicochemical properties. The properties are strongly associated with the lithology of rock formations. The susceptibility of specific lithological fraction occurred in the ore for the beneficiation process is described. Functional relationship between recovery and concentrate grade [ε = f(β)] was developed as the example for one of the KGHM Polska Miedź S.A. concentrators plants. The variety of ore properties and its effect on process efficiency is discussed. It has been proved that industrial process efficiency is very sensitive to both the alteration of lithological fractions and the content of major valuable metals and accompanying compounds.
EN
In this paper, a new method based on color features of microscopic image and least-squares support vector regression model (LS-SVR) is proposed for indirect measurement of copper concentrate grade. Red, green and blue (RGB), hue and color vector angle were extracted from color microscopic images of a copper concentrate sample and selected for the comparison. Three different estimation models based on LS-SVR were developed using RGB, hue, and color vector angle, respectively. A comparison of three models was carried out through a validation test. The best model was obtained for the hue giving a running time of 30.243 ms, root mean square error of 0.8644 and correlation coefficient value of 0.9997. The results indicated that the copper concentrate grade could be estimated by the LS-SVR model using the hue as input parameter with a satisfactory accuracy.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.