摘要: 浮选尾矿灰分的在线高精度检测是选煤智能化的关键，但传统视觉方法易受水膜与同色异谱现象的干扰。为此，首先分析了尾矿沉积物的漫反射光学响应机理，论证了利用沉积物高光谱图像预测灰分的可行性；在此理论基础上，采集了涵盖多灰分与多浓度梯度的沉积物高光谱数据。提出了一种融合空间语义分割与时序深度网络的光谱测灰方法。该方法通过构建全波段U-Net分割与形态学截断算法提取沉积物区域；采用孤立森林、多元散射校正与连续统去除算法进行预处理，构建双通道特征张量；进而构建了1D-RSL网络挖掘波段间的长程物理演变规律，并基于多实例学习融合浓度先验知识以动态校准误差。独立测试表明，该模型预测决定系数达到0.952，均方根误差低至1.95%。该研究有效破解了复杂洗选工况下的探测干扰，为尾矿灰分测控提供了高精度的智能化方案。