Аннотация. Представлен разработанный авторами аппаратно-программный комплекс, предназначенный для сортировки и классификации в полуавтоматическом режиме проб и мелких партий минерального сырья по таким параметрам, как размер, цвет и чистота. Комплекс содержит узлы нижней и верхней подсветки, узел регистрации с телевизионной камерой, а также проекционный узел для отображения результатов классификации в зону анализа. Роль оператора сводится к механическим действиям по размещению и удалению минеральных образцов из зоны анализа. Экспериментальные исследования проводились с использованием бериллов, хризолитов, аметиста, лазурита, кварца и аквамарина, всего 69 образцов. Относительные погрешности определения цветового тона, насыщенности и светлоты составили соответственно 2,2, 6,2 и 9,1 % от всего измеряемого диапазона. Средний разброс определяемых значений прозрачности, количества включений и трещин — 3,1, 9,5 и 4,8 % соответственно. Погрешность определения размерных параметров составила 0,5 мм. Предложенное техническое решение может быть использовано для технологической оценки обогатимости минерального сырья методом оптической сортировки с определением оптимальных порогов разделения.

Список литературы:

1. Романчук А. И., Тихвинский А. В., Жарков В. В., Богомолов В. А. Фотометрическая сепарация руд золота различных типов // Горный информационно-аналитический бюллетень (научно-технический журнал). 2013. № 2. С. 109—113.
2. Цыпин Е. Ф., Колтунов А. В., Комлев С. Г., Вегера А. Г. Обогащение изумрудоносных бериллиевых руд с использованием информационных методов // Изв. вузов. Горный журнал. 2012. № 5. С. 106—111.
3. Чертов А. Н., Горбунова Е. В., Скамницкая Л. С., Бубнова Т. П. Возможности обогащения кварц-полевошпатового сырья месторождений Северной Карелии оптическим методом // Обогащение руд. 2015. № 4. С. 54—59.
4. Садовничий Р. В., Рожкова Н. Н., Горбунова Е. В., Чертов А. Н. Исследование возможностей оптической сепарации шунгитовых пород Максовской залежи (Зажогинское месторождение) // Обогащение руд. 2016. № 1. С. 10—15.
5. Ergin Gülcan , Özcan Y. Gülsoy. Evaluation of complex copper ore sorting: Effect of optical filtering on particle recognition // Minerals Engineering. 2018. Vol. 127. P. 208—223.
6. Wotruba H. , Knapp H. , Neubert K. , Schropp C. Anwendung der sensorgestützten Sortierung für die Aufbereitung mineralischer Rohstoffe // Chemie Ingenieur Technik. 2014. Vol. 86, N 6. P. 773—783.
7. Рябкин В. К., Чепрасов И. В., Тихвинский А. В. Исследования по оценке возможности обогащения руд черных, легирующих металлов полихромным фотометрическим методом сепарации. Часть 1 // Горный информационно-аналитический бюллетень (научно-технический журнал). 2013. № 11. С. 82—89.
8. Рябкин В. К., Чепрасов И. В., Тихвинский А. В. Исследования по оценке возможности обогащения руд черных, легирующих металлов полихромным фотометрическим методом сепарации. Часть 2 // Горный информационно-аналитический бюллетень (научно-технический журнал). 2013. № 12. С. 61—70.
9. Guo Y., Zong X., Qi M. et al. Feasibility study on color evaluation of jadeite based on GemDialogue color chip images // J. Image Video Proc. 2018. 95. P. 1—9.
10. Sinkevicius S., Lipnickas A., Rimkus K. Amber gemstones sorting by colour // Elektronika ir elektrotechnika. 2017. Vol. 23, N 2. P. 10—14.
11. Dadong Wang, Bischof L., Lagerstrom R. et al. Automated opal grading by imaging and statistical learning // IEEE Trans. on Systems, Man, and Cybernetics: Systems. 2016. Vol. 46, N 2. P. 185—201.
12. Мельников Е. П., Ножкина А. В. Состояние и проблемы диагностики драгоценных камней и промышленных минералов // Горный информационно-аналитический бюллетень (научно-технический журнал). 2015. № S1. С. 563—567.