No abstract

No abstract

No abstract

No abstract

In mining, the sieving process is a common method of classification based on particle's sizes. The sieves used in this process classify the material into two fractions: undersize, composed of fine particles; and oversize, composed of coarse particles. In this work, a strategy for evaluating the performance of sieve classification by measuring the degree of fragmentation of the particles of oversize is presented. A two-dimensional LiDAR laser scanner is used to scan the analyzed surface, from which statistical indices are calculated and are used as an input to a Random Forest technique, responsible for classifying the degree of fragmentation of the material. Test results indicate an accuracy around 98 % of the chosen classification models. Resumo: Na mineração, o processo de peneiramento é um método usual de classificação baseado no tamanho das partículas minerais. As peneiras usadas nesse processo classificam o material em duas frações: undersize, composto por partículas finas; e oversize, composto por partículas grossas. Neste trabalho é apresentada uma estratégia de avaliação da performance de classificação de peneiras através da medição do grau de fragmentação das partículas do oversize. É utilizado um um laser scanner bidimensional do tipo LiDAR para varredura da superfície analisada, a partir da qual são calculados índices estatísticos que servem de entrada para uma técnica Random Forest, responsável por classificar o grau de fragmentação do material. Os resultados de testes indicam uma acurácia em torno de 98% dos modelos de classificação obtidos.