[發明專利]一種基于圖像特征分析的浮選回收率預測方法

有效

• 申請號: 200810031806.1
• 申請日: 2008-07-18
• 公開（公告）號: CN101334366A
• 公開（公告）日: 2008-12-31
• 發明（設計）人: 桂衛華;陽春華;周開軍;唐朝暉;許燦輝;程翠蘭;劉金平
• 申請（專利權）人: 中南大學
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N33/00
• 代理公司: 中南大學專利中心
• 代理人: 胡燕瑜

[技術領域]

本發明涉及選礦過程的泡沫圖像特征分析及礦物回收率預測方法，特別是輕金屬浮選的泡沫特征分析及回收率預測。

[背景技術]

浮選是礦物加工中應用最廣泛的一種選礦方法，它涉及到極其復雜的物理化學過程。礦物浮選目的是提高原礦品位，滿足還原冶煉的要求。回收率作為浮選過程的一個關鍵指標，直接影響到精礦的質量和產量。然而，浮選工藝流程長，影響因素多且耦合嚴重，無法實現回收率的在線檢測。一直以來選廠通過離線化驗分析回收率，滯后于浮選過程4個小時，不能及時指導生產操作。

浮選泡沫包含大量與回收率相關的視覺信息。常用方法是通過提取泡沫顏色、尺寸等特征，采用神經網絡，模糊模型等方法建立浮選視覺數據模型，但圖像特征樣本數量較少時，這些基于經驗風險最小化準則的方法普遍存在泛化性差和過擬合等問題，不能準確檢測回收率，使得浮選過程難以處于最優運行狀態。

[發明內容]

本發明的目的在于解決回收率無法在線檢測，避免常規方法不能準確預測的問題，提供一種基于泡沫圖像特征分析的礦物回收率預測方法，為礦物浮選過程的優化操作提供參考信息。本發明采用攝像機、光源、圖像采集卡、計算機及其附屬部件構成系統硬件平臺，獲取浮選槽泡沫圖像，并提取泡沫特征，采用LSSVM模型預測回收率，系統軟件采用C++編程語言開發。本發明主要內容如下：

首先通過一系列硬件設備，如：計算機PC、照明系統、CCD彩色攝像機和圖像采集卡構建泡沫圖像獲取平臺。經圖像采集卡轉換為數字圖像送往計算機，再由計算機對采集到的泡沫圖像進行有關特征分析計算。采用相對紅色分量提取顏色特征，結合聚類與分水嶺方法分割泡沫圖像并提取尺寸特征，利用像素分析方法提取承載量特征，采用圖像對的相關性分析方法提取泡沫速度、破碎率等動態特征，并對泡沫特征與回收率進行相關性分析。采用LSSVM建立預測模型，以圖像特征作為模型輸入，通過交叉驗證實現模型參數優化。工業應用表明，通過對浮選泡沫圖像的分析處理，提取的泡沫特征參數能夠反映回收率，LSSVM模型能準確地預測礦物回收率。

通過構建的泡沫圖像設備平臺有效地獲取到泡沫圖像，對泡沫圖像進行特征提取，采用動態堆棧的野值數據剔除方法，具有比常用方法更準確便捷的效果，以泡沫圖像特征作為LSSVM預測模型輸入，有效地解決了回收率無法在線檢測，及常規方法不能準確預測的問題。

[附圖說明]

圖1浮選泡沫圖像分析系統硬件結構示意圖；

圖2浮選回收率預測結果。

下面結合附圖和具體實施方式對本發明作進一步的詳細說明。

[具體實施方式]

泡沫圖像分析系統硬件結構如圖1所示，主要由攝像機1、光源2、光纖3、圖像采集卡4、計算機5構成。圖中攝像機1用來拍攝泡沫層6，且垂直安裝于浮選槽7正上方，與溢流槽8距離為200cm。

攝像機1的分辨率設置為1024×768，快門設置為323uS，工作距離為110cm，鏡頭焦距為55mm，視場為16cm×12cm，由12V直流電源供電，測量精度為6.4-6.8pixels/mm。

光源2采用200W高頻熒光燈，色溫為4500K，供電電源為220V@50HZ，光源2靠近攝像機1，水平距離為10cm。

彩色CCD攝像機1獲取泡沫層圖像，將視頻信號數字化并轉換成光信號，通過光纖3傳輸到圖像采集卡4，轉化為格式為RGB-24bits的數字圖像信號然后讀入計算機5，圖像處理程序通過圖像采集卡4的底層驅動接口獲取泡沫圖像。圖像處理程序提取泡沫圖像特征參數，如氣泡顏色、尺寸、速度、破碎率及承載量特征，作為系統預測模型輸入并預測回收率。

圖像特征提取具體實現如下：

氣泡顏色，通過整幅泡沫圖像計算氣泡顏色，提取圖像的相對紅色分量，分別計算出紅色分量的均值和灰度圖像的均值，然后計算圖像的相對紅色分量信息。為了避免全反射點和陰影的影響，去掉最暗和最亮的像素值。

氣泡尺寸，采用形態學開運算和面積重構操作對圖像進行預處理；用Ostu算法進行二值轉化分割，同時采用新的重構方法求二值圖像的距離變換圖；基于h頂開重構的改進變換為分水嶺變換提供標識點從而完成泡沫圖像的分割。利用分水嶺算法標記氣泡連通區域的骨架圖像，計算每個連通區域的像素數目，可得到泡沫圖像的尺寸。

氣泡速度，通過獲取到兩個連續的移動目標，第一幀中目標的位置為x0、y0，其灰度值為V。在第二幀圖像中，在x0、y0的位置跟蹤8個方向直到目標的灰度值搜索到。對于在浮選過程中這種大量移動的泡沫，泡沫局部形變而導致以不同的速率移動，采用圖像對的相關性分析檢測整個泡沫圖像的平均速率。