[發明專利]基于圖像數據提取和神經網絡建模的鉑浮選品位估算方法

有效

• 申請號: 201410701485.7
• 申請日: 2014-11-28
• 公開（公告）號: CN104331714B
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 劉述忠;郭萬富;王衛星
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06N3/02
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊

1.一種基于圖像數據提取和神經網絡建模的鉑浮選品位估算方法，其特征在于，按照如下步驟實現：

S1：通過變量實驗，并對所述變量實驗的結果通過柏拉分布圖進行分析，得出變量對浮選品位和回收率的影響程度；所述變量包括充氣速率、礦漿濃度、捕收劑、活化劑、起泡劑和抑制劑；

S2：對鉑泡沫圖像進行采集和預處理，并提取鉑泡沫圖像特性數據；

S3：通過多層感知器神經性網絡對所述鉑泡沫圖像特性數據與浮選品位、回收率之間的關系進行建模，得出所述鉑泡沫圖像特性數據與浮選品位、回收率之間的數量關系；

所述步驟S1還包括：

S11：用正號和負號分別對所述變量進行表示；

S12：通過磨礦，并在預設的磨礦時間，添加捕收劑和活化劑；經攪拌T1s，使藥劑充分作用后，測量礦漿的pH值和溫度，再添加抑制劑和起泡劑，作用T2s后開始充氣，調整礦漿液面高度；所采用的磨機為XMMB-φ240×300棒磨機，經磨細到給定粒度后在浮選劑機中攪拌120s，使藥劑充分作用后，測量礦漿的pH值和溫度，再添加抑制劑和起泡劑，作用120s后開始充氣，并根據浮選槽規格和泡沫堆積30s的原則來調整礦漿液面高度；

S13：分五個階段進行刮泡，每次刮泡間隔T3s，前三個階段和后兩個階段按照不同的條件變量進行試驗，在第五階段刮泡完成后，將五個樣品和抽取的尾礦進行抽濾、烘干和化驗；每隔20s刮一次泡，在第三階段之后，補充藥劑，對第四階段的樣品進行迅速提取，完成五個階段的刮泡后，將得到的樣品以及抽取的尾礦進行抽濾，烘干和化驗；

S14：用柏拉分布圖對所述步驟S13中的刮泡結果進行表示，每個條形表示一種變量，且每個變量對應條形的長度為每個變量對應的T型分布的情況；

在所述步驟S2中，還包括如下步驟：

S21：通過高清攝像機獲取鉑泡沫圖像，用RGB色彩模式表示該鉑泡沫圖像，并轉化為灰度圖像；

S22：將所述步驟S21中的灰度圖像分別調整為默認的灰度圖像、直方圖均衡化、圖像的對比強化和圖像的二值化四種鉑泡沫特征圖像，即進行預處理，用字母l表示，其中：l＝1:默認的灰度，l＝2:直方圖均衡化圖像，l＝3:圖像的對比強化，l＝4:圖像的二值化；

S23：對所述步驟S22中得到的每種鉑泡沫特征圖像采用分區計算的方式，依次得到每種鉑泡沫特征圖像的鉑泡沫圖像特征數據，且所述鉑泡沫圖像特征數據包括：能量、熵、慣性、同質性和灰度相互關系；

圖像的空間灰度矩陣取決于根據二階聯合條件概率密度函數得到的像素強度變量的估計值，在函數f(i,j,d,a)中，a＝0°、45°、90°、135°，灰度從i到j，試樣之間的統計間隔為d，方向為角度a；記圖像的灰度為g，則密度函數表示為g*g的矩陣，采用距離d和方向a為參數，把圖像每一個灰度區域依次分析計算，則通過使用函數F_k,l來表示獲取泡沫圖像特征數據，且鉑泡沫圖像特性數據包括：能量、熵、慣性、同質性和灰度相互關系，其中：

能量：

熵：

熵是衡量圖像復雜性的指標；

慣性：

慣性是衡量影像中區域的變化大小的指標；

同質性：

同質性是表示相似灰度更加接近的指標；

灰度相互關系：

μ_x和σ_x分別表示矩陣每一行的平均值和標準差，μ_y和σ_y分別表示矩陣每一列的平均值和標準差；

相互關系能夠表現影像中各部分灰度的線性相關性；

在所述步驟S3中，還包括如下步驟：

S31：通過主要特征數據分析，將每種鉑泡沫特征圖像對應的鉑泡沫圖像特征數據減少到三個，精簡輸入數據集；

S32:將多層感知器神經網絡設置為三層，包括：三節點輸入層、隱藏層和雙節點輸出層，并通過BFGS算法設定單極型激活函數，雙極型激活函數和調整函數；

S33：將精簡后的輸入數據集從三節點輸入層輸入，經各隱藏層逐層處理后，傳向雙節點輸出層，并經所述步驟S23中得到的所述鉑泡沫圖像特征數據的運行、修正和驗證，建立起多層感知器神經網絡模型。