[發明專利]一種基于過程紋理特征的鋅礦品位軟測量方法

有效

• 申請號: 201810446656.4
• 申請日: 2018-05-11
• 公開（公告）號: CN108931621B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 唐朝暉;牛亞輝;曾思迪;丁凱慶;范影
• 申請（專利權）人: 中南大學
• 主分類號: G01N33/2028
• 分類號: G01N33/2028;G06K9/00;G06K9/46
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 吝秀梅

一種基于過程特征的鋅浮選精礦品位的軟測量的方法，本發明綜合了專家知識和數據建模方法，首先根據現場工人看泡時的觀察重點提出基于圖像統計特征的單幀紋理特征來表征泡沫圖像，根據現場工人需要觀察一段時間內泡沫狀態來判斷當前生產狀態的特點提出用紋理序列來數學化當前生產狀態，并提出一種對紋理序列的建模方法，降低了特征向量的維數。在預測算法中采用改進的提升決策樹算法，有效的抑制由于學習太快導致的過擬合問題，提高了泛化能力。實驗證明本發明方法計算簡單，執行速度較快，預測準確度較高，便于在現場實際操作，可即時指導現場操作，優化生產過程，解決了現鋅礦品位在線檢測難的問題。

技術領域

本發明屬于泡沫浮選技術領域，具體涉及一種鋅浮選精礦品位的預測方法。

背景技術

泡沫浮選是現今鋅冶煉中最主要的選礦方法之一，浮選是根據礦物顆粒表面物理化學性質的不同，按礦物可浮性的差異進行分選的方法，泡沫浮選是一個將粉碎后的有用礦物和其共生的脈石分離的過程，通過在浮選過程中不斷地攪拌和鼓風，在礦漿中形成大量具有不同尺寸、形態、紋理等特征的氣泡，氣泡攜帶礦物顆粒上升至浮選槽表面形成泡沫層，從而實現礦物與脈石的分離。對于泡沫浮選這樣一個復雜的工業過程，因工藝流程長、子工序關聯耦合嚴重、部分關鍵性參量難以在線檢測等原因，浮選過程工況狀態缺乏有效的綜合感知手段，嚴重依賴于人工來回巡檢，憑借經驗大致評判當前生產是否處于正常狀態，以便進一步實施相應的操作策略。這種單一粗獷、嚴重依賴人工經驗感知的方法，常產生并不恰當的生產操作，無法保證生產的穩定優化運行。雖然選廠可以通過離線化驗分析得到精確的精礦品位來判定浮選過程的生產狀態，然而這往往需要數個小時，檢驗過程復雜且成本高嚴重滯后于生產過程。由于浮選工藝流程長、影響因素多，無法實現精礦品位的在線檢測，影響了對加藥量和其他參數的即時調整，最終影響了礦物的回收率。因此，研究浮選過程生產指標的實時在線檢測方法，對指導生產操作和過程的優化運行具有重要的意義。

隨著計算機技術、數字圖像處理技術的快速發展，將基于機器視覺的軟測量技術應用于浮選過程給浮選指標的實時監測帶來了新的突破。機器視覺是一種模仿人類自身視覺感知能力來實現工業過程自動化測量和控制的重要手段，因其具有高精度、模塊化、智能化、無損感知等多種優點，可以實現浮選過程精礦品位的在線檢測。通過圖像采集設備可以獲得大量的不同品位下的泡沫視頻，將這些視頻與采集到的相應的生產數據組合起來，形成一個原始數據集，采用數據驅動建模的方法建立泡沫圖像與精礦品位的數據模型，實現精礦品位的在線檢測。已有的精礦品位預測方法主要是采用B樣條偏最小二乘回歸、支持向量機、神經網絡等方法，這些方法都存在著不同程度的缺陷，它們難以處理大樣本的數據，且對帶噪聲的數據比較敏感，在應用上仍然存在一定問題。

發明內容

針對鋅浮選過程中精礦品位在線檢測困難，成本高，延遲大以及在鋅浮選精礦品位預測上的不足，本發明利用現場工人的經驗知識與積累的生產數據，提出一種鉛鋅浮選泡沫圖像過程特征的構造方法，同時構造一種精礦品位的預測方法，該方法具有良好的預測精度，抗干擾能力且有較快的運行速度。

本發明采用的技術方案步驟如下：

S1：收集不同品位下的鋅浮選的泡沫視頻和生產數據，對采集到的鋅浮選數據以及生產數據進行數據預處理,過程如下：

1)剔除測量到的數據取值超出變化范圍的錯誤數據；

2)剔除不匹配的數據以及存在空缺值的數據；

S2：利用浮選現場圖像采集系統所獲得的泡沫視頻讀取RGB泡沫圖像，將泡沫圖像由RGB顏色空間轉化到HSI顏色空間，并提取亮度分量作為源圖像，得到一個圖像序列I＝[I₁,I₂,...,I_q]，q為視頻的幀數；