[發明專利]基于NSST形態特征及深度KELM的浮選加藥異常檢測方法

有效

• 申請號: 201910573323.2
• 申請日: 2019-06-28
• 公開（公告）號: CN110287975B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 廖一鵬;鄭紹華;楊潔潔
• 申請（專利權）人: 福州大學
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06N20/00
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種基于NSST形態特征及深度KELM的浮選加藥異常檢測方法。首先，實時采集浮選槽表面的氣泡圖像，將圖像NSST分解，得到低頻子帶圖像和多尺度高頻子帶；其次，對低頻圖像二值化提取氣泡亮點，計算各亮點的個數、面積、標準差和橢圓率，計算各尺度高頻子帶系數的分形維數、均值和方差，構成氣泡圖像的多尺度形態特征；然后，在KELM算法基礎上，借鑒深度學習思想構建一種深度KELM，將量子計算引入遺傳算法的優化中，并用于優化深度KELM的參數，構建自適應深度KELM；最后，通過多尺度形態特征和自適應深度KELM建立浮選加藥異常檢測模型。本發明平均識別率和運行效率明顯高于現有檢測方法，更加符合浮選生產在線檢測的需求，為后續的加藥自動化控制打下基礎。

技術領域

本發明涉及一種基于NSST形態特征及深度KELM的浮選加藥異常檢測方法。

背景技術

在礦物浮選過程中，浮選藥劑是最為關鍵的控制量之一，加藥量的好壞直接影響選礦生產指標，現有研究表明浮選槽表面氣泡的形態、尺寸特征與加藥量直接相關。正常藥量時，氣泡尺寸適中，大小分布均勻，氣泡圓形度高；過藥量時，氣泡水化嚴重，流動性較強，以小尺寸氣泡為主；欠藥量時，氣泡粘稠度較高，氣泡圓形度低，大量氣泡合并。目前選礦廠主要采用人工肉眼觀察浮選槽表面氣泡特征的變化來進行藥劑量的調節，判斷和控制滯后，而且主觀隨意性大。

近年來，已出現了幾種基于氣泡圖像特征提取的浮選加藥量狀態識別方法。基于圖像分割的方法，對氣泡圖像進行分割，統計氣泡的形狀和尺寸分布特征，然后采用貝葉斯對這些特征進行分類，或采用卷積神經網絡進行特征訓練和識別，進而判斷加藥量的狀態，但這類方法的識別精度受限于氣泡的分割效果,因受到光照環境的影響，而且氣泡間邊界不明顯，容易出現過分割和欠分割，難以取得最佳的分割效果,影響了最終的識別精度。基于小波多尺度二值化的方法，氣泡圖像小波多尺度分解，對各尺度圖像二值化，然后根據各尺度二值化結果計算等效尺寸分布特征，最后通過支持向量機進行特征訓練和識別，該方法只提取等效的尺寸分布特征，沒有提取相應的形狀特征，缺乏形態學意義，而且支持向量機的訓練和識別效率低。

基于機器視覺的浮選加藥量狀態識別主要包含氣泡形態特征提取和識別模型兩部分。現有技術在氣泡形態特征提取方面，基于氣泡圖像分割的方法，因受到光照環境的影響,而且氣泡間邊界不明顯，容易出現過分割和欠分割，難以取得最佳的分割效果,影響了最終的識別精度；基于小波多尺度二值化的方法，只提取等效的尺寸分布特征，沒有提取相應的形狀特征，缺乏形態學意義。現有技術在識別模型建立方面，貝葉斯分類方法在特征交叉邊緣的識別精度低，采用卷積神經網絡和支持向量機的訓練和識別效率低，而浮選在線生產的實時性要求較高。

近幾年，多尺度幾何分析的發展為圖像特征提取提供了新思路，常用的方法有小波變換、非下采樣Contourlet變換(NSCT)，和非下采樣Shearlet變換(NSST)。小波變換的方向性有限，不能有效的捕捉圖像的細節，NSCT繼承了Contourlet的多尺度多方向特性，且NSCT分解后的圖像具有平移不變性，但是運算效率低，方向選擇受限。NSST不僅具備多尺度多方向、平移不變和各向異性等特點，同時具備運算效率高、分解方向不受限制等特質，進而可以有針對性地提取浮選氣泡圖像的多尺度形態及細節信息。本發明采用NSST多尺度變換算法對浮選氣泡圖像進行分解，得到多尺度的高低頻圖像，采用二值化方法對低頻圖像進行亮點提取，然后提取多尺度形態特征，包括低頻圖像的亮點個數、面積、標準差和橢圓率以及高頻尺度圖像的分形維數、均值和方差，這些特征能全面表征氣泡的大小和形狀，不僅具有尺寸分布特征，還具有較強的形態學意義。