[發明專利]基于泡沫圖像多特征的分層工況感知判別方法

有效

• 申請號: 201910586978.3
• 申請日: 2019-07-02
• 公開（公告）號: CN110310286B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 唐朝暉;高小亮;劉亦玲;范影;唐勵雍;李濤
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/45;G06T7/50;G06T7/90;G06K9/62;G06V10/771;G06N3/04;G06N3/12
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 吝秀梅

本發明公開了一種基于泡沫圖像多特征的分層工況感知判別方法，其特征在于本發明針對其工況識別的小概率事件即落點在交界上，考慮到交界左右的區間的工況模糊性，采用分層工況識別，對于區間內部的工況確定地帶進行一個基于模糊數學評判方法的快速的粗分類，而對于模糊地帶采用分類更為細致且準確的卷積神經網絡的特征提取，可以學習到不大容易被注意到的深度特征，從而對工況進行一個精確的工況識別分類?；诖?，使用分層控制，通過模糊數學算法針對區間內部地點，無爭議地帶。通過使用深度學習，針對概率分析可得到工況交界點的模糊地帶最小距離，進行細分類的標準使結果更為準確。

技術領域

本發明涉及泡沫浮選工藝技術領域，特別是涉及對于浮選過程中工況的判別方法。

背景技術

在泡沫浮選工藝中，在對鋅浮選粗選槽出槽工況品位值的所屬區間進行判定時，這些區間對應著一系列相接近的工況，當品位值變化較小的時候，從泡沫圖像采集到的相關的物理特征值之間的區別很小，很難做出工況類別判斷，甚至存在誤分類的情況出現。

對于工況區間交接點或者區間交接點周圍的一定范圍內，工況所屬類別存在爭議，尤其是在交界點左右偏移的一定范圍內，此時工況所對應的泡沫圖像采集到的特征值存在很細微的差別，導致工況類別判別錯誤，而這種差別，一般會被人為忽視，若是對這類工況都采取忽略態度，那么對最后的品位值與回收率的控制將會產生較大的影響?；蛴腥俗⒁獾搅诉@類問題，但是由于沒有有效解決此類分類模糊或者分類錯誤的情況的方法，而選擇忽視。與此同時，本發明測量的是鋅浮選粗選槽的出礦品位值，為后面的加藥量進行一個有效指導，這期間是存在時間限制的，用時過長，容易錯過藥劑調整的時間?？偠灾?，受到種種限制，以致于大家選擇忽視這類特殊的工況。

發明內容

本發明提供了一種基于泡沫圖像分層工況感知方法。針對對象處于工況區間的交點或者處于工況的交界邊緣時，工況類別判斷存在一定的錯誤概率，其中存在誤分類的可能。

本發明所采用的技術方案是：采用粗、細分層的方法來進行實時工況判別。具體步驟如下：

A.對鋅浮選粗選槽的泡沫圖像的物理特征進行提取，物理特征包括泡沫尺寸、對比度、熵值、相關系數和泡沫流速，用來表征浮選工況；通過對k個鋅浮選泡沫圖像P₁,P₂…P_k進行特征提取，泡沫尺寸特征通過圖像分割得到具體數據集C₁＝(C₁₁…C_1k)，對比度、熵值、相關系數通過對泡沫圖像的灰度共生矩陣進行計算得到具體數據集分別為C₂＝(C₂₁…C_2k)、C₃＝(C₃₁…C_3k)、C₄＝(C₄₁…C_4k)，泡沫流速通過對相鄰兩幀的圖像進行特征點標記，進行相對應速度計算得到最后的數據集C₅＝(C₅₁…C_5k)；

B.通過對泡沫尺寸、對比度、熵值、相關系數、泡沫流速進行可信任度分配，通過改進的多種群自適應遺傳算法，考慮到各個特征的重要度不同，各個特征所對應的權值分別為d₁、d₂、d₃、d₄、d₅，采用的以下適應度函數，即目標函數：