泡沫图像处理技术在矿物浮选作业中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇泡沫图像处理技术在矿物浮选作业中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：结合云南省院省校合作项目浮选泡沫层测控系统开发及产业化研发过程，介绍一种基于数字图像处理及识别技术的浮选过程控制新思路。在浮选生产中，浮选泡沫表面纹理与浮选工况密切相关，直接反映泡沫层的矿化程度（品位高低）。通过对云南某铅锌矿选厂浮选泡沫图像的分析处理，提取出能够表示泡沫层特征的参数，达到间接测量气泡的大小、纹理、稳定性、流动性等泡沫层特征状况。采用邻域灰度相关矩阵法提取特征参数，然后用神经网络进行分类，给出浮选效果的分类判断。
关键词：泡沫图像；纹理；邻域相关矩阵；神经网络
中图分类号：TP317.4 文献标识码：A
The Bubble Image Processing Technology in the Application of Mineral Flotation Operation
LIU Xiaobo
（Faculty of Electric Engineering，Kunming Metallurgy College， Kunming650033，China）
Abstract：Combined with the collegeprovinceuniversity cooperation project of Yunnan province of flotation foam layer control system development and industrialization process， a new thinking of process control of flotation based on digital image processing and recognition technology was introduced in this paper. In the production of flotation， the flotation foam surface texture and flotation conditions are closely related. The flotation foam surface texture can reflect the degree of mineralization of the foam layer （the grade of mineralization） directly. Through the analysis processing of flotation foam image in a lead—zinc mineral produce factory of Yunnan province， the characteristic parameters of foam layer were obtained. The size， the texture， the stability and the fluidity of the foam layer status can be measured indirectly based on these parameters. The correlation matrix of neighborhood was used to extract the characteristic parameters. And then the neural network was used to classify and to make a classification judge to the flotation effect.
Key words：foam image； texture； corresponding matrix of neighborhood； neural network
1引言
浮选是将矿物按照表面疏水性强弱而分离的选矿方法。生产中是在矿浆中加入适量浮选药剂， 使目标矿物粘附在浮选泡沫上， 通过收集泡沫来提高精矿品位。通过分析泡沫图像的静态和动态特征，发现它们与浮选工艺参数密切相关[1]，浮选操作及矿物性质的变化都会使泡沫状态发生变化。浮选过程工艺参数的最佳配合是浮选作业的难点，也是保证产品质量、提高矿物回收率的关键。因此，在浮选过程中，迫切需要对浮选泡沫层的状态进行监测和识别。计算机图像处理与模式识别的方法正是实现浮选自动控制的新途径。
浮选泡沫的表面视觉特征主要包括：浮选泡沫的稳定性、气泡的大小、泡沫的灰度值、移动性及粘度等。一直以来，浮选各项技术参数是通过浮选厂员工观察浮选槽表面泡沫视觉特征来调整的。因此，浮选的技术指标在很大程度上取决于操作工的经验和能力，对泡沫状态的判断没有客观标准，以人工操作为主的浮选过程难以处于最优运行状态。
浮选是一个极其复杂的物理化学过程，难以建立准确的实时控制模型[2]。为增强浮选控制的准确性与可靠性，国外在20世纪90年代开始将图像处理技术、人工神经网络、计算机技术等现代高科技方法引入到浮选过程的测量控制中，并取得较好的浮选效果[3—5]。2000年以后，国内已有相关研究报道[1，6—8]，该领域的研究逐渐成为热点。随着视觉传感、图像处理、模式识别等技术的发展，采用数字图像处理方法实现泡沫状态的客观评价，极大提高了矿物浮选的生产效率[8]。
2浮选泡沫图像特征参数的提取
浮选泡沫层图像是一种特殊的纹理图像。图1所示的是通过摄像机实时采集的云南某铅锌矿选厂几种典型的浮选泡沫图像。通过对现场采集的大量泡沫图像分析对比，发现不同浮选工况下的泡沫纹理差异很大，浮选过程变量发生变化，浮选泡沫的状态就要发生变化，浮选泡沫体中包含着大量与浮选过程变量及浮选结果相关的信息。