矿物浮选泡沫视觉图像处理方法研究

在矿物浮选中，浮选泡沫表面视觉特征能直接反映矿物浮选生产的产品质量、产量和资源利用率，人工观察泡沫进行现场操作的方式无法满足浮选过程稳定优化控制的需求。将机器视觉图像应用到泡沫监测中是提高浮选生产效率和自动化水平的发展趋势，目前还没有实现浮选泡沫特征的自动测量。本项目拟研究矿物浮选泡沫图像准确获取技术、泡沫颜色提取方法、浮选泡沫的自适应分步细化分割方法、多尺度旋转不变泡沫纹理提取算法、独立气泡运动识别与跟踪算法，解决浮选泡沫表面颜色、形态、纹理等视觉特征难以准确提取的问题，基于泡沫视觉图像特征分布，形成系统的浮选泡沫视觉特征实时处理方法和技术，实现浮选泡沫视觉特征的量化描述与客观评价。为矿物浮选自动控制奠定基础，以提高选厂自动化生产水平，实现矿物浮选稳定优化生产，达到充分利用有限矿产资源，提高企业经济技术水平的目的。

泡沫浮选是是根据矿物表面疏水性质来分选矿物的最广泛应用的选矿方法。由于矿物浮选工艺流程长、过程复杂、影响因素多、矿物指标不能在线检测等原因，选厂生产操作往往依赖于有经验的技术人员的肉眼观察浮选泡沫凭感觉来完成。一些研究者将计算机视觉引入到矿物浮选过程监控中，以期进一步提高矿物浮选过程的生产性能和工业浮选过程的自动化控制水平。在基于机器视觉的浮选过程监控中，选用合适的方法对泡沫图像进行处理和分析以获取与生产工况密切相关的视觉特征参量是进行后续浮选生产过程建模与优化控制的先决条件。但是，由于浮选泡沫是由混杂粘黏、大小不同、尺寸各异的泡沫堆积而成，常用的图像处理方法难以实现浮选泡沫特征的准确分析与参数测量。本项目针对实际工业浮选现场采集到的泡沫图像的视觉特点与处理难点，提出了下列专门针对泡沫图像的分析处理方法：.（1）提出了时空信息联合的图像序列多尺度几何变换去噪方法，在去除噪声的同时极大限度的保持了图像细节信息；.（2）提出了基于图像空间结构统计分布的最优泡沫图像颜色自动校正方法，该方法能自动根据泡沫图像边缘响应的统计分布特点实现图像最优光照估计，进而有效地对泡沫图像颜色进行颜色校正；.（3）提出了一种基于泡沫图像局部区域像素的统计分布模型的泡沫图像分割方法；并进一步分析了气泡尺度分布与加药健康的关系，提出了一种基于泡沫大小动态分布特征自适应学习的浮选过程药剂操作健康状态统计模式识别方法；.（4）提出了一种基于SIFT特征与改进Kalman滤波相结合的浮选气泡跟踪方法，实现浮选泡沫流速的准确测量；.（5）最后为了能进一步根据浮选泡沫表面纹理的细微差别实现浮选生产工况的自动鉴别与评价，提出了了一种基于泡沫图像多尺度多方向纹理表征的浮选生产工况综合分类与识别方法，实现了浮选生产工况的实时监控与客观评价。 .本项目一些理论成果已在一些选厂得到成功应用，极大改进选厂的检测手段和自动化生产水平，为泡沫浮选的优化生产奠定基础。同时，本项目所提出的泡沫图像分析处理方法也可为其它复杂工业生产过程的视觉监控提供借鉴和参考。