铅锌矿浮选表面特征提取关键算法研究

发布时间：2020-06-17 17:29

【摘要】：作为辅助甚至替代人工矿物浮选监测方式的一种理想解决方案,基于机器视觉与图像处理技术的现代化浮选监控方式,在提高矿产资源利用率、节约成本等方面极具经济研究价值。由于矿物类型众多,浮选工艺复杂,造成浮选泡沫具有非常复杂多变的特性,因此如何快速准确地获取浮选表面的视觉特征,一直是矿物浮选图像研究领域的一大难点。本文研究基于图像处理技术的铅锌矿浮选表面气泡形态特征和泡沫动态特征的提取。主要研究内容包含气泡分割算法、气泡运动速度提取算法和泡沫稳定性表征及测量算法等三个方面。主要研究成果如下:1)针对气泡边界区域的低灰度值特性,提出一种基于改进局部灰度极值检测(Improved Local Gray Minimum Detection,ILGMD)的气泡边界提取算法。根据浮选图像的静态特性,设计一种基于Harris角点检测的浮选图像气泡大小分类方法。根据分类后的大气泡图像与非大气泡图像在气泡边界区域灰度分布特性的不同,采用ILGMD算法完成气泡边界候选点的判定与提取,再通过后处理完成气泡边界的提取。实验结果表明,ILGMD算法对非大气泡图像具有更好的分割效果,平均气泡分割效率(Average Bubble Segmentation Efficiency,ABSE)为81.4%,平均气泡分割准确率(Average Bubble Segmentation Accuracy Rate,ABSAR)为 89.1%,平均气泡边界提取精度(Average Bubble Edges Extraction Accuracy,ABEEA)为89.3%,分别比对所有类型气泡图像计算所得的整体平均值高4.5%、3.3%和7.2%;算法实现复杂度低,执行时无需调整参数,自动化程度高。2)针对传统分水岭分割精度受大气泡图像表面分布的噪声及气泡弱边界影响大的问题,提出一种基于非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)的改进分水岭(Improved Watershed,IW)(NSCT-IW)气泡图像分割算法。首先针对浮选图像的结构及灰度特性,设计一种基于区域判别的图像尺度缩小方法,以减少算法运行时间及减少噪声。然后利用NSCT对浮选图像进行多尺度分解以提取低频子带图像,再结合高频子带图像提出一种自适应分数阶微分算法用于增强低频子带图像中气泡的弱边界。最后采用改进的分水岭算法完成图像分割。实验结果表明,采用NSCT-IW分割算法,能较好地克服由大气泡表面的噪声、黑洞区域等引起的过分割及气泡边界提取结果中出现的“双边界”问题,ABSE 为 81.9%,ABSAR 为 90.8%,ABEEA 为 93.1%,分别比其他算法高 2.3%到 16.9%、1.4%到 5.1%和 1.7%到 6.8%。3)针对浮选气泡运动特性复杂而难以准确描述的问题,提出一种基于气泡跟踪和相位相关相结合的气泡平移运动速度提取算法。先对原始图像进行尺度缩小处理,然后利用每个气泡与其顶部的亮点区域具有一一对应的特点,通过提取气泡亮点区域图像进行相位相关计算,从而将对气泡的运动估计转化为对其亮点区域的运动跟踪,实现了对运动估计复杂度的简化,最后采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)对所获取的速度数据进行优化处理。论文同时设计一种分块扩展相位相关法用于获取子块区域的气泡运动信息。实验结果表明,与块匹配、光流法等相比,上述运动估计方法能够快速准确地获取气泡图像的平移运动速度特征和各个子块区域的气泡运动信息。对于大小为720×480的浮选图像,基于气泡跟踪与相位相关的运动估计算法的平均处理时间是每帧约52.7ms,比对原始图像直接进行相位相关计算所需时间节省93.2%以上。4)针对浮选泡沫稳定性表征及测量困难的问题,提出一种基于气泡区域特征变化检测的泡沫稳定性表征与测量算法。气泡是否发生破裂与兼并直接反映了泡沫稳定的程度,因此算法定义并提取由二者发生前后所引起的6项相邻帧之间的区域变化特征参数用于表征泡沫的稳定性,然后基于将稳定性测量问题转化为稳定性分类问题的设计思路,引入支持向量机(Support Vector Machine,SVM)进行稳定性分类器的训练与构造,最终实现对泡沫稳定性的表征与定量测量。实验结果表明了该测量算法的可行性。最后,将上述各个特征提取算法,在一铅锌矿浮选厂进行工业应用与测试,分别提取了气泡的形态、平移运动速度及泡沫稳定性等特征数据,工业环境下的测试及现场专家的分析表明所提取的结果是有效的,所提出的算法是可行的。综上所述,本论文研究了铅锌浮选图像气泡形态特征及泡沫动态特征的提取,提高了大气泡分割精度和边界提取精度,解决了气泡平移速度的高效提取和泡沫稳定性表征及测量问题。因此,本文研究成果具有一定的理论指导意义和实际应用价值。
【学位授予单位】：福州大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP391.41;TD923
【图文】：

示意图,监控过程,机器视觉,工况

基于浮选的精矿等级及回收率等性能参数进行关系建模，实现对浮选工况的判逡逑断，据此进一步对浮选各输入变量进行调整，以达到优化浮选工艺过程、获取高逡逑效浮选性能的控制目的。其控制过程如图１－２所示。逡逑（逦逦逦！逦Ｐ邋大小逡逑精矿等级｜｜回收率逦逦邋逦逡逑￣－Ｘ－￣ＩＬ—ｒ￣１逦ｐ■？静态特征邋＿邋－？颜色逡逑（浮N能岕觉特＾）－逦ｊ—￣逡逑ｒ逦＾动态特征－逦逡逑ｕ稳定性逡逑控制系统逡逑逦逦邋／邋\d邋Ｉ邋．邋Ｉ邋＼逡逑ｒ－＾－１逡逑控制变《：——ｊ逡逑＼浮选槽逦Ｙ逡逑图１－２基于机器视觉的浮选工况监控过程示意图逡逑相比较传统的人工浮选监控方式，这种基于机器视觉的现代化浮选监控方法逡逑在数据测量与优化控制两方面具有如下的优势：逡逑１）

机器视觉,研究范围,研究领域,监控系统

的是通过对浮选工况与浮选性能之间的准确建模从而实现对浮选性能的预测和逡逑浮选工况的实时调整。为了要完成浮选关系建模研究，其相关的研究工作要涉及逡逑许多方面，如图１－３所示，包括如何对浮选工况作出准确的判断，还包括如何掌逡逑握各输入变量与浮选工况及浮选性能之间的作用机理和影响过程。此外，它还要逡逑涉及到包括物理、化学及流体力学等许多方面的研究工作。对浮选工况的判断是逡逑通过提取泡沫表面的各项视觉特征参数来识别的。本课题着力于研究铅锌矿浮选逡逑泡沫表面的各项视觉特征参数的提取方法，包括用于获取气泡大小形状等形态特逡逑征的图像分割算法及气泡运动速度与泡沫稳定性等动态特征的提取算法，如图逡逑１－３中虚线标注的区域。逡逑再附着逦—？（关系（建模）１邋ｖ’逡逑水气泡ｙ逦矿物赚＋逡逑＼邋（＼邋（邋＼邋／逡逑＼邋１邋含水量｜逦颗粒大小逦／逡逑＼逦等等逦颗粒形状逦／逡逑＼逦表面粗糙度逦／逡逑＼逦颗粒数目等逦７逡逑逦浮选槽逦＾逡逑图１－３基于机器视觉的浮选监控系统研究领域及本文研究范围逡逑１４逡逑

【相似文献】