2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩189頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、銅精礦品位是硫化銅浮選生產(chǎn)過程參數(shù)之一,也是一項重要的浮選產(chǎn)品質(zhì)量指標?,F(xiàn)有的銅精礦品位檢測方法存在著主觀性強、檢測周期長、數(shù)據(jù)校正復雜、成本較高等不足之處。本文以硫化銅精礦為研究對象,結合彩色圖像處理方法,系統(tǒng)研究了硫化銅精礦在固相、固液兩相、氣固液三相體系中的彩色圖像特征,揭示圖像特征與銅精礦品位之間的變化規(guī)律,建立基于圖像特征的精礦品位預測模型,為浮選生產(chǎn)的過程控制提供必要的技術支持。主要研究內(nèi)容和成果如下:
  建立了基于

2、硫化銅精礦粉末彩色顯微圖像顏色特征的品位預測模型。搭建了實驗室彩色顯微圖像采集裝置并獲取硫化銅微粉圖像;提出了色調(diào)保持不變的彩色圖像增強方法,有效地實現(xiàn)彩色顯微圖像的降噪和增強處理;采用統(tǒng)計方法提取彩色顯微圖像的紅色、綠色、藍色、色調(diào)平均值、彩色向量角等顏色特征參數(shù),建立了3個基于圖像顏色特征的LS-SVR法的品位預測模型;評價模型的預測性能,結果表明,基于色調(diào)平均值的銅精礦品位預測模型為最佳。
  建立了基于硫化銅礦漿彩色圖像特

3、征的品位預測模型。針對硫化銅礦漿圖像采集問題,設計了一套礦漿彩色圖像采集試驗裝置和方法;提出了礦漿彩色圖像的裁剪和增強等預處理方法,采用顏色比率和相對顏色度方法提取礦漿圖像顏色特征,首次引入Tamura方法提取圖像 V分量紋理特征,然后利用相關系數(shù)方法對顏色和紋理特征進行降維;依據(jù)多元線性回歸和 GRNN方法研究礦漿圖像特征和品位之間的內(nèi)在關系,結果表明,基于 GRNN法的品位預測模型的預測精度均優(yōu)于基于多元線性回歸法的品位預測模型的預

4、測精度,且基于礦漿彩色圖像紋理特征的GRNN的品位預測模型為最優(yōu)。
  建立了基于硫化銅浮選泡沫彩色圖像特征的銅精礦品位軟測量模型。搭建了一套浮選泡沫視頻圖像采集試驗裝置,實現(xiàn)了硫化銅粗選和精選過程的泡沫彩色圖像采集任務。研究了粗選和精選泡沫彩色圖像的裁剪、去模糊化、降噪、增強等預處理方法,依據(jù)顏色直方圖、顏色矩、相對顏色度等方法提取泡沫圖像顏色特征,分別采用 Tamura方法、WPT結合Tamura方法提取泡沫圖像的H、S、V分

5、量紋理特征;提出了一種多層聚類結合Lasso法的圖像特征參數(shù)降維方法,并采用相關系數(shù)硬閾值法擇取模型的輔助變量;采用多元線性回歸、PLS、LS-SVR方法分別建立基于粗選和精選泡沫圖像特征的品位軟測量模型,評價這些模型的預測性能,結果表明,在硫化銅粗選過程中,基于粗選泡沫彩色圖像顏色和紋理特征組合的LS-SVR的銅精礦品位軟測量模型的預測精度為最優(yōu);在硫化銅精選過程中,基于精選泡沫彩色圖像顏色特征的LS-SVR的銅精礦品位軟測量模型的預

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論