基于彩色圖像處理的硫化銅精礦泡沫特征與品位分析研究.pdf

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