在顆粒與氣泡碰撞理論等浮選機理研究中,利用氣泡的形態(tài)參數(shù)進行實驗研究并驗證理論模型的正確性。其提取方法的研究具有重要的研究價值;在實際的選礦廠中依靠技術(shù)人員對浮選泡沫的表面視覺狀態(tài)的判斷調(diào)整浮選工況參數(shù),存在著主觀性強、工況參數(shù)調(diào)整滯后等缺點。將機器視覺應用到浮選工藝中,根據(jù)泡沫的視覺特征參數(shù)實現(xiàn)浮選過程的實時監(jiān)測。其中泡沫形態(tài)、顏色和紋理等靜態(tài)參數(shù)作為先驗知識能夠用來識別浮選工況狀態(tài),預測浮選效果,具有重要的研究意義和廣闊的應用前景。通過建立機器視覺系統(tǒng)采集浮選泡沫(氣泡)的圖像信息,研究氣泡的形態(tài)與泡沫的形態(tài)、顏色和紋理特征參數(shù)的提取方法。主要研究工作如下:根據(jù)礦漿中離散氣泡的存在形式,建立了模擬浮選過程裝置和機器視覺設(shè)備組成的氣泡觀測系統(tǒng)。提出了一種基于區(qū)域分割的氣泡邊緣提取方法,其邊界點最后由Canny邊緣檢測提取。在不同的光照環(huán)境下,邊緣定位準確且變化波動比較小。針對重疊氣泡,使用CSS角點檢測與方向鏈碼檢測凹點并以此分割輪廓,再利用最小二乘法重建氣泡邊緣。完成了氣泡二維形態(tài)參數(shù)的精確計算,實現(xiàn)了物理參數(shù)的轉(zhuǎn)換。提出了水平置位分割方法測量氣泡的體積和表面積,通過實驗與其他三種方法的測量結(jié)果進行對比,該方法具有更高的精度和魯棒性。在單槽浮選機上使用LED光源與工業(yè)相機搭建的監(jiān)測系統(tǒng)采集泡沫圖像。通過分析泡沫平面與截面的結(jié)構(gòu)特點,對基于標記點的分水嶺算法做出以下改進:使用同態(tài)濾波改善圖像亮度不均和陰影問題;利用KFCM將泡沫中相似的高亮點區(qū)域進行聚類,提取標記點與邊緣光帶;修正原圖像中的氣泡邊緣,對修正后的圖像進行形態(tài)學開閉重建濾波;以高亮標記點為“集水盆地”做分水嶺分割。同傳統(tǒng)分水嶺方法作比較,改進后的方法分割后的泡沫數(shù)量與分割線的位置比較接近實際。將雙域去噪技術(shù)應用到泡沫圖像濾波中,在去除噪聲的同時保留了圖像中的細節(jié)。提出了基于HSV顏色空間模型的LBP紋理提取方法,在顏色分量圖像上分別提取三個尺度的LBP特征分布直方圖,具有更高的特征分辨率。完成了三個顏色分量圖的多尺度特征分布的整合,通過訓練建立SVM分類器,對兩種不同浮選工況狀態(tài)的圖像進行分類測試,準確率為86.67%,能夠用于不同工況狀態(tài)的識別。圖44幅;表4個;參57篇。
【學位單位】：華北理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TD923;TP391.41
【部分圖文】：

圖 1 泡沫浮選生產(chǎn)現(xiàn)場Fig.1 Foam flotation production site視覺技術(shù)飛速發(fā)展，廣泛應用于工業(yè)生產(chǎn)的各個領(lǐng)域。像信號代替人眼實現(xiàn)測量、判斷與檢測等工作。浮選中征是浮選工況狀態(tài)的指示器，將機器視覺技術(shù)應用到浮浮選表面視覺特征的量化描述與生產(chǎn)狀態(tài)的客觀評價[9]。理等靜態(tài)特征參數(shù)已被證明與起泡劑藥量、礦物顆粒的數(shù)有著不可分割的聯(lián)系。因此，開展浮選泡沫靜態(tài)參數(shù)自動化進程的第一步。對避免人力物力資源浪費，推進選礦過程的智能操作，提高礦產(chǎn)資源的利用率具有非常形態(tài)特征參數(shù)提取的研究現(xiàn)狀

圖 9 浮選氣泡觀測系統(tǒng)實物圖Fig. 9 Real picture of flotation bubble observation system浮選機的泡沫監(jiān)測系統(tǒng)反映與浮選工藝參數(shù)相關(guān)聯(lián)的泡沫視覺特征，泡選實驗的基礎(chǔ)上進行。因此選用實驗室浮選機進泡沫圖像的特點搭建機器視覺的光學系統(tǒng)。基于 10 所示。1.5L單槽浮選機工業(yè)相機LED光源

圖 11 浮選泡沫觀測系統(tǒng)實物圖Fig. 11 Physical diagram of flotation foam observing system了浮選工藝的基本原理及實驗室中充氣機械攪拌式中的各項工況參數(shù)加以概述，分析了泡沫靜態(tài)參數(shù)之間的關(guān)聯(lián)性。分別針對礦漿中的離散氣泡與礦漿統(tǒng)，為之后的圖像處理與參數(shù)提取提供了高質(zhì)量的
【參考文獻】

相關(guān)期刊論文 前10條

1 徐黎明;呂繼東;;基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J];農(nóng)業(yè)工程學報;2015年14期

2 張世杰;劉文禮;趙樹凱;;浮選氣泡測量及其影響因素分析[J];煤炭工程;2014年12期

3 劉麗;謝毓湘;魏迎梅;老松楊;;局部二進制模式方法綜述[J];中國圖象圖形學報;2014年12期

4 盧明;桂衛(wèi)華;彭濤;謝永芳;;浮選泡沫圖像等效尺寸分布特征提取[J];控制與決策;2015年01期

5 趙洪偉;謝永芳;曹斌芳;蔣朝輝;;基于Gabor小波和LPP的浮選過程泡沫紋理特征提取及應用[J];上海交通大學學報;2014年07期

6 陳寧;林霞;桂衛(wèi)華;陽春華;唐朝暉;;基于CCHS的浮選泡沫圖像紋理特征提取[J];中南大學學報(自然科學版);2013年11期

7 桂衛(wèi)華;陽春華;徐德剛;盧明;謝永芳;;基于機器視覺的礦物浮選過程監(jiān)控技術(shù)研究進展[J];自動化學報;2013年11期

8 王衛(wèi)星;李泳毅;陳良琴;;基于谷點邊界掃描及區(qū)域合并的浮選氣泡提取[J];中國礦業(yè)大學學報;2013年06期

9 陶建格;沈鐳;;礦產(chǎn)資源價值與定價調(diào)控機制研究[J];資源科學;2013年10期

10 李建奇;陽春華;曹斌芳;朱紅求;劉金平;;面向參數(shù)測量的改進分水嶺浮選泡沫圖像分割方法[J];儀器儀表學報;2013年06期

相關(guān)博士學位論文 前1條

1 劉金平;泡沫圖像統(tǒng)計建模及其在礦物浮選過程監(jiān)控中的應用[D];中南大學;2013年

本文編號：2883678