發(fā)布時(shí)間：2020-11-14 16:18

　　 在顆粒與氣泡碰撞理論等浮選機(jī)理研究中,利用氣泡的形態(tài)參數(shù)進(jìn)行實(shí)驗(yàn)研究并驗(yàn)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(jià)值;在實(shí)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(qiáng)、工況參數(shù)調(diào)整滯后等缺點(diǎn)。將機(jī)器視覺應(yīng)用到浮選工藝中,根據(jù)泡沫的視覺特征參數(shù)實(shí)現(xiàn)浮選過程的實(shí)時(shí)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(yàn)知識能夠用來識別浮選工況狀態(tài),預(yù)測浮選效果,具有重要的研究意義和廣闊的應(yīng)用前景。通過建立機(jī)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(jī)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(diǎn)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(zhǔn)確且變化波動比較小。針對重疊氣泡,使用CSS角點(diǎn)檢測與方向鏈碼檢測凹點(diǎn)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(jì)算,實(shí)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(shí)驗(yàn)與其他三種方法的測量結(jié)果進(jìn)行對比,該方法具有更高的精度和魯棒性。在單槽浮選機(jī)上使用LED光源與工業(yè)相機(jī)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(diǎn),對基于標(biāo)記點(diǎn)的分水嶺算法做出以下改進(jìn):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(diǎn)區(qū)域進(jìn)行聚類,提取標(biāo)記點(diǎn)與邊緣光帶;修正原圖像中的氣泡邊緣,對修正后的圖像進(jìn)行形態(tài)學(xué)開閉重建濾波;以高亮標(biāo)記點(diǎn)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(jìn)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(shí)際。將雙域去噪技術(shù)應(yīng)用到泡沫圖像濾波中,在去除噪聲的同時(shí)保留了圖像中的細(xì)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(gè)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(gè)顏色分量圖的多尺度特征分布的整合,通過訓(xùn)練建立SVM分類器,對兩種不同浮選工況狀態(tài)的圖像進(jìn)行分類測試,準(zhǔn)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(gè);參57篇。
【學(xué)位單位】：華北理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(yīng)用于工業(yè)生產(chǎn)的各個(gè)領(lǐng)域。像信號代替人眼實(shí)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(jī)器視覺技術(shù)應(yīng)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(jià)[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(jìn)程的第一步。對避免人力物力資源浪費(fèi)，推進(jìn)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(shí)物圖Fig. 9 Real picture of flotation bubble observation system浮選機(jī)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(shí)驗(yàn)的基礎(chǔ)上進(jìn)行。因此選用實(shí)驗(yàn)室浮選機(jī)進(jìn)泡沫圖像的特點(diǎn)搭建機(jī)器視覺的光學(xué)系統(tǒng)�；�于 10 所示。1.5L單槽浮選機(jī)工業(yè)相機(jī)LED光源

圖 11 浮選泡沫觀測系統(tǒng)實(shí)物圖Fig. 11 Physical diagram of flotation foam observing system了浮選工藝的基本原理及實(shí)驗(yàn)室中充氣機(jī)械攪拌式中的各項(xiàng)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(xiàn)】

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(xué)報(bào);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(jìn)制模式方法綜述[J];中國圖象圖形學(xué)報(bào);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(yīng)用[J];上海交通大學(xué)學(xué)報(bào);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(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

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

8 王衛(wèi)星;李泳毅;陳良琴;;基于谷點(diǎn)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(xué)學(xué)報(bào);2013年06期

9 陶建格;沈鐳;;礦產(chǎn)資源價(jià)值與定價(jià)調(diào)控機(jī)制研究[J];資源科學(xué);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(jìn)分水嶺浮選泡沫圖像分割方法[J];儀器儀表學(xué)報(bào);2013年06期

相關(guān)博士學(xué)位論文 前1條

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

本文編號：2883678