基于机器视觉的矿物浮选过程监控技术研究进展

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.

基于旋转分类模糊纹理谱的矿物浮选泡沫平滑度分析

基于复杂网络的矿物浮选泡沫图像纹理提取与分类方法

针对矿物浮选过程中回收率难以在线检测的问题,提出了一种回收率预测方法.采用最小二乘支持向量机构造预测模型,以图像特征作为模型输入,通过交叉验证实现模型参数优化.为提取泡沫特征,通过计算图像相对红色分量提取颜色特征,结合聚类与分水岭方法分割泡沫图像并提取尺寸特征,利用像素分析方法提取承载量特征,采用网像对的相关性分析方法提取泡沫速度、破碎率等动态特征,并对泡沫特征与回收率进行了相关性分析.实验结果表明,该方法能有效预测回收率.