原创《基于图像特征铜粗选过程病态工况识别》：本论文为您写工况毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
收稿日期：20130917
基金项目：国家创新研究群体科学基金资助项目（61321003）；国家自然科学基金重点资助项目（61134006）；国家自然科学基金资助项目（61273169）
作者简介：卢明（1979-）,男,湖南益阳人,中南大学博士研究生
通讯联系人,Email： mlu@hnust.edu.cn
摘 要：泡沫图像特征是指泡沫图像中和浮选性能相关的局部黑色水化区域大小,即局部光谱特征.针对这一局部光谱特征形状、大小无规则性,提出了一种基于多维主元分析的特征提取方法,并将提取的特征应用于铜浮选粗选过程病态工况识别.首先,描述了铜浮选粗选过程,分析了影响粗选过程的主要因素和黑色水化区域形成机理；然后,提出一种基于多维主元分析的图像局部光谱特征提取方法；最后,将基于多维主元分析的图像局部光谱特征提取算法应用于铜浮选粗选泡沫图像,并将所提取的图像特征用于铜粗选病态工况识别.工业现场数据验证了所提方法的有效性.
关键词：泡沫图像；图像特征；多维主元分析（MPCA）；病态工况识别；铜粗选过程
中图分类号：TP391.41文献标识码：A
Sick Condition Recognition Based on the Image
Feature of Froth Image in Copper Rough Process
LU Ming1,2,GUI Weihua1,PENG Tao1,XIE Yongfang1
（1.School of Information Science and Engineering, Central South Univ, Changsha, Hunan410083,China；
2.School of Information and Electrical Engineering, Hunan Univ of Science and Technology, Xiangtan, Hunan411201,China）
Abstract：The image features of copper flotation froth image means the size of the area of local black hydration in the froth image, which is called local spectral feature and related to flotation performance. A local spectral feature extraction method based on MPCA was proposed for the irregularity of the size and the shape, and the extracted features were used in copper rougher flotation process to identify sick conditions. Firstly, we described the copper rougher flotation process and analyzed the impact of the main factors roughing process and the formation mechanism of black hydration region. Then, a method was proposed to extract the local feature of image based on MPCA. Lastly, the image local feature extraction algorithm based on MPCA was applied to the copper flotation rougher froth image and the extracted image features were used in copper rougher process for sick condition recognition. The validity of the proposed method has been verified with industrial data.
Key words：froth images；image feature；MultiPrincipal Component（MPCA）；sick condition recognition；copper rough process
浮选是一种应用最为广泛的将有用矿物从矿石中分离出来的选矿方法.一直以来, 选厂的生产操作都是依靠有经验的工人对浮选泡沫进行肉眼观察完成的,对泡沫的判断缺乏客观标准, 使得人工观测为主的矿物浮选过程难以处于稳定最优运行状态[1-2].采用机器视觉代替人类视觉, 利用图像处理技术从泡沫图像中提取出最为显著、有效的视觉特征,对浮选泡沫进行客观描述, 并将视觉特征应用于浮选过程的工况识别,能为矿物浮选过程实现实时控制和优化提供操作指导[3-5].
浮选流程大多分为粗选、扫选、精选3个流程单元,每个流程单元由数量不等的浮选槽组成,各个流程之间彼此连接,相互影响[6-8].其中粗选首槽浮选工况好坏,直接影响了后续流程的操作和最终的产品质量及产能.在整个流程中,粗选过程工况的识别尤为重要.以粗选首槽泡沫品位为评价指标,将铜粗选工况分为“正常”和“病态”两个区域.铜粗选过程中的“病态”工况是指因初始条件和操作条件改变而导致粗选产品质量不能满足后续浮选流程要求的工况.当出现病态工况时,浮选泡沫图像中的泡沫颜色（光谱）和形态特征会发生相应的变化.
工况论文参考资料：
结论：基于图像特征铜粗选过程病态工况识别为大学硕士与本科工况毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写标况和工况方面论文范文。
