[发明专利]一种基于RGBD图像的矿物浮选破碎泡沫识别方法

说明书

本发明公开了一种基于RGBD图像的矿物浮选破碎泡沫识别方法，主要包括步骤S1，挑选出RGBD图像中潜在的破碎泡沫，其标准是泡沫破碎后深度变小；S2，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化；S3，在确定感兴趣泡沫区域位置后，得到细化的感兴趣泡沫区域对；提取深度变化特征，立体纹理变化特征，加权亮度变化特征从细化感兴趣泡沫区域对，并被用于破碎泡沫识别；S4，采用基于逻辑回归算法进行破碎泡沫识别。本发明的有益效果在于：基于RGBD图像，直接提取对泡沫破碎较为敏感的深度特征，结合泡沫表面纹理和深度数据，提取立体纹理特征，同时通过亮度分量和权重矩阵提取加权亮度特征，基于这些特征能进一步精准可靠地识别泡沫是否破碎，更有利于准确判别当前工况的稳定性。

技术领域

本发明涉及一种选矿方法，具体涉及矿物浮选过程的自动化破碎泡沫识别。

背景技术

矿产资源是人类社会赖以生存和发展的重要物质基础，是国家安全与经济发展的重要保障。选矿是矿产资源加工中必不可少的一个环节，泡沫浮选是应用最为广泛的一种选矿方法。

目前国内选厂主要通过有经验的浮选操作人员肉眼观察浮选槽内泡沫表面特征变化来判定当前工况。泡沫破碎率是泡沫稳定性的一个重要特征，破碎泡沫识别是其中的关键。但人工观察方式的主观性比较强，导致生产过程不稳定，影响生产质量。现有技术中依靠操作人员经验判断泡沫稳定性的方式自动化水平低，受限于浮选操作人员的个人主观经验。因此矿物浮选过程的自动化破碎泡沫识别具有十分重要的意义。

传统的破碎泡沫识别方法总是基于RGB图像，泡沫表层相似的灰度和纹理对传统的识别方法构成了较大的挑战。为了弥补现有技术的不足，申请号201410699401.0的发明专利申请提出一种基于深度信息的泡沫浮选液位监测和工况识别方法，引入比RGB图像多一个深度维度的RGBD图像被，通过kinect传感器提取的浮选泡沫表面立体特征，有效地突破了平面泡沫特征的局限性，并且与提取泡沫表层液位特征相结合，能够更加准确识别当前工况。

申请号201410699401.0的发明专利申请提出的工况识别方法，虽然引入了深度特征，但如何基于这些特征能进一步精准可靠地识别泡沫是否破碎，尚有待进一步深入研究，如此，方可以切实达到准确识别浮选工况，实现浮选生产过程稳定优化运行，提高矿物资源回收率的目的。

发明内容

本发明为了解决上述问题，提出了一种基于RGBD图像的破碎泡沫识别方法，基于RGBD图像，通过亮度分量和基于深度的权重矩阵提取加权亮度特征，并基于这些特征能进一步精准可靠地识别泡沫是否破碎，更有利于准确判别当前工况的稳定性。

发明技术方案：

一种基于RGBD图像的矿物浮选破碎泡沫识别方法，主要包括如下步骤：

S1，挑选出RGBD图像中潜在的破碎泡沫，其标准是泡沫破碎后深度变小；

S2，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化；

当泡沫在连续帧中移动有限距离时，采用滤波的定位方法应用于局部泡沫区域，掩模图像被覆于较小的局部区域对上以获得细化的感兴趣泡沫区域，以避免局部运动造成的假破碎；

S3，在确定感兴趣泡沫区域位置后，得到细化的感兴趣泡沫区域对；提取深度变化特征，立体纹理变化特征，加权亮度变化特征从细化感兴趣泡沫区域对，并被用于破碎泡沫识别；由于照明的直射光，泡沫顶部会产生白点，而泡沫的破碎会导致暗区的形成，因此，亮度是识别破碎泡沫的有效特征，由于从白点到暗区的变化主要发生在泡沫的顶部，基于RGBD图像，通过亮度分量和基于深度的权重矩阵提取加权亮度特征；

S4，采用基于逻辑回归算法进行破碎泡沫识别。

所述的基于RGBD图像的矿物浮选破碎泡沫识别方法，：步骤S2中，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化的过程如下：