[发明专利]基于图像数据提取和神经网络建模的铂浮选品位估算方法

摘要

本发明涉及一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，通过变量实验得到充气速率、矿浆浓度、捕收剂、活化剂、起泡剂、抑制剂六个变量与浮选品位、回收率之间的相关程度；对铂泡沫图像进行采集和预处理，并从预处理所得的默认的灰度图像、直方图均衡化、图像的对比强化和图像的二值化四种特征图像中提取能量、熵、惯性、同质性、灰度相关性五种图像数据；建立包含三节点输入层、隐藏层和双节点输出层的多层感知器神经网络模型。本发明所提出的一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，有效的实现了通过泡沫图像估算浮选品位和回收率，达到了实时监测浮选过程中品位和回收率的目的。

主权项

一种基于图像数据提取和神经网络建模的铂浮选品位估算方法，其特征在于，按照如下步骤实现：S1：通过变量实验，并对所述变量实验的结果通过柏拉分布图进行分析，得出变量对浮选品位和回收率的影响程度；所述变量包括充气速率、矿浆浓度、捕收剂、活化剂、起泡剂和抑制剂；S2：对铂泡沫图像进行采集和预处理，并提取铂泡沫图像特性数据；S3：通过多层感知器神经性网络对所述铂泡沫图像特性数据与浮选品位、回收率之间的关系进行建模，得出所述铂泡沫图像特性数据与浮选品位、回收率之间的数量关系；所述步骤S1还包括：S11：用正号和负号分别对所述变量进行表示；S12：通过磨矿，并在预设的磨矿时间，添加捕收剂和活化剂；经搅拌T1s，使药剂充分作用后，测量矿浆的pH值和温度，再添加抑制剂和起泡剂，作用T2s后开始充气，调整矿浆液面高度；所采用的磨机为XMMB‑φ240×300棒磨机，经磨细到给定粒度后在浮选剂机中搅拌120s，使药剂充分作用后，测量矿浆的pH值和温度，再添加抑制剂和起泡剂，作用120s后开始充气，并根据浮选槽规格和泡沫堆积30s的原则来调整矿浆液面高度；S13：分五个阶段进行刮泡，每次刮泡间隔T3s，前三个阶段和后两个阶段按照不同的条件变量进行试验，在第五阶段刮泡完成后，将五个样品和抽取的尾矿进行抽滤、烘干和化验；每隔20s刮一次泡，在第三阶段之后，补充药剂，对第四阶段的样品进行迅速提取，完成五个阶段的刮泡后，将得到的样品以及抽取的尾矿进行抽滤，烘干和化验；S14：用柏拉分布图对所述步骤S13中的刮泡结果进行表示，每个条形表示一种变量，且每个变量对应条形的长度为每个变量对应的T型分布的情况；在所述步骤S2中，还包括如下步骤：S21：通过高清摄像机获取铂泡沫图像，用RGB色彩模式表示该铂泡沫图像，并转化为灰度图像；S22：将所述步骤S21中的灰度图像分别调整为默认的灰度图像、直方图均衡化、图像的对比强化和图像的二值化四种铂泡沫特征图像，即进行预处理，用字母l表示，其中：l＝1:默认的灰度，l＝2:直方图均衡化图像，l＝3:图像的对比强化，l＝4:图像的二值化；S23：对所述步骤S22中得到的每种铂泡沫特征图像采用分区计算的方式，依次得到每种铂泡沫特征图像的铂泡沫图像特征数据，且所述铂泡沫图像特征数据包括：能量、熵、惯性、同质性和灰度相互关系；图像的空间灰度矩阵取决于根据二阶联合条件概率密度函数得到的像素强度变量的估计值，在函数f(i,j,d,a)中，a＝0°、45°、90°、135°，灰度从i到j，试样之间的统计间隔为d，方向为角度a；记图像的灰度为g，则密度函数表示为g*g的矩阵，采用距离d和方向a为参数，把图像每一个灰度区域依次分析计算，则通过使用函数Fk,l来表示获取泡沫图像特征数据，且铂泡沫图像特性数据包括：能量、熵、惯性、同质性和灰度相互关系，其中：能量：熵：熵是衡量图像复杂性的指标；惯性：惯性是衡量影像中区域的变化大小的指标；同质性：同质性是表示相似灰度更加接近的指标；灰度相互关系：μx和σx分别表示矩阵每一行的平均值和标准差，μy和σy分别表示矩阵每一列的平均值和标准差；相互关系能够表现影像中各部分灰度的线性相关性；在所述步骤S3中，还包括如下步骤：S31：通过主要特征数据分析，将每种铂泡沫特征图像对应的铂泡沫图像特征数据减少到三个，精简输入数据集；S32:将多层感知器神经网络设置为三层，包括：三节点输入层、隐藏层和双节点输出层，并通过BFGS算法设定单极型激活函数，双极型激活函数和调整函数；S33：将精简后的输入数据集从三节点输入层输入，经各隐藏层逐层处理后，传向双节点输出层，并经所述步骤S23中得到的所述铂泡沫图像特征数据的运行、修正和验证，建立起多层感知器神经网络模型。