结合泡沫图像多特征及模糊数学的浮选工况评判

针对矿物浮选过程中视觉特征多样性、工况识别在线检测难、耗时长的问题,提出一种基于泡沫图像多特征和模糊数学的浮选工况评判方法。利用像素点覆盖、水平集等方法提取图像多个特征,采用改进的模糊数学分析法构成浮选工况的评价体系,把浮选状态分成良好、中等、差三种工况。实验结果表明,相比于人工神经网络和支持向量机方法,识别率均有所提高,能够代替人工做一个初步的判断和调整,并且较接近实时判断浮选状况的要求,可作为生产优化及其生产参数调节的重要参考。