[发明专利]一种基于泡沫图像特征和通风量的硫浮选液位测量方法

说明书

技术领域

本发明属于浮选过程的泡沫图像特征提取和液位测量技术领域，具体为一种基于泡沫图像特征和通风量的硫浮选液位测量方法。

背景技术

浮选是矿物加工中应用最为广泛的一种选矿方法，通常涉及到复杂的物理化学过程，其目的是得到高品位的精矿产品。由于硫化物的强疏水性，硫浮选过程无需添加任何药剂，只涉及到物理过程，主要是通过调节液位（泡沫层厚度）和通风量使得疏水性强的硫化矿物从无用脉石中分离出来，得到高品位的硫精矿。

液位作为硫浮选过程的一个关键操作量，直接影响到硫精矿品位的高低。当液位偏高时浮选槽易翻矿浆，而当液位偏低时浮选槽通常无溢流，导致精矿品位低。因此，液位的准确测量是实现液位优化控制的基础，研发一种有效的液位测量方法对于提高硫精矿品位具有重要的意义。

硫浮选现场浮子式液位变送器容易被矿浆凝固卡在浮选槽底部或者矿浆层中部，引起液位测量不准，导致操作员对液位的错误调节，严重时甚至导致浮选槽放空、无溢流、翻矿浆等异常工况，严重影响硫精矿品位。液位的高低直接影响浮选表层泡沫溢流速度和泡沫稳定度，通风量也会影响到液位的高低，因此，研究基于机器视觉的液位测量方法，采用一种基于泡沫图像特征和通风量的方法对液位进行非接触式测量，为操作人员提供准确的液位测量值，对于实现硫浮选过程液位优化控制，提高精矿品位，提高企业的市场竞争力具有重要的意义。

发明内容

本发明的目的在于解决硫浮选过程液位测量的问题，提出了一种基于泡沫图像特征和通风量的硫浮选液位测量方法。本发明的主要内容如下：

一种基于泡沫图像特征和通风量的硫浮选液位测量方法，其特征在于，包括以下步骤：

第一步，在正常生产条件下，以硫浮选现场安装的工业摄像机获取的泡沫图像为基础，采用基于宏块跟踪的方法提取泡沫图像的速度特征，并利用速度信息统计差分图像像素得到稳定度特征，结合现场采集的通风量数据以及液位数据构建样本集，并采用拉依达准则剔除异常数据。

步骤1：采集正常生产条件下摄像机获取的泡沫图像，提取泡沫速度和稳定度特征；

采用基于宏块跟踪的速度特征提取方法，计算原理如下：从图像序列相邻帧的前一帧的某一位置选一子块（宏块）做为模板，在当前帧搜索最佳匹配位置，宏块跟踪的准则采用归一化互相关函数，其计算方法如下：

      

其中和分别表示模块图像和待搜索的图像子块区域，、分别表示模块图像和待搜索子图的灰度均值，、表示模板的尺寸，、表示位移量。

使互相关函数最大的位置为最佳匹配位置，利用这个位置和上一帧取得模板的位置之差，并根据帧率确定连续两帧的时间间隔，得到该时刻像素级的速度参量。

利用泡沫速度信息，将连续两帧图像的后一帧图像变换到前一帧图像的同样位置，然后计算第一帧图像与变换图像的差分，差分图像的像素数目超过给定的阈值则计算出稳定度。

泡沫用数学式可以表示为：

               

其中：,分别表示连续两帧图像在(i,j)点的像素灰度值。表示泡沫图像稳定度阈值。表示泡沫图像处理区域总像素点数。

步骤2：根据计算的泡沫速度和稳定度特征，现场通风量数据以及对应的液位值构建四维样本集：，为泡沫速度特征，为泡沫稳定度特征，为现场通风量数据，为对应的液位值，为样本个数；

步骤3：对样本集数据采用拉依达准则剔除异常数据；

    设==（=1,…,；=1,2,3），分别算出各维数据的平均值，按贝塞尔公式测得各维数值的标准误差，如果某个测量值满足，则认为对应的是异常值，删除在中对应的数据。

第二步，由于同一液位可以对应多组泡沫图像和风量参数，液位模型包含必要概率信息，相关向量机（RVM）利用贝叶斯框架构建学习机，输出的结果具有概率密度分布。因此采用RVM方法，以图像特征以及通风量作为模型输入，建立液位测量模型。

步骤1：根据第一步得到的样本集建立RVM回归模型；

对于训练的输入、输出集为（M为剔除异常数据后的样本个数），设目标函数是来自带有噪声的模型：

式中噪声服从均值为零、方差为的高斯分布。其中，为核函数，为权值向量。训练样本集的似然函数为：

其中，

步骤2：参数推理；

定义步骤1中的权重的先验分布为依赖于超参数的高斯分布，即