[发明专利]一种浮选工况分类方法和系统

权利要求书

1.一种浮选工况分类方法，其特征在于，包括：

获取浮选泡沫图像，并进行图像预处理，得到适合建立模型的泡沫图像集；

对泡沫图像集中每一幅单帧泡沫图像采用两步分水岭算法进行图像分割，每一个泡泡区域都保存为一幅泡泡图像，得到泡沫图像集中所有单帧泡沫图像的泡泡图像集；

提取泡泡图像的形态特征向量，并根据所述形态特征向量对所述泡泡图像集进行预分类，获取泡泡图像的分类标签值；采用深度卷积神经网络提取泡泡图像的像素集特征，并结合大量已有泡泡图像数据集中各泡泡图像所对应的分类标签值训练并校验得到深度卷积神经网络模型；

根据所述深度卷积神经网络模型提取各泡泡图像的像素集特征并结合泡泡图像对应的形态特征向量以对泡泡图像进行精分类，并统计泡沫图像中各类泡泡的出现次数形成单帧泡沫图像的泡泡分类频率集，分析泡沫图像的泡泡分类频率集与浮选典型工况之间的对应关系，从而得到泡沫图像所反应的浮选工况类别；

其中，得到每一幅泡沫图像反应的所述浮选工况类别具体包括以下步骤：

(1)在泡沫图像集中，根据泡泡分类频率，选取典型泡沫图像，将合格泡沫工况类型分为m种，将m种工况所对应的典型泡沫图像中各类型泡泡的频率作为分类中心con：

(2)比较泡沫图像集中每一幅泡沫图像的泡泡分类频率与分类中心con中的泡泡分类频率的相似性程度，得到正常工况泡沫图像的对应工况标签。

2.根据权利要求1所述的浮选工况分类方法，其特征在于，

所述泡泡图像的形态特征向量包括泡泡图像的尺寸、泡泡图像的灰度均值和将泡泡图像近似成椭圆后的椭圆半长轴长、椭圆半短轴长、椭圆倾斜角以及椭圆率，其中，提取所述泡泡图像的形态特征向量具体包括以下步骤：

(1)获取泡泡图像中泡泡区域的像素点个数得到近似泡泡尺寸S和泡泡图像灰度均值gray；

(2)将单个泡泡图像近似成椭圆，定义泡泡图像的(p+q)阶规则矩为：

式中，area表示泡泡图像的尺寸范围，A(x,y)表示泡泡图像在该像素点(x,y)的灰度值，p,q表示参数；

(3)以泡泡图像的一阶规则矩近似为椭圆的质心，则单个泡泡图像的质心坐标为：

(4)结合上述公式，求得单个泡泡图像的(p+q)阶中心距为：

(5)求得所有泡泡图像的二阶中心矩集，椭圆的半长轴长计算公式为：

式中，CB表示泡泡图像近似的椭圆的半长轴长；

椭圆的半短轴长计算公式为：

式中，DB表示泡泡图像近似的椭圆的半短轴长；

椭圆的倾斜角计算公式为：

式中，θ表示泡泡图像近似的椭圆长轴与X轴正方向的倾斜角；

椭圆率计算公式为：

(6)得到泡泡图像的形态特征向量：

D:[CB,DB,θ,e,S,gray]^T；

式中，上标T表示转置。

3.根据权利要求2所述的浮选工况分类方法，其特征在于，对所述泡泡图像进行预分类具体包括以下步骤：

(1)计算泡泡图像的图像集中每一个泡泡图像的形态特征向量，并构建泡泡图像的形态特征集：

data＝[D₁ D₂ D₃ …… D_n]；

式中，D₁表示第一幅泡泡图像的形态特征向量，D_n表示第n个泡泡图像的形态特征向量；

(2)根据泡泡图像的形态特征集data采用K-means聚类，进行泡泡图像的预分类，得到p个聚类中心C；

(3)计算各泡泡图像的形态特征向量D与p个聚类中心C的欧氏距离，度量每一个形态特征向量D与聚类中心C中所有特征向量的相似性程度，并确定各泡泡图像的分类标签值I。