摘要
在稀土矿物实际浮选中,泡沫颜色特征与稀土品位关系密切。针对白云鄂博稀土矿浮选过程中浮选槽中含气率高、气泡重叠、变形,以及不断发生气泡兼并与破裂的情况,设计建立图像采集系统,并针对LED光源特点,设定照射光源最佳角度,进行图像采集。对采集图像进行进一步颜色特征提取,对泡沫图像颜色与品位之间的相关性进行分析研究。根据浮选过程中浮选泡沫表征颜色与品位的相关性,结合计算机图像处理技术,使用Matlab数学分析软件,对泡沫图像进行预处理并且进一步对泡沫图像进行边缘提取,对泡沫色彩进行色彩效果增强处理,将颜色分类量化,并进行色彩分类统计。通过对泡沫图像灰度直方图分析,计算并统计其整体亮度情况,作为泡沫图像亮度值定量依据。结果表明:通过分析浮选图像RGB颜色值分布、颜色分级分类量化提取图像颜色特征值以及灰度信息,对泡沫颜色特征有一定代表性,并且提高泡沫图像颜色提取精度。通过BP神经网络,输入泡沫图像特征值颜色与品位信息并建立黑箱模型,通过样本训练,得到稀土品位预测值。
- 单位