基于自適應(yīng)權(quán)重FCM的浮選泡沫圖像分割及應(yīng)用.pdf

1、礦物浮選是一個(gè)易受多種物理化學(xué)因素影響的復(fù)雜物理化學(xué)過程，其工藝機(jī)理復(fù)雜，難以用一個(gè)準(zhǔn)確的數(shù)學(xué)模型來描述。因此，浮選過程的控制一般靠經(jīng)驗(yàn)豐富的浮選操作人員觀察浮選泡沫特征判斷工況來進(jìn)行實(shí)時(shí)調(diào)整，然而不確定性和隨意性的浮選操作嚴(yán)重影響了浮選過程的優(yōu)化運(yùn)行、降低了有用礦物的回收率。因此研究泡沫圖像狀態(tài)識(shí)別尤其是提取與浮選過程變量和性能指標(biāo)密切相關(guān)的泡沫尺寸特征，并用于指導(dǎo)浮選工業(yè)過程控制，具有非常重要的實(shí)際意義。
　　本文針對浮選泡沫

2、圖像噪聲大、泡沫邊界模糊不規(guī)則和圖像灰度分布獨(dú)特導(dǎo)致現(xiàn)有分割方法難以適用的問題，提出一種基于改進(jìn)的自適應(yīng)權(quán)重FCM的浮選泡沫圖像分割方法。首先，基于無參考結(jié)構(gòu)清晰度評價(jià)方法篩選樣本圖像并結(jié)合多分辨率分析和小波閾值去噪對泡沫圖像去噪;然后，依據(jù)泡沫圖像灰度分布的特殊性，提出一種自適應(yīng)權(quán)重FCM對圖像進(jìn)行聚類粗劃分，同時(shí)應(yīng)用形態(tài)學(xué)操作對圖像進(jìn)行去噪平滑;最后，對處理后的圖像進(jìn)行距離變換、灰度重構(gòu)并應(yīng)用分水嶺算法完成泡沫圖像分割。統(tǒng)計(jì)分割后的

3、氣泡尺寸特征并用于浮選工況識(shí)別，為浮選加藥控制提供指導(dǎo)。為驗(yàn)證本文所提方法的有效性，選取我國某選礦廠浮選車間混合粗選泡沫圖像和實(shí)際加藥量數(shù)據(jù)進(jìn)行驗(yàn)證實(shí)驗(yàn)。首先用本文所提方法對浮選泡沫圖像進(jìn)行分割驗(yàn)證本文方法的有效性，然后將本文所提方法與其它現(xiàn)有分割算法進(jìn)行對比實(shí)驗(yàn)以驗(yàn)證本文方法的優(yōu)勢，最后基于機(jī)器學(xué)習(xí)方法建立浮選工況識(shí)別模型，建立泡沫物理特征與浮選控制變量和性能指標(biāo)之間的關(guān)系，優(yōu)化浮選加藥控制。結(jié)果表明本文所提方法與其它現(xiàn)有分割方法相比