基于泡沫图像特征加权SVM的浮选工况识别.pdfVIP

第 45卷第 12期 浙 江 大 学 学 报 (工学版) JournalofZhejiangUniversity(EngineeringScience) V01．45NO．12 2O11年 12月 Dec．201l DOI：10．3785／j．issn．1008—973X．2011．12．008 基于泡沫 图像特征加权 SVM 的浮选工况识别 任会峰，阳春华，周 璇，桂卫华，鄢 锋 (中南大学 信息科学与 程学院，湖南 长沙 410083) 摘 要 ：针对浮选泡沫视觉特征的多样性和重要度差异 以及浮选工况样本数分布不平衡等 问题 ，提 出一种基于在 线泡沫视觉表观特征加权支持 向量机 的浮选工况识别方法．通过色彩空间变换 ，在 CIE—lab空间计算泡沫颜色 ，采 用多方向融合的空间灰度共生矩阵提取泡沫纹理特征，以视觉特征的信息增益评价该特征的重要度 ，再利用不同 工况的样本数加权策略消除样本数不平衡的影响，采用支持 向量机方法实现了浮选_T况 的 自动识别．丁业运行数 据测试结果表明：该方法 能够在线识别浮选T况 ，自动识别准确率达 98 ，比人T识别率高 6 ，比传统灰度共生 矩 阵方法高 2 ． 关键词 ：浮选 ；工况识别 ；泡沫图像 I力Ⅱ权支持 向量机 ；空间融合灰度共生矩 阵 中图分类号：TP274．3 文献标志码 ：A 文章编号：1008—973X(2011)12—2115一O5 Froth imagefeatureweightedSVM basedworkingcondition recognition forflotation process REN Hui—feng，YANG Chun—hua，ZHOU Xuan，GUIW ei～hua，YAN Feng (SchoolofhzformationScienceandEngineering，CentralSouthUniversity，Changsha410083，China) Abstract：Consideringthediversityanddifferentimportanceofvisualfeaturesandtheimbalanceofsample distribution，aworking condition recognitionmethod forfroth flotation processwaspresented Firstly， ． frothcolorwascalculated in CIE-Iab according to colorspace conversion，and texturewereextracted basedonfour—directionfusedspacegrayCO—occurrencematrix．Then，information entropywasintroduced toevaluatethefeature’simportanceviainformationgain ． Finally。theworkingconditionrecognitionmodel wasestablished based on supportvector machines using sample weighted strategy to eliminate the imbalanceofsample distribution． The experimenta