CN107392232-CN201710492626-一种浮选工况分类方法和系统.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107392232 A (43)申请公布日 2017.11.24 (21)申请号 201710492626.2 (22)申请日 2017.06.23 (71)申请人 中南大学 地址 410083 湖南省长沙市麓山南路932号 (72)发明人 王晓丽　宋晨　阳春华　谢永芳　 徐德刚　 (74)专利代理机构 长沙朕扬知识产权代理事务 所(普通合伙) 43213 代理人 何湘玲 (51)Int.Cl. G06K 9/62(2006.01) G06K 9/46(2006.01) G06N 3/04(2006.01) 权利要求书4页 说明书12页 附图5页 (54)发明名称 一种浮选工况分类方法和系统 (57)摘要 本发明涉及泡沫浮选自动化领域，公开了一 种浮选工况分类方法和系统，以为后续加药等操 作提供指导，从而提高浮选过程的经济和技术指 标、减轻工人劳动强度。本发明首先对泡沫图像 进行预处理和分割得到所有由单个泡泡构成的 图像，提取单个泡泡图像的形态特征向量，再根 据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，然后统计泡沫图像中 各类泡泡的出现频率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 A 像所反应的浮选工况类别。 2 3 2 2 9 3 7 0 1 N C CN 107392232 A 权　利　要　求　书 1/4页 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。 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