基于多变量图像分析的铜矿泡沫浮选分类和识别（2014年）

简介：
本研究采用多变量图像分析技术，针对铜矿泡沫浮选过程中的关键参数进行分类与识别，提升矿物分离效率及资源利用率。发表于2014年。 在矿物浮选过程中，传统的以人工观测为主的监测方法容易受到主观因素的影响，在长流程的生产现场难以实现实时状态监控，导致在线监测数据存在不准确性和滞后性问题。这些问题严重影响了对浮选工艺状况的及时调整，从而造成资源和能源浪费。为解决这一难题，我们采用多变量图像分析技术来研究矿物加工领域中泡沫浮选过程中的图像特征，并结合多分辨率分析、改进分水岭算法进行图像分割以及基于模板匹配的宏块跟踪方法等手段，提取铜矿泡沫的颜色、纹理、尺寸、速度和稳定度等方面的特征。在此基础上，我们进一步对铜矿泡沫浮选生产状态进行了分类与识别研究。