BFIPS-Ⅰ型浮选泡沫图像处理系统的应用与研究.pdf

2 0 1 1 年第1 期有色金属 选矿部分4 3 D O I 1 0 ．3 9 6 9 0 ．i s s m l 6 7 1 - 9 4 9 2 ．2 0 11 ．0 1 ．0 11 B F I P S I 型浮选泡沫图像处理系统的应用与研究 梁栋华，于飞，赵建军，李传伟 北京矿冶研究总院，北京 1 0 0 0 7 0 摘要结合在大山选矿厂的具体应用，从系统方案、软硬件平台、模型建立等方面详细分析介绍了B 兀P s I 型 浮选泡沫图像处理系统。系统可以准确快速提供泡沫图像的特征参数并建立数学模型，并使得模型预测的精矿品位值与 实验室化验值的平均相对误差小于1 0 ％，最终得到成功应用。 关键词浮选工艺；泡沫图像；品位预测 中图分类号T D 4 5 6 ；T D 9 2 8 ．9文献标识码A文章编号1 6 7 1 9 4 9 2 2 0 1 1 0 1 - 0 0 4 3 - 0 3 在矿物加工行业，浮选作业是最重要、应用最 广泛的矿物分离工艺形式，同时也是矿物分离过程 中最不稳定、不可预测的工艺过程。经过国内外同 行多年对浮选工艺的研究表明，浮选泡沫的变化能 及时反映过程控制量以及矿石性质的变化，因此可 以把浮选泡沫的变化作为浮选作业最快捷的指示 指标。 由北京矿冶研究总院最新研制的浮选泡沫图像 处理系统在江西铜业集团德兴铜矿大山选矿厂先 后两次成功进行工业试验。其研究成果在K Y F ． 2 0 0i n 3 浮选机[ t - 3 ] 作业流程上得到应用。 1系统方案 浮选泡沫图像处理系统是一套可以实时获取浮 选泡沫图像、连续对浮选泡沫图像处理分析，得到 反映浮选泡沫状况的特征参数，并根据预建立的 数学模型给出预测的浮选品位指标的软硬件系统 平台。 本系统能够采用不同的模式获取一台或者多达 4 台相机的高精度浮选泡沫图像，能够通过千兆网 远距离传输所获取的图像信息，软件处理平台对获 取的浮选泡沫图像进行实时处理分析，最终给出相 对应的浮选品位预测值。 浮选泡沫图像处理系统由软、硬件平台组成， 硬件平台主要由相机子系统、照明子系统、机械架 构子系统、图像处理工作站等组成；软件平台主要 基于微软V S 2 0 0 5 ．N E T 平台开发，包括图像获取模 图1 原理示意图 F i g ．Ip r i n c i p l es c h e m a t i cd i a g r a m 块、图像特征参数提取模块、品位预测模块等。 浮选泡沫图像处理系统的核心技术主要包括基 于规则的区域生长图像分割方法、基于属性匹配的 浮选视频测速方法、改进型B P 神经网络数学模型 等技术。 2 硬件平台 B F l P 卜I 型浮选泡沫图像处理系统由浮选泡 沫图像获取设备、浮选泡沫图像传输设备、浮选泡 沫图像处理设备三部分组成。 浮选泡沫图像获取设备主要包括彩色工业 C C D 相机、照明系统、取样子系统。通过彩色工 业C C D 相机，可以获取高精度的彩色浮选泡沫图 基金项目国家高技术研究发展计划 8 6 3 计划 重点项目 2 0 0 6 A A 0 6 0 2 0 5 收稿日期2 0 1 0 0 9 1 7 作者简介梁栋华 1 9 7 9 一 ，男，河南濮阳人，工程师。 万方数据 4 4 有色金属 选矿部分2 0 11 年第1 期 像，并且可以根据调整相机各项参数从而调整浮选 泡沫图像的质量。照明系统具备高显色指数、面光 源、高频率、长寿命等技术特点。取样子系统可以 为用户提供图像获取设备与图像处理设备之间的通 信功能，满足用户对系统的标定需求。 浮选泡沫图像传输设备，主要包括6 类F T P 双绞线、千兆网络交换机，以及可选的光纤传输 系统。 浮选泡沫图像处理设备，主要包括浮选泡沫图 像处理工作站以及安装运行在上面的浮选泡沫图像 处理软件系统。浮选泡沫图像处理软件系统可以根 据获取的浮选泡沫图像计算出浮选泡沫大小、个 数、稳定性、速度、颜色、纹理等特征参数，并能 够通过O P C 协议上传至D C S 。 图2 现场应用图 F i g ．2 I n d u s t r i a ls i t ea p p l i c a t i o nd i a g r a m 图3 区域分割效果图 F i g ．3R e g i o n a l s e g m e n t a t i o n 3 ．3 提取泡沫图像特征参数 系统根据图像分割后的结果，采用了一种基于 属性匹配的浮选视频测速方法『6 ] 得到了浮选泡沫 的移动速度。与此同时，也获取了浮选泡沫的纹 理、颜色、大小、形状等特征参数。 3 ．4 改进型B P 神经网络数学模型 由于B P 神经网络有着高效的特征提取方式、 大量有代表性的训练样本、稳定有效的学习方法 等优点，本课题选择B P 神经网络建立预测数学 模型。 通过图像特征参数提取算法得出的浮选泡沫图 像特征参数作为B P 神经网络的样本输入，相应地 将采集到的浮选流程中矿浆品位化验数据作为B P 神经网络的样本输出，通过对训练样本进行特定的 有向导学习后，最终得出合理的预测数学模型，从 而解决浮选泡沫参数与矿浆品位、回收率之间的相 关性问题。 3 软件平台 4 建立模型 3 ．1 获取泡沫图像 获取稳定可靠的浮选泡沫图像视频流是系统的 基本前提，本系统基于C C D 相机厂家提供的软件 开发包，在微软V S ．N E T 平台下完成了视频图像获 取模块的开发。 视频图像获取模块采用多线程等技术手段，使 得系统可以实时获取、显示图像数据。视频图像传输、 分辨率达到1 0 2 4 x 7 6 8 ，显示帧率达到3 0f ／s e e 。 3 ．2 处理泡沫图像 为了提取泡沫图像的特征参数，系统首先对图 像进行滤波、灰度图变换、分割等各种处理。 在处理泡沫图像的算法中，图像分割Ⅲ是系 统核心之一。区域分割效果图见图3 。 改进型B P 神经网络模型预测品位的实现包括 模型建立和使用模型预测品位两个过程，具体地分 为四个步骤数据的获取和预处理、训练网络、模 型预测、数据后处理。 根据建立好的数学模型，随机用占总体数据 2 0 ％的检测数据进行测试，结果见图4 。 如图4 所示，根据建立的数学模型预测出铜品 位与真实品位 取样化验得到 的比较，两者平 均相对误差达到9 ．7 8 ％。很好地反映了品位变化 的趋势。 5 结论 在江西铜业集团德兴铜矿大山选矿厂的应用过 程中，通过矿浆取样分析品位并同时获取相对应的 万方数据 2 0 11 年第l 期 梁栋华等B F I P s I 型浮选泡沫图像处理系统的应用与研究4 5 堡 趔 工置 琢 0 24681 01 21 41 61 82 0 图4 预测铜品位与化验品位曲线图 F i g ．4 F o r e c a s tc o p p e rg r a d ea n dl a b o r a t o r yv a l u e s d i a g r a m 浮选泡沫图像特征参数，B F I P S _ I 型浮选泡沫图 像处理系统建立了改进型B P 神经网络数学模型。 通过该模型，精矿品位预测值与实验室化验值的平 均相对误差小于1 0 ％。 B F I P S I 型浮选泡沫图像处理系统积极有效 地指导了浮选作业的操作，并在一定程度上减轻了 现场操作人员的工作负荷，对大山选矿厂有着实际 的经济效益与社会效益。 参考文献 [ 1 ] 杨丽君，史帅星，陈东，等．2 0 0 m ，充气机械搅拌式浮选机 动力学研究[ J ] ．有色金属 选矿部分 ，2 0 0 9 2 2 9 3 1 ． [ 2 ] 史帅星．2 0 0 m 3 超大型充气机械搅拌式浮选机工业试验 研究[ J ] ．有色金属 选矿部分 ，2 0 0 9 3 3 4 3 7 ． [ 3 ] 沈政昌．2 0 0 m 3 超大型充气机械搅拌式浮选机设计与研 究[ J ] ．有色金属，2 0 0 9 4 1 0 0 1 0 3 ． [ 4 ] 北京矿冶研究总院．2 0 1 0 ．基于规则的区域生长图像分 割算法中国，Z L 2 0 0 8 1 0 11 8 7 9 4 ．6 [ 5 ] 北京矿冶研究总院．2 0 1 0 ．基于属性匹配的浮选视频测 速方法中国，z L 2 0 0 8 1 0 1 1 8 7 9 5 ．0 A p p l i c a t i o na n dr e s e a r c ho fB F I P S - f l o t a t i o ni m a g ep r o c e s s i n gs y s t e m L I A N GD o n g h u a ，Y UF e i ，Z H A OJ i a n j u n ，L IC h u a n w e i B e i j i n gG e n e r a lR e s e a r c hI n s t i t u t eo fM i n i n ga n dM e t a l l u r g y ，B e i j i n g10 0 0 7 0 ，C h i n a A b s t r a c t W i t hp r a c t i c a la p p l i c a t i o ni nD a s h a nC o n c e n t r a t o r ，B F I P S If l o t a t i o ni m a g e p r o c e s s i n g s y s t e mw a ss p e c i f i e df r o ms y s t e ms c h e m a t i c ，h a r d w a r ea n ds o f t w a r ep l a t f o r m ，m o d e l i n g ，e t c ．T h es y s t e mc a n q u i c k l ya n da c c u r a t e l yp r o v i d et h ec h a r a c t e r i s t i cp a r a m e t e r so ft h eb u b b l ei m a g e sa n de s t a b l i s hn e u r a l n e t w o r km a t h e m a t i c a lm o d e l s ，a n dm a k et h ea v e r a g er e l a t i v ee r r o ro fm o d e lp r e d i c t i n g g r a d ev a l u e c o m p a r e d w i t ha n dl a b o r a t o r yt e s tg r a d ev a l u el e s st h a n10 ％． K e yw o r d s f l o t a t i o n ；b u b b l eI m a g e ；g r a d ep r e d i c t i o n 、 八给 ／乱 ／；、 ／佘 石、 ／乱 ／；、 ‘卜 ‘、 ／乱 ／乱 ／小 ／玉 石℃／i ＼ ／佘 岔 ／佘 ‘卜 ／、 ／乱 石、 石、 ／佘 ／籴 岔 ／；、 ／佘 ／会 ／佘 ／籴 ／佘 ／兮 上接第5 5 页 C o l l e c t i n gp r o p e r t i e so fn e wc h e l a t ec o l l e c t o r so nd i a s p o r ea n da l u m i n o s i l i c a t em i n e r a l s Y ／NZ h i g a n g ，Y IY u n l a i ，J I A N GY u r e n C o l l e g eo fC h e m i s t r ya n dC h e m i c a lE n g i n e e d n g ，C e n t r a lS o u t hU n i v e r s i t y ，C h a n g s h a 4 1 0 0 8 3 ，C h i n a A b s t r a c t C o l l e c t o r sH C M Th a sb e e ns y n t h e s i z e d ．c o n t a i n i n gb o t hc a r b o x y la n dh y d r o x a m i n og r o u p ． T h ef l o t a t i o nb e h a v i o r so fd i a s p o r e 。k a o l i n i t ea n di l l i t eh a v eb e e ni n v e s t i g a t e d b yu s i n gH C M Ta sc o l l e c t o r ． T h ef l o t a t i o nr e s u l t sr e v e a l st h a tag o o ds e p a r a t i o nc a nb er e a l i z e db yu s i n gH C M Ta sc o l l e c t o r ．T h r o u g ht h e f l o t a t i o nt e s t s ，Z e t ap o t e n t i a la n dF r r I Rm e a s u r e m e n t s ，t h ei n t e r a c t i o nm e c h a n i s mc a nb ec o n c l u d e d ． I s o e l e c t r i cp o i n t I E P w a sd e t e r m i n e dt ob e6 ．2 ，3 ．0a n d2 ．8f o rd i a s p o r e ，k a o l i n i t ea n di l l i t e 。r e s p e c t i v e l y ． S E M l0 ，0 0 0 s h o w st h a td i a s p o r et a k e so v a ls h a p e 。a n dk a o l i n i t ea sw e l la si l l i t et a k ei r r e g u l a r a p p e a r a n c e ．T h ei n t e r a c t i o no ft h e c o l l e c t o r o nt h ed i a s p o r es u r f a c ew a sc h e m i c a la d s o r p t i o n t h ec h e m i c a l a d s o r p t i o no f c h e l a t o ri o no nd i a s p o r em a yt a k ep l a c et h r o u g h C 0 0 H ．一N H O Ha n d A 1 一Ob o n df o r m i n g d o u b l er i n g s t h ea d s o r p t i o no nk a o l i n i t ea n di l l i t eW a sm a i n l yp h y s i c a la d s o r p t i o n ． K e yw o r d s c o l l e c t o r ；d i a s p o r e ；a l u m i n o s i l i c a t em i n e r a l s ；a d s o r p t i o nm e c h a n i s m 加 2 m ， O o 万方数据