机器视觉技术在浮选精矿品位软测量中的研究现状_任传成

·70·

10.3969/j.issn.1671-9492.2014.01.018doi：

有色金属（选矿部分）２０１４年第１期

机器视觉技术在浮选精矿品位软测量中的研究现状

任传成，杨建国

）（中国矿业大学国家煤加工与洁净化工程技术研究中心，江苏徐州221116

摘

要：针对浮选过程中亟待解决的精矿品位测量问题，阐述了实现精矿品位检测的重要意义。概述了国内外机器视

觉技术在精矿品位软测量方面的研究进展，着重介绍了辅助变量选取、基于回归分析和神经网络的建模方法。最后对机器视觉在精矿品位软测量中的发展趋势进行了展望。

关键词：精矿品位；机器视觉；软测量中图分类号：TD928.9；TP273

文献标志码：A

文章编号：1671-9492（2014）01-0070-04

ReviewoftheMachineVisionTechnologyintheSoftSensorofConcentrateGradeforFlotation

Process

RENChuancheng，YANGJianguo

（NationalEngineeringResearchCenterofCoalPreparationandPurification，China

UniversityofMiningandTechnology，XuzhouJiangsu221116，China）

Abstract：Themeasurementproblemofconcentrategradewasneededtobesolvedintheflotation

operation，andthesignificanceoftheconcentrategradetestingwereclarified.Theprogressofmachinevision

technologyinthesoftsensorofconcentrategradewassummarizedinthispaper，andselectionofthesecondaryvariables，modelingbasedonregressionanalysisandartificialneuralnetworkwereintroducedemphatically.Finallytheprospectionofthistechnologywasdiscussed.

Keywords：concentrategrade；machinevision；softsensor

在选矿厂浮选生产过程中，精矿品位不仅表征浮选产品中有用矿物含量多少，而且还是浮选生产的关键控制指标。浮选生产的主要目的是在确保精矿品位符合等级要求的条件下追求最大回收率和最佳经济效益，因此，只有实时准确地测量出精矿品位，有利于现场随时调整运行参数，将精矿品位控制在最佳范围内，从而最大可能地提高浮选生产效率。但是精矿品位受到入浮矿物特性、矿浆流量和浓度、药剂用量、充气量、以及泡沫层厚度、气泡尺寸等多种因素的影响，而且浮选过程具有非线性、大迟滞性、参数时变和多变量耦合等特点，其工作机理十分复杂，这些复杂性和不确定性给精矿品位在线测量带来了极大挑战。

采用基于机器视觉的精矿品位软测量技术是解决以上问题的有效途径之一。20世纪90年代以来，国内外研究人员已提出通过视觉传感器建立浮选泡沫图像采集系统［１－１０］，利用图像技术分析得到

2012LWB22）基金项目：中央高校基本科研业务费专项资金资助项目（

收稿日期：2013-03-05修回日期：2013-11-23作者简介：任传成（１９７２－），男，山东淄博人，副教授，博士研究生。

泡沫图像特征，构造出泡沫图像特征与精矿品位之间的数学模型，通过该模型可以实现精矿品位信息

的连续输出，为优化浮选生产提供可靠的数据保证。基于机器视觉的精矿品位软测量技术主要包括泡沫图像采集、泡沫图像分析与处理、精矿品位模型等部分组成。图1是一种典型的浮选泡沫图像采集系统。精矿品位模型是精矿品位软测量技术的重要组成部分。下面重点阐述基于机器视觉的精矿品位软测量建模方法的研究现状，为今后的机器视觉技术在浮选精矿品位软测量中应用研究提供重要参考。

1浮选精矿品位软测量

基于机器视觉技术的浮选精矿品位软测量模型主要由辅助变量的选取、精矿品位软测量建模方法两部分组成，如图2所示。其中精矿软测量建模方法是机器视觉技术在精矿品位软测量应用的核心部分。精矿软测量建模方法的关键是确定与主导变量