基于机器视觉的矿物浮选过程建模与优化控制

矿物浮选泡沫表面视觉特征是浮选工况与工艺指标的直接指示器，人工观察泡沫进行现场操作的方式无法满足当前经济发展对浮选精矿产量、质量以及节能降耗减排的需求。将机器视觉应用到浮选过程监测与优化控制中是突破浮选过程建模与优化控制难题的一种新方案。本项目拟系统地研究高质量的浮选泡沫图像实时采集方法；探讨与浮选工况和工艺指标密切相关的泡沫图像关键视觉特征提取方法及表征方式；研究泡沫图像信息的在线处理技术和基于泡沫视觉特征的浮选过程建模方法；提出基于泡沫视觉信息的浮选过程随机分布控制方法和浮选生产指标综合优化控制策略；形成较为系统的基于机器视觉的浮选过程建模、控制与优化理论，为浮选过程的优化控制奠定基础，是对生产过程建模与优化控制理论的丰富。项目的成功实施对提高选矿企业的国际竞争力，实现我国矿产资源的可持续发展具有重要的战略意义与经济价值。

浮选泡沫是应用最为广泛的一种选矿方法，单纯依靠人工视觉巡检手动操作的生产方式无法满足当前经济发展对浮选精矿产量、质量以及节能降耗减排的需求，亟需突破浮选过程建模与优化控制难题。本项目系统地开展了相关研究，取得丰硕的研究成果：①研发了由工业摄像机、高频光源及嵌入式图像获取装置等设备构成的高质量浮选图像采集平台，解决了高粉尘、强干扰等恶劣环境下长时间正常工作及高清晰泡沫图像获取难题；率先提出了基于药剂变化量敏感性指数的浮选泡沫图像关键特征选择方法及浮选泡沫尺寸、颜色、流速、虚实度及纹理等泡沫图像特征提取方法，解决了开放环境下动态图像的多特征提取难题。②提出了基于数字图像统计特征、过程工艺检测数据以及工艺机理知识的浮选过程关键工艺参数检测方法，建立了图像特征与生产指标、操作参数之间的数学模型，发明了精矿品位、尾矿金属含量、入矿品位及矿浆pH值实时预测技术，解决了矿物浮选过程金属品位的在线检测难题。③提出了泡沫视觉特征与工艺参数融合的浮选入矿类型识别、基于自学习的浮选生产过程加药量健康状态识别、基于多尺度纹理特征和嵌入先验知识k-means聚类的病态工况识别、以及基于随机分布控制SDC新的故障诊断和故障容错控制方法。④建立了泡沫尺寸随机分布模型，提出了基于模糊前馈和基于泡沫尺寸分布反馈的药剂量控制方法、操作模式与区间II型模糊系统相结合的浮选过程加药控制策略；提出了基于泡沫图像特征的浮选槽液位智能优化设定方法，基于泡沫图像表面视觉特征分布概率密度函数和工况辨识的加药量协调优化控制方法，改变了“人工看泡、手动操作”的生产模式。⑤研制了基于分布机器视觉的浮选过程监控系统，应用于铜浮选、铝土矿浮选、金锑浮选、硫浮选等生产过程，应用成效明显，为我国难处理矿产资源的高效浮选提供了新思路和新方法。上述研究成果较为系统地给出了基于机器视觉的浮选过程建模、控制与优化理论与方法，为浮选过程的优化控制提供理论基础。获湖南省自然科学一等奖1项、中国有色金属工业科学技术发明一等奖1项，出版专著1本，发表学术论文105篇，其中SCI收录38篇、EI收录78篇，申请发明专利19项，其中授权7项，软件著作权3项；培养院士1名、杰青/长江学者1名、教育部新世纪人才1名、教授2名、副教授2名、博士8名、硕士40名，举办学术会议3次，项目组成员在国际学术会议作大会报告、特邀报告11次。