本技术提出了一种浮选泡沫图像特征提取与多工况识别系统及方法,旨在浮选技术领域内,针对现有技术中泡沫图像采集困难、极端工况数据不足、图像识别模型泛化能力有限等问题,提供了一种创新解决方案。
背景技术
浮选作为目前煤炭、铜镍硫化矿、铅锌矿等矿产资源核心的提纯手段,其浮选效果直接影响产品质量,因此浮选过程中泡沫状态、精矿品位、产率等浮选效果工况信息的监测与量化对于实现矿品质优化和生产过程的精细控制至关重要。然而,在传统浮选过程中,浮选司机经常通过观察浮选泡沫状态对浮选效果进行判断调节,此种方法依赖浮选司机个人经验估算浮选工况,缺乏统一的量化标准,无法做到浮选全周期的状态监控,这导致了生产波动较大的问题。
传统的浮选泡沫图像数据采集,往往需要在现场进行工业图像采集,其数据标签同样来自于现场的化验数据,此种方法虽最为直观实际,但由于工业过程流程较长,泡沫状态与浮选指标存在滞后关系,数据标签存在失真问题,此外,数据采集过程中需要人为创造各种浮选恶化条件,影响选矿厂经济效益。因此,直接在现场取样不利于实验室前期研究以及单元条件实验。
实现思路