基于机器视觉的矿物浮选过程建模与优化控制

提出多结构形态小波的图像滤波方法，去除图像噪声； 融合多空间颜色信息，提出多尺度空间的恒常颜色特征提取方法； 提出形变模型分步处理方法，逐层细化实现非均匀气泡混合共存的 复杂泡沫图像的分割； 对相邻帧区域图像特征进行配准，提取泡沫速度与稳定度特征； 引入分形理论，实现旋转不变的随机纹理特征提取； 运用统计理论方法，定量描述尺寸分布特征。
6/29
1.2 国内外研究现状
理论研究

项目背景
欧盟投巨资联合多个国家的大学和企业，开展了泡沫图像处理与浮选过程 监测方面的研究； 加拿大、南非、智利、澳大利亚等国家通过获取泡沫图像视觉特征来进行 浮选泡沫状态分类，以期为浮选生产操作提供指导； 英国曼彻斯特大学和帝国理工大学结合浮选机理，在实验室进行了浮选泡 沫层动力学建模方面研究；
24/29
2.2.6 工业应用
研究内容
应用到国内典型重金属、轻金属和非金属矿物浮选 过程，验证和完善基于机器视觉的浮选过程优化控 制理论与方法。
基于机器视觉的浮选过程优化控制理论与方法
矿物浮选生产过程
铝土矿浮选过程
铜矿浮选过程
硫浮选过程
……
25/29
提
纲
一、项目背景 二、研究内容 三、研究目标
26/29
过程参数、 指标化验数据处理
指标优化
二级溢流 矿浆
速度
颜色
泡沫层 …
粗选 稳定度 精矿 图像采集及特征提取
粗扫 过程建模 泡沫层 精选I …
摄像机3 泡沫层 精选II …
粗选槽、扫选槽、精选槽加药量、 泡沫层厚度、通风量控制 过程控制 泡沫层 尾矿 …
尾矿
矿浆 泡沫 尾矿
精扫
总精槽
11/29
2.2 研究内容
泡沫越稳定，气泡越小 泡沫越不稳定，越多的大气泡合并 泡沫水化严重，泡沫承载量越小，泡沫亮度高 泡沫越粘稠，稳定，移动速率慢，泡沫亮度变暗 泡沫速率越快，水化越严重 泡沫越粘稠，移动速率越慢 泡沫矿化程度越高，可观察到粘稠、移动速率慢的泡沫 泡沫水化越严重，越不稳定 气泡越小，容易破碎 泡沫越稳定（粘稠泡沫），气泡较大 气泡越大，速率越快，矿化程度低 气泡越小，速率越慢，矿化程度高
泡沫视觉特征与 工艺指标的关系 模型
全流程（粗选、 基于泡沫视觉特征的操作 精选及扫选）加 药量、通风量、 泡沫层厚度的协 调控制 矿物浮选过程
最优生产指 标下的泡沫 视觉特征
变量（加药量、通风量、 泡沫层厚度）优化
速度 ：4.11 相对红色分量：0.928 能量：0.1743 熵：0.7774 稳定度：0.9956

基于泡沫大小随机分布的浮选过程
自动加药量控制方法；

基于泡沫视觉特征参量的浮选过程 泡沫层厚度、通风量控制方法；
控制方法

基于泡沫图像特征的精矿品位与尾 矿金属含量等工艺指标控制方法；

基于多视觉信息融合的浮选全流程 协调控制方法。
19/29
2.2.4 基于视觉信息的浮选过程控制

研究内容
浮选过程加药量直接体现在泡 沫大小随机分布上； 运用基于迭代学习机制的随机 控制方法，实现基于泡沫尺寸 概率密度函数的浮选加药过程 控制.
13/29
2.2.1 高质量泡沫图像采集方法
浮选泡沫图像采集

研究内容
构建由高分辨率工业摄像机、高频光源、防护装置等设备组成的泡沫图像 采集系统；

基于空间和时间上分布的光照测量数据，建立光源分布的数学模型，对光
源进行衰减补偿；

集成工业摄像机与基于微处理器的处理 子系统，研制专用高速泡沫图像采集与 处理系统。
3 研究目标
理论成果



构建高可靠性的图像采集平台，提出高质量的泡沫图像采集方法； 提出系统的、适应性强的浮选泡沫关键视觉特征参量实时获取与表征方法； 建立泡沫层动力学模型、工艺指标软测量和预估模型、泡沫图像特征与操作变量 之间的多参量耦合关系模型以及实现基于视觉信息的工况分类与识别； 实现基于泡沫尺寸概率密度函数分布的浮选加药过程控制、基于泡沫层厚度预测 的浮选过程通风量控制以及给定工艺指标条件下的浮选过程控制； 确定最优工艺指标下的泡沫视觉特征，实现操作变量的优化设定以及基于多视觉 信息特征融合的全流程协调控制，最终实现基于机器视觉的浮选生产指标综合优 化。
国家自然科学基金重点项目研讨会
基于机器视觉的矿物浮选 过程建模与优化控制
桂 卫 华
中南大学控制工程研究所
2011年11月5日 长沙
提
纲
一、项目背景
二、研究内容 三、研究目标
2/29
1.1 概述
全与经济发展的重要保障

项目背景
矿产资源是人类社会赖以生存和发展的物质基础，是国家安
95%以上的能源、85%的工业原料及70%的农业生产资料取自矿产资源； 矿产资源不可再生，如何确保矿产资源的可持续开发利用是目前亟待解 决的关键问题。

速度向量
区域搜索 连续两帧泡沫图像
相关性分析
不同泡沫层厚度对应的速度
21/29
2.2.4 基于视觉信息的浮选过程控制
+
研究内容
+

-
-


精矿A/S 预估 泡沫图像 期望的 精矿A/S 下料量、回水温 度等边界条件 工艺参数回路控制 加药量 化 验
浮选过程精矿品位 等指标不能在线检 测，需建立图像特 征与浮选指标之间 的预测模型； 运用基于图像特征 的模型预测控制 (MPC)方法对浮选 生产指标进行控制。
马达

浮选过程是在矿浆中加入浮选药剂，产 生气泡，气泡上浮过程中，金属矿物粒 子吸附在泡沫表面，通过收集含矿泡沫， 回收有用矿物，提高精矿品位； 矿物浮选回收率与国外相比差距大，铜、 铝、锌、金、铁、铅等金属浮选回收率 比国外平均低5~10%，锰则低达45%。
旋转轴 空气 回收槽
浮选槽

转子
定子
5/29



中国矿业大学在实验室进行了煤泥浮选泡沫状态识别方面的研究。
上述工作主要为理论研究，为工业浮选过程监控提供了思路和 方法指导。
7/29
1.2 国内外研究现状
工业应用

项目背景
奥托昆普公司开发的FrothMaster系统，该系统通过测量浮选泡沫大小、 颜色和速度视觉特征的变化来监视浮选过程；
北京矿冶研究总院与金川公司合作在镍浮选现场开发了泡沫图像处理工作 站，实现了基于单浮选槽的泡沫监测； 中南大学与中国铝业集团合作，研发的“矿物浮选泡沫图像处理技术”已 成功应用于实际生产，并取得一定的成效。


上述研究主要集中在浮选过程视觉监测上，还没有系统地研究基于泡沫视 觉特征的浮选过程控制。
浮选过程建模、控制、优化的理论与方法亟待深入研究。
项目背景
选矿是矿产资源加工中的一个重要环节，选矿水平高低直
矿石资源
选矿
冶炼
金属产品

泡沫浮选是最重要的选矿方法，广泛应用于钢铁、有色金属、 煤炭、化工、环保等工业部门，几乎所有的矿石都可用该方 法来分选； 其中90%以上有色金属是经泡沫浮选处理。
4/29

1.1 概述
项目背景
泡沫浮选是发生在固、液、气三相界面上连续物理化学过程

精选过程 优化设定 模型
加药调节回路
风压量 液位高度
风压调节回路 液位调节回路
精选 首槽
精矿
22/29
2.2.4 基于视觉信息的浮选过程控制

+ +
研究内容
+

精矿与尾矿 A/S预测

+
浮选过程粗选、精选、扫选槽之间 相互关联耦合，研究各槽图像特征 信息在浮选流程中的相互关系，实 现各槽操作参数的协调控制策略
研究内容

17/29
2.2.3 基于视觉信息的浮选过程建模
工艺参数指标软测量和预估
研究内容
基于图像特征信息的建模理论与方法，建立矿浆酸碱度、精矿品位、尾矿金属含 量等指标的软测量和预估模型
工况分类与识别
基于特征变化趋势，实现基于视觉信息的浮选生产工况分类与识别方法
多参量耦合关系模型
提
纲
一、项目背景
二、研究内容 三、研究目标
10/29
2.1 总体框图
工艺机理及专家知识 图像特征选择 尺寸 摄像机1 纹理 动力学模型， 矿浆pH值、精矿品位、 尾矿金属含量预测， 工况分类与识别
研究内容
工艺指标与泡沫特征 关系模型 基于泡沫视觉特征 的浮选过程操作变量优化 经济指标
摄像机2 泡沫层 …
(a)
(b)
跟踪不同药剂条件下泡沫大 小随机分布
(c) 不同药剂(捕收剂)条件下泡 沫图像
对应的泡沫尺寸分布
20/29
2.2.4 基于视觉信息的浮选过程控制

研究内容

浮选过程泡沫层厚度和通风量的变 化直接反映于泡沫流动速度上，两 者对浮选分选性能有相同的效果； 在通风量一定的条件下，采用基于 宏块跟踪的模板匹配方法提取速度 特征，实现基于速度特征的浮选过 程泡沫层厚度控制。
+ +
底流 精选过程参 数回路控制 + +

期望的 尾矿A/S
扫选过程参 数回路控制
23/29
2.2.5 基于机器视觉的浮选过程指标优化
——研究浮选过程泡沫视觉特征参量与关键操作变量设定 值的优化计算方法
泡沫尺寸分布、 颜色等视觉特征 浮选过程指标优化
研究内容
精矿品位、矿物 回收率、药剂消 耗量
14/29
2.2.2 浮选泡沫图像特征提取与表征
过程参数描述
起泡剂用量越多 加 药 量 液 位 矿 浆 性 质 通 风 量 起泡剂用量越少 捕收剂用量太少 捕收剂用量过多 矿浆液位越高 矿浆液位越低 矿浆浓度越高 矿浆浓度越低 入选颗粒越粗 入选颗粒越细 空气流量越高 空气流量越低
研究内容
泡沫情况
1.1 概述
作，难以实现浮选生产过程的稳定优化运行

项目背景
现有浮选生产主要依靠人工观察泡沫表面视觉特征进行操
主观性强，误差较大； 生产指标波动频繁，难以保证精矿产品质量； 药剂消耗大，资源回收率低。
研究基于机器视觉的浮选过程监测及优化控制技术，实现浮 选生产流程的整体优化运行，对提高精矿品位和矿物资源利 用率具有重要意义。
1. 高质量的泡沫图像采集方法 2. 浮选泡沫图像特征提取与表征 3. 基于泡沫视觉信息的浮选过程建模 4. 基于泡沫视觉信息的浮选过程控制 5. 基于机器视觉的浮选生产指标综合优化 6. 理论验证与工程应用
12/29
2.2.1 高质量泡沫图像采集方法
成像环境恶劣

研究内容
粉尘多； 浮选机震动大； 酸（水）雾干扰； 光照条件复杂多变； 现场电子设备干扰严重。

16/29
2.2.3 基于视觉信息的浮选过程建模
研究基于图像信息的浮选过程建模方法
过程机理建模
根据浮选过程流体动力学原理，建立浮选泡沫流体动力学模型； 根据气泡的生成与扩散原理，建立气体扩散模型； 根据气泡和粒子碰撞与粘附的概率原理，建立概率模型 ； 根据气泡排水过程原理，建立水回收率模型； 根据气泡碰撞过程中破碎与合并原理，建立空气回收率模型； 根据浮选过程总体平衡原理，建立总体平衡模型。
泡沫颜色、流速、稳定度、表面纹理、气泡大小及其分布等表面视 觉特征与浮选工况状态和工艺指标密切相关。 15/29
2.2.2 浮选泡沫图像特征提取与表征
研究在线的浮选泡沫图像处理与视觉特征提取方法
研究内容
——浮选气泡形状差异大、相互堆积、挤压；移动过程中气泡坍塌、破碎严重； 气泡颜色受光照影响；泡沫表面视觉特征分布表现出随机分布状态。
基于统计理论、最小二乘辨识模型等方法，建立泡沫图像特征与操作变量（加药量、 通风量及泡沫层厚度）的关系模型
全流程建模
建立粗选、扫选及精选泡沫图像之间的关系模型
18/29
2.2.4 基于视觉信息的浮选过程控制
研究内容
——根据浮选流程特点及泡沫特征与浮选工艺的关系，研究以下控制方法，以节 约浮选过程药剂消耗、稳定浮选生产流程。
矿产资源日益紧缺，严重制约了国民经济的发展

按可供储量静态计算，到2020年，我国45种主要矿产中仅19种可以基 本满足需求，21种难以满足需求，5种出现短缺；
大部分矿产资源为贫矿、难选矿、共生矿；综合利用率仅为30%左右， 比国外先进水平低约20 %. 3/29

1.1 概述
接影响矿物资源回收率
8/29
1.3 研究意义
项目研究具有重要的科学意义及应用价值
项目背景
有效促进选矿、过程控制、图形图像处理、人工智能等多学科的交叉 发展； 系统地提出基于图像信息的浮选过程建模与优化控制理论与方法，为 我国浮选生产过程优化控制提供理论基础，丰富控制理论方法与技术， 有力地促进控制科学与工程学科的发展； 有效提高我国矿产资源利用率和精矿品位，减少药剂消耗，对提高我 国选矿企业的经济效益和国际竞争力，实现矿产资源的可持续发展有 重要的战略意义。 9/29
精矿A/S 预估
泡沫图像

扫选 过程 补偿
-
入料pH与 A/S预估
浮选过程优化 控制设定模型 下料量、 回水温度 等边界条 件
尾矿A/S 预估
泡沫图像
粗选 过程 补偿
+ห้องสมุดไป่ตู้+
精选 过程 补偿
泡沫图像

粗选过程参 数回路控制
粗选 首槽
泡沫
精选 首槽
精矿
粗扫 末槽
尾矿
期望的 精矿A/S
过程优 化预设 定模型