1. 1
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ
ЧЕРКАССКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ
На правах рукописи
АЛЬ-ДЖАНАБИ АКИЛЬ БАХР ТАРКХАН
УДК 004.05: 629.7.01
МЕТОД ПОВЫШЕНИЯ КАЧЕСТВА КОМПЬЮТЕРНОГО
ЗРЕНИЯ ДЛЯ СИСТЕМ УПРАВЛЕНИЯ ПЕННОЙ
ФЛОТАЦИЕЙ
05.13.06 – информационные технологии
Диссертация на соискание ученой степени
кандидата технических наук
Научный руководитель:
доктор технических наук, профессор
Рудницкий Владимир Николаевич
Черкассы 2016
2. 2
СОДЕРЖАНИЕ
СПИСОК ТАБЛИЦЫ…………………………………………. 7
СПИСОК РИСУНКИ…………………………………………. 8
СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ…………………... 11
ВВЕДЕНИЕ………………………………………………….… 13
РАЗДЕЛ 1 ПРОБЛЕМА ПОВЫШЕНИЯ КАЧЕСТВА УПРАВЛЕНИЯ
ПРОЦЕССОМ ОБОГАЩЕНИЯ МИНЕРАЛОВ НА
ОСНОВЕ ПРИМЕНЕНИЯ КОМПЬЮТЕРНЫХ
ТЕХНОЛОГИЙ………………………………….…………….. 19
1.1 Пенная флотация………………………………………...……. 20
1.1.1 Процесс флотации…………………………………..………... 22
1.1.2 Флотационные реагенты……………………………..………. 25
1.1.3 Контроль пенной флотации……………………..…………… 26
1.1.4 Сложности контроля флотации ……………………...……… 26
1.2 Визуально-ориентированный контроль флотации …………. 27
1.3 Анализ методов компьютерного зрения для управления
пенной флотации………………………………………...……. 31
1.4 Цель и задачи диссертационного исследования……………. 42
1.5 Выводы к разделу 1 …………………………………………... 43
РАЗДЕЛ 2 РАЗРАБОТКА ИНТЕГРИРОВАННОГО МЕТОДА,
ПОВЫШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЯ ПЕНЫ ДЛЯ
УПРАВЛЕНИЯ ФЛОТАЦИЕЙ……………………………… 45
2.1 Классификация методов повышения качества изображения
пены для управления флотацией…………………………….. 45
2.2.1 Методы повышения качества изображения пены,
основанные на ее физических свойства …………………….. 48
2.2.1.1 Алгоритмы обнаружения границ изображения……………... 49
2.2.1.2 Алгоритмы маркерного водораздела (watershed)…………… 50
3. 3
2. 2.1.3 Использование цвета пены…………………………………… 51
2.2.1.4 Использование других физических особенностей пены…… 51
2.2.2 Методы повышения качества изображения пены,
основанные на статистических характеристиках…………… 52
2.2.2.1 Методы повышения качества изображения пены, на основе
быстрого преобразования фурьер……………………………. 52
2.2.2.2 Методы повышения качества изображения пены, на основе
вейвлет-преобразования………………………………………. 53
2.2.2.3 Методы повышения качества изображения пены, на основе
фрактальных дескрипторов…………………………………... 55
2.2.2.4 Методы повышения качества изображения пены, на основе
матриц смежности и их вариантов…………………………… 56
2.2.2.5 Методы повышения качества изображения пены, на основе
спектрального анализа текстур………………………………. 57
2.2.2.6 Методы повышения качества изображения пены, на основе
латентных переменных……………………………………….. 58
2.2.2.7 Метод повышения качества изображения пены, на основе
межквартильнного размаха…………………………………... 59
2.2.2.8 Метод повышения качества изображения пены, на основе
среднего значение выборки…………………………………... 59
2.2.3 Методы повышения качества изображения пены,
основанные на ее динамических характеристиках…………. 60
2.2.3.1 Методы повышения качества изображения пены,
основанные на ее мобильности………………………………. 60
2.2.3.2 Методы повышения качества на основе устойчивости
изображения пены…………………………………………….. 62
2.2.3.3 Метод учета частоты лопанья пузырьков…………………… 64
2.3 Методы оценки качества технологического процесса………
4. 4
пенной флотации……………………………………………… 64
2.3.1 Метод учета рекуперация воздуха…………………………… 64
2.3.2 Метод учета содержания твердых частиц …………………... 66
2.3.3 Метод управления на основе восстановления воды………... 67
2.3.4 Метод оценки эффективности флотации на основе пика
стабильности пены…………………………………………… 68
2.4 Разработка интегрированного метода, повышения качества
изображения пены для управления флотацией…………….. 69
2.4.1 Оценка и сопоставление алгоритмов сегментации
изображений………………………………………………….. 70
2.4.2 Метод анализа иерархий (МАИ)……………………………. 72
2.4.3 Вычисление вектора весов критериев ……………………… 74
2.4.4 Вычисление матрицы оценок альтернатив и их
ранжирование ………………………………………………… 76
2.4.5 Проверка согласованности оценок………………………….. 77
2.4.6 Автоматизация парных сравнений………………………….. 79
2.4.7 Выбор метрики оценки качества изображения…………….. 81
2.5 Выводы к разделу 2………………………………………….. 83
РАЗДЕЛ 3 УСОВЕРШЕНСТВОВАНИЕ ИНТЕГРИРОВАННОГО
МЕТОДА, ПОВЫШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЯ
ПЕНЫ ДЛЯ УПРАВЛЕНИЯ ФЛОТАЦИЕЙ И ЕГО
РЕАЛИЗАЦИИ ……………………………………………….. 84
3.1 Снижение шума в изображениях пенной флотации ……….. 84
3.1.1 Определение модели шумов изображений пенной
флотации………………………………………………………. 84
3.1.1.1 Шум типа «соль и перец» (salt & pepper noise – SPN)……… 84
3.1.1.2 Случайный вариативный импульсный шум (random
variation impulsive noise – RVIN)…………………………….. 85
6. 6
3.3.5.1 Маркеры для изображений с пеной………………………….. 112
3.3.5.2 Региональный максимум и извлечение купола……………... 113
3.3.5.3 Пороговая бинаризация изображений……………………….. 116
3.3.6 Модификация изображения…………………………………... 117
3.3.6.1 Гомотопия: определение……………………………………… 117
3.3.6.2 Гомотопная модификация изображений…………………….. 118
3.3.6.3 Влияние параметра h на cегментацию изображений с пеной 119
3.3.7 Полный алгоритм водораздела……………………………….. 121
3.4 Обобщенный алгоритм реализации интегрированного
метода, повышения качества изображения пены для
управления флотацией………………………………………... 122
3.5 Выводы к разделу 3…………………………………………… 124
РАЗДЕЛ 4 РЕЗУЛЬТАТЫ РЕАЛИЗАЦИИ ИНТЕГРИРОВАННОГО
МЕТОДА, ПОВЫШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЯ
ПЕНЫ И ОЦЕНКА ЕГО
ЭФФЕКТИВНОСТИ……………………………………….... 125
4.1 Оценка качества изображения пены при стандартной
сегментации…………………………………………………. 125
4.1.1 Оценка исходных данных для сегментации изображений
(эталонные изображения)…………………………………….. 125
4.1.2 Результаты стандартней сегментации эталонных
изображений…………………………………………………… 127
4.1.3 Исходные данные для проверки фильтрации шумов в
изображениях пенной флотации……………………………... 129
4.2 Результаты фильтрации шумов в изображениях пенной
флотации……………………………………………………….. 130
4.2.1 Результаты фильтрации усредненным фильтром…………… 131
4.2.2 Результаты фильтрации медианным фильтром …………….. 132
7. 7
4.3 Усиление контрастности изображения ……………………… 133
4.3.1 Метод растяжения контраста (CS)…………………………… 133
4.3.2 Выравнивание гистограммы (HE) …………………………… 134
4.3.3 Локальное выравнивание гистограммы (LHE)……………… 136
4.3.4 Логарифмические преобразования (LT)……………………... 137
4.3.5 Степенные преобразования (PLT)……………………………. 148
4.3.6 Одномасштабный алгоритм ретинекс (single scale retinex -
SSR)……………………………………………………………. 139
4.3.7 Многомасштабный алгоритм Ретинекс (multi-scale Retinex -
MSR)……………………………………………………………. 141
4.4 Результаты применения алгоритма водораздела……………. 142
4.5 Оценка и сравнение результатов сегментации изображений
пены……………………………………………………………. 150
4.6 Выводы к разделу 4…………………………………………… 155
Выводы ………………………………………………………... 157
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ…………. 160
ПРИЛОЖЕНИЕ А......................................................................
ПРИЛОЖЕНИЕ Б......................................................................
179
189
СПИСОК ТАБЛИЦЫ
1.1 Список изменений в структуре пены вызванных различными
отклонениями процесса.
2.1 Классификация методов повышения качества изображения пены
для управления флотацией
2.2 Шкала 1-9 степеней значимости
2.3 Значения ИСС для небольших задач
4.1 Полутоновые изображения со средним μ, STD, и SNR
4.2 Количества пузырьков N образуют стандартную сегментацию.
4.3 Количеством сегментов (пузырьков) алгоритма водораздела без/с
8. 8
использованием алгоритма усиления контраста N’.
4.4 Разница между количеством пузырьков в стандартной сегментации
и количеством пузырьков в результате применения методов D=|N-
N'|
4.5 Среднее арифметическое D для каждого метода с использованием
всех изображений (D'=∑D(im1,,,, im6)/6) и время Т
4.6 Dw= D'min / D', Tw= Tmin / T,
4.7 Необходимо провести вычисления вектора весов критериев
4.8 Вычисления весов
4.9 Матрица параметров баллов
4.10 Ранжирование вариантов
СПИСОК РИСУНКИ
1.1 Схема технологического процесса измельчения
1. 2 Поперечное сечение флотационной камеры
1.3 Промышленная флотационная установка
1.4 Структура технологической схемы флотации
1.5 Структура флотационной камеры
2.1 Операции повышения качества изображения
2.2 Трехмерный массив данных цифровых изображений
2.3 Алгоритм маркерного водораздела для сегментации изображений
с пеной
2.4 Графическая демонстрация процедуры разложения 2D-
дискретного вейвлет-преобразования
2.5 Самоподобие окружности на разных изображениях
2.6 Спектральный анализ текстуры для выделения признаков из
изображений пены
2.7 Пик восстановления воздуха
3.1 Функция изменения контраста
9. 9
3.2 Пример гистограммы для массива 2D изображения
3.1 Графики различных функций преобразования
3.4 Принципиальная схема Ретинекса
3.5 Процесс выполнения алгоритма Ретинекс
3.6 Элементарный структурный элемент диска 4, 6 и 8-связности
3.7 Двоичные морфологические операции
3.8 Морфологические операции в шкале серого
3.9 Инвертированное изображение с пеной
3.10 График интенсивности пикселей вдоль строки развертки 150 для
инвертированного изображения
3.11 Результат прямого применения преобразования водораздела к
изображению
3.12 Изображение после расширения структурным элементом 5х5
3.13 Определение h-куполов полутонового изображения
3.14 Купола высоты 5
3.15 Купола высоты 15
3.16 Двоичный маркер изображения, полученный из рисунка 3.15
3.17 Купола высоты 50
3.18 Купола высоты 100
3.19 Произвольный набор маркеров
3.20 Сегментация изображений с произвольными маркерами,
наложенными как минимумы
3.21 Сегментация изображений с куполом высоты 5
3.22 Сегментация изображений с куполом высоты 15
3.23 Сегментация изображений с куполом высоты 50
3.24 Сегментация изображений с куполом высоты 100
3.25 Блок-схема алгоритма реализации интегрированного метода,
повышения, качества изображения пены для управления
10. 11
флотацией
4.1 Исследуемые шесть изображений
4.2 График средних значений изображений
4.3 График изображений стандартное отклонение
4.4 График соотношений сигнал-шум (SNR) изображений
4.5 Стандартная сегментация: a) исходные изображения im1-im6
сверху вниз, б) исходные изображения с результатами
сегментации человеком, в) обнаруженные человеком края, г)
сегментация с помощью алгоритма водораздела.
4.6 Стандартный процесс сегментации
4.7 Добавление шума
4.8 Общий этап фильтрации
4.9 a) изображение зашумленное SPN, б) изображение с
примененным усредненным фильтром.
4.10 а) изображение зашумленное SPN, б) изображение
отфильтрованное медианным фильтром.
4.11 Применение алгоритма преобразования контраста (CS).
4.12 Реализация алгоритма выравнивания гистограммы (HE).
4.13 Реализация алгоритма локального выравнивания гистограммы
(LHE).
4.14 Реализация логарифмического преобразования (LT).
4.15 Реализация степенного преобразования (PLT).
4.16 Реализация одномасштабного алгоритма Ретинекс (SSR).
4.17 Реализация многомасштабного алгоритма Ретинекс (MSR).
4.18 Общая блок-схема алгоритма исследования.
4.19-24 Результаты для im1- im6, a) входное изображение, b) стандартная
сегментация, с) водораздел изображения с исходной
сегментацией, d) водораздел изображения, улучшенного
11. 11
алгоритмом SSR, e) водораздел изображения, улучшенного
алгоритмом MSR, f) водораздел изображения улучшенного
алгоритмом SC, g) водораздел изображения, улучшенного
алгоритмом HE, h) водораздел изображения, улучшенного
алгоритмом LHE, i) водораздел изображения, улучшенного
алгоритмом LT, j) водораздел изображения, улучшенного
алгоритм PLT.
4. 25 Ранжирование вариантов
СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ
XRF - Рентгеновская флуоресценция
XRD - Дифракция рентгеновских лучей
IQR - Межквартальный диапазон
RGB - Красный, зеленый и синий
HIS - Насыщенности и интенсивности
HSV - Насыщенности и значений цвета
FFT - Быстрого преобразования Фурье
LH - Соответствуют применению фильтра верхних частот в
вертикальном и фильтра низких частот в горизонтальном
направлениях
HH - Фильтра высоких частот и в горизонтальном, и в
вертикальном направлениях
HL - Фильтра высоких частот в горизонтальном и фильтра низких
частот в вертикальном направлении
LL - Фильтра низких частот в обоих направлениях
GLCM - Матрица смежности уровня серого
PCA - Метода главных компонент
MR-MIA - Кратномасштабный многомерный анализ изображений
12. 12
GGHA - Обобщения обобщенного алгоритма Хебба
МАИ - Метод анализа иерархий
ЛПР - Лицу принимающему решение
ИС - Индекс согласованности
ИСС - Индекс случайной согласованности
НАСА - Национальное управление по воздухоплаванию и
исследованию космического пространства
PSNR - Качество представления пикового отношения сигнала к шуму
SPN - Шум типа «соль и перец»
RVIN - Случайный вариативный импульсный шум
SPKN - Спекл-шум
РЛС - Радиолокационных станций
SAR - Синтезированной апертурой
CS - Метод растяжения контраста
HE - Метод Выравнивание гистограммы
LHE - Метод Локальное выравнивание гистограммы
LT - Метод Логарифмические преобразования
PLT - Метод Степенные преобразования
SSR - Метод Одномасштабный алгоритм Ретинекс
MSR - Метод Многомасштабный алгоритм Ретинекс
CDF - Функция распределения
GC - Гамма коррекцией
ПЗС - Прибор с зарядовой связью
PAL - Построчное изменение фазы
im1,..im6 - Изображений с пеной
SNR. - Отношению сигнал-шум
STD - Стандартное отклонение
13. 13
ВВЕДЕНИЕ
Актуальность темы. На территории республики Ирак находится 9%
мировых запасов фосфатов и 600 млн тонн серы. Производительности серы 870
тысяч тонн в год, что эквивалентно 6% мирового производства. Исходя из
этого, перед учеными и инженерами стоит задача эффективного и бережного
использования имеющихся природных ресурсов. Для ее решения необходимо
повышать качество добычи, обогащения и переработки природных
ископаемых, так как от этого напрямую зависит экономическое состояние
Ирака и благополучие его граждан.
Одним из самых распространенных методов обогащения минерального
сырья – метод флотации. Первоначально разработанный в 1906 году для
обогащения сульфидов меди, свинца и цинка, в настоящее время позволяет
проводить обогащение оксидов, таких как гематит (оксид железа) и касситерит
(оксид олова) и других окисленных минералов, а также неметаллических руд,
таких как флюорит, фосфаты и мелкий уголь.
Флотация – это сложный физико-химический процесс, который зависит от
многих различных факторов, которые иногда трудно выделить. Действительно,
даже после более чем 100 лет использования он по-прежнему не достаточно
полно исследован.
В процессе исследования пенной флотации Описанием пен и «качества»
пены на основе визуальных параметров занимались G.A. Glembotskii, Sweet et
al., D.W.Moolman, J. Kaartinen и J. Hyötyniemi, E. T. Woodburn, Kordek и
Lenczowski, C. SUN и W.G. WEE, C. Symonds, D.R. Hatfield и D.J. Bradshaw, S.
T. Hales и многие другие. Полученные ими результаты создали платформу для
возможности использования информационных технологий в процессах
управления флотацией.
Управлением процессом обогащения минералов на основе применения
компьютерных технологий Фрэнсис и де Ягер занимались A. Cipriano, A. Soto,
14. 14
T. Van Schalkwyk, D. Mery, M. Gorain, C.O. Gomez, J.A. Finch, O. Haavisto, C.
Garrido, B.J. Shean and J.J. Cilliers, С. Aldrich, и другие.
Несмотря на имеющиеся результаты, для эффективного использования
информационных технологий в управлении процессами пенной флотации
необходимо решить ряд научных задач, связанных в первую очередь с
повышением качества компьютерного зрения, таких как повышение качества
изображения пены, повышение точности оценки параметров пены и ряда
других.
Исходя из изложенного, можно считать, что тема диссертационного
исследования «Метод повышения качества компьютерного зрения для систем
управления пенной флотацией» актуальная.
Связь работы с научными программами, планами, темами.
Диссертационная робота выполнена в соответствии с Постановлением
Президии НАНУ от 20.12.13 №179 «Основные научные направления и
наиболее важные проблемы фундаментальных исследований в области
естественных, технических и гуманитарных наук Национальной академии наук
Украины на 2014–2018 гг. », а именно пп. 1.2.1.1. «Разработка математических
методов и систем моделирования объектов и процессов», пп. 1.2.4.5.
«Разработка алгоритмов и программно-аппаратных средств для систем
компьютерного анализа, распознавания и синтеза речевых и зрительный
образов», пп. 1.2.9.2. «Разработка построения интеллектуальных
видеоприборов и систем реального времени», пп. 1.2.9.3. «Разработка новых
информационных технологий на основе измерений электрических, магнитных и
оптических сигналов та их пространственно-временной анализ»
Цель и задачи исследования. Разработать интегрированный метод
повышения качества изображения пены с учетом ее физических характеристик
и средства определения визуальных параметров для управления процессом
пенной флотации.
15. 15
Для достижения поставленной цели сформулированы и решены
следующие задачи:
1. На основе анализа, методов повышения качества изображения и методов
управления качеством пенной флотации, разработать интегрированный метод
повышения качества изображения пены, для управления флотацией.
2 Усовершенствовать интегрирований метод повышения качества
изображения пены с учетом физических характеристик пузырьков и качества
пены а также особенностями его реализации на средствах вычислительной
техники.
3. Оценить качество разработанного метода на основе использования
эталонный изображений пенной флотации.
Объект исследования – процессы повышения качества изображения.
Предмет исследования – метод повышения качества изображения пены и
определения визуальных параметров для управления процессом пенной
флотации
Методы исследования. В процессе разработки метода повышения
качества изображения пены использованы: методы повышения качества
изображения основанные на ее физических свойства, статистических
характеристиках, быстром преобразования фурьер, методы выделения границ
изображения, маркерного водораздела, сегментации изображений, метод
анализа иерархий, метрик оценки качества изображения, визуальной оценки; в
процессе усовершенствования разработанного метода использованы: методы
теории цифровой фильтрации, методы зашумления изображений, методы
снижение шума в изображениях пенной флотации, методы усиление
контрастности изображения, растяжения контраста, выравнивания гистограмм,
методы преобразования изображения: алгоритмические, степенные, алгоритм
Ретинекса, преобразование водораздела, инверсии изображения; для
программной реализации разработанного метода и его оценки применялась
16. 16
теория алгоритмов, дискретная математика, математическая статистика, методы
визуальной оценки.
Научная новизна полученных результатов. В процессе решения
поставленных задач автором получены следующие результаты:
1. Впервые разработан интегрированный метод повышения качества
изображения пены для управления процессом пенной флотации, основанном на
использовании метода анализа иерархий путем применения предложенных
показателей качества изображения, оценки и ранжирования методов
сегментации изображения, также ранжирования альтернатив, что позволило
обеспечить автоматизацию процесса пенной флотации и исключить
субъективизм оценки эксперта.
2. Усовершенствован интегрирований метод повышения качества
изображения пены на основе дополнительной фильтрации шумов и усиления
контрастности путем варьирования параметрами купола изображения с учетом
физических характеристик пузырьков и качества пены, что позволило получать
численные характеристики изображения для управления процессом пенной
флотации.
3. Получили дальнейшее развитие методы управления качеством
изображений пенной флотации на основе метода анализа иерархий путем
введения интегрированного показателя ранжирования методов сегментации
изображений, что обеспечило автоматизацию повышения качества
изображения пены для систем управления пенной флотацией.
Практическое значение полученных результатов. Практическая
ценность работы состоит в доведении соискателем полученных научных
результатов до конкретных инженерных методик, алгоритмов, моделей та
вариантов программной реализации для систем управления процессами пенной
флотации.
На основании проведенных исследований получены следующие
практические результаты: построены алгоритмы функционирования, структуры
и модель системы принятия решений необходимых для реализации
17. 17
интегрированного метода повышения качества изображения пены. Полученные
практические результаты позволили обеспечить сегментацию изображения
пены с погрешностью не более 10%, улучшить результаты относительно
стандартной сегментации не менее чем на 5%, что обеспечило получение
точных численных значений изображения пены и дает возможность повышать
качество систем управления процессом пенной флотацией
Практическая ценность работы подтверждается актами о внедрении
основных результатов исследования в высших учебных заведениях
Министерства образования и науки Украины.
Реализация. Диссертационная работа выполнялась в соответствии с
планом НИР кафедры информационной безопасности та компьютерной
инженерии Черкасского государственного технологического университета.
Полученные в ней теоретические и практические результаты использованы та
внедрены в следующих организациях:
Черкасском государственном технологическом университете на кафедре
информационных технологий в материалах лекционных курсов «Методы и
системы искусственного интеллекта», «Интеллектуальный анализ данных»
при подготовке бакалавров с направления подготовки 6.050101
«Компьютерные науки». Акт внедрения от 04.01.2016 г.;
Институте пожарной безопасности имени Героев Чернобыля НУГЗ
Украины на кафедре высшей математики и информационных технологий в
курсах лекций по предметам «Информационное обеспечение дельности
подразделений гражданской защиты» и «Прикладные информационные
технологии в области пожарной безопасности». Акт внедрения от
14.11.2015 г.
Личный вклад соискателя. Bcе новые результаты диссертационного
исследования получены автором самостоятельно. Научные работы [1– 2, 7 – 9]
опубликованы автором самостоятельно. В научных работах, опубликованных в
соавторстве, с вопросов, что касаются данного исследования, автору
принадлежит:
18. 18
Расширение информационности для зрения человека, а также для
компьютерного зрения систем управления пенной флотацией [3]; результаты
исследования соотношений технических параметров флотационного процесса и
визуальных характеристик флотационной пены [4]; результаты сравнительный
испытаний методов определения границ объектов водораздела [5];
усовершенствование алгоритма водораздела на основе использования
алгоритма Retinex. [6]; предложение варьирования периодом ранжирования
методов повышения качества изображения пены в зависимости от смены ее
визуальных параметров для уменьшения вычислительной сложности
управления процессом флотации [10].
Апробация результатов диссертации. Результаты диссертационной
работы докладывались и обсуждались на второй международной научно-
технической конференции «Проблемы информатизации» (Черкассы, 2014),
семнадцатом международном научно-практическом семинаре «Комбинаторные
конфигурации и их применение» (Кировоград, 2015), третей международной
научно-технической конференции «Проблемы информатизации» (Черкассы,
2015).
Публикации. Основные результаты диссертационной работы изложены в
10 печатных трудах, в том числе 6 статьях в научных журналах и сборниках
научных трудов, внесенных в списку профильных изданий Украины (2 в
международных научно-метрических базах), а также 4 тезах докладов на
международных научных конференциях и семинарах.
Структура и объём диссертации. Работа состоит из вступления, четырёх
разделов, выводов, списка использованной литературы, дополнений. Общий
объем диссертации – 191 страница. Основное содержание изложено на 161
страницах, в том числе 14 таблиц, 62 рисунков. Список использованных
литературных источников содержит 157 наименований. Робота содержит 3
дополнения.
19. 19
РАЗДЕЛ 1
ПРОБЛЕМА ПОВЫШЕНИЯ КАЧЕСТВА УПРАВЛЕНИЯ ПРОЦЕСОМ
ОБОГАЩЕНИЯ МИНЕРАЛОВ НА ОСНОВЕ ПРИМЕНЕНИЯ
КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ
Использование систем машинного зрения в промышленных приложениях резко
возросло. Многочисленные системы машинного зрения разрабатываются с 1980 с
целью улучшения контроля пенной флотации. Системы машинного зрения для
пенной флотации обычно состоят из видеокамеры и света, направленного на
поверхность пены. Затем видеосигнал посылается на компьютер, который
обрабатывает видеосигнал и возвращает множество показателей. Флотация является
одним из наиболее распространенных методов концентрации минералов, в процессе
которой ценные минералы отделяются от пустой породы. Метод основан на
манипуляции различиями в гидрофобности твердых веществ. Действительно,
операция флотации является сложным, до конца еще не понятым, процессом.
Каждая флотационная камера имеет многочисленные входные параметры
(дозировка реагента, глубина пены, расход воздуха) и также зависит от
многочисленных возмущений переменных (типа руды, производительности
дробильной установки). Как правило, операторы станции проверяют состояние
пены визуально, принимая во внимание такие параметры, как скорость, размер
пузырьков, текстуры, цвета и стабильности. После измельчения, суспензия
поступает в бак кондиционирования, где реагирует с реагентами (коллектор,
пенообразователь и вспомогательные реагенты) и частицами. Далее, суспензия
поступает в флотационный бак, где пузырьки могут приставать к минеральным
поверхностям и гидрофобные полезные минералы поднимаются к пенной фазе и
переполняют желоб, а гидрофильные частицы пустой породы остаются в фазе пульпы
и извлекаются в хвостовом потоке. Другие одновременные суб-процессы и
взаимодействия также происходят в системе что, следовательно, очень усложняет
процесс. Эти суб-процессы вызывают или влияют на распад пены. Скорость распада
20. 21
пены называют стабильностью пены. Высокая скорость восстановления и
низкая селективность способствует стабильная пена вследствие восстановления
высоких концентраций вовлеченного материала. Наоборот, из-за снижения
транспортировки и большего дренажа, неустойчивая пена способствует более
низким темпам восстановления и хорошей селективности. Современные
физические меры устойчивости пены не практичны для обеспечения
непрерывного онлайн измерения стабильности пены из-за ее интрузивной
природы. Машинное зрение имеет потенциал для измерения ключевых
аспектов пены, которые могут информировать о выполнении флотации
благодаря своей интрузивной природе. Методами машинного зрения можно
измерять несколько физических, статистических и динамических особенностей
пенной поверхности. [11]. Оценка и восстановление являются двумя общими
выходными переменными процесса флотации, которые используется для
описания цели. Кривая оценки-восстановления (верхняя граница) используется
в задаче управления для обнаружения цели, соответствующей максимальной
прибыли. Тем не менее, эта цель движется, как верхняя граница, двигая
подающие характеристики, пропускную способность, рыночные цены металла.
.[12]. Преимуществом наличия системы машинного зрения для проведения
измерений поверхности пены является то, что они способны последовательно
производить надежные измерения, доступные 24 часа в сутки. Они также
имеют потенциал фиксации небольших изменений, которые не заметны даже
для опытных операторов. С постоянно растущим размером промышленных
флотационных установок и ограниченными ресурсами персонала для запуска
флотационных установок, наличие машин, которые могут контролировать все
участки, очень полезно.
1.1 Пенная флотация
Флотация – это процесс обогащения минералов, который был
21. 21
первоначально запатентован в 1906 году [13] и развился в, возможно, самый
важный метод переработки минерального сырья, используемых сегодня.
Первоначально разработанный для обработки сульфидов меди, свинца и
цинка, метод флотации в настоящее время включает обработку оксидов, таких
как гематит (оксид железа) и касситерит (оксид олова) и других окисленных
минералов, а также неметаллических руд, таких как флюорит, фосфаты и
мелкий уголь. Это сложный физико-химический процесс, который зависит от
многих различных факторов, которые иногда трудно выделить. Действительно,
даже после более чем 100 лет использования он по-прежнему не достаточно
полно исследован. Каждая флотационная камера имеет многочисленные
входные параметры (дозировка реагента, глубина пены, расход воздуха) и
также зависит от многочисленных возмущений переменных (типа руды,
производительности мельницы). Как правило, операторы станции проверяют
состояние пены визуально, принимая во внимание такие параметры, как
скорость, размер пузырьков, текстура, цвет и стабильность. На основании
состояния пены, оператор может вносить изменения в один или более из
входных параметров для достижения оптимальной производительности.
Начиная с 1980-х, были разработаны многочисленные системы машинного
зрения с целью улучшения контроля камер пенной флотации. Системы
машинного зрения для пенной флотации обычно состоят из видеокамеры и
света, направленного на поверхность пены.
Видеосигнал затем отправляется на компьютер, который его обрабатывает
и возвращает различные измерения. Преимущество системы машинного зрения
для проведения измерений поверхности пены заключается в способности
последовательно производить надежные измерения, которые доступны 24 часа
в сутки. Такие системы также имеют потенциал в выявлении небольших
изменений, которые не заметны даже для опытных операторов.
В связи с постоянно растущим размером промышленных флотационных
установок и ограниченными ресурсами персонала для их запуска, наличие
22. 22
машин, способных контролировать все камеры, особенно полезно. Как правило,
измерения, сделанные с помощью систем машинного зрения, включают
скорость пены, цвет и размер пузырьков, текстуру и стабильность.
1.1.1 Процесс флотации
Процесс флотации начинается с измельчения руды вместе с водой и
определенными химическими реагентами до определенного среднего размера
частиц, что обеспечивает освобождение ценных минеральных видов из
вмещающей породы [14]. Полученная минерально-водная суспензия (или
пульпа), как правило, проходит через разделительное устройство, известное как
гидроциклон. Верхний поток циклона, содержащий мелкие частицы, поступает
в секцию флотации, а нижний поток, состоящий из крупных частиц,
возвращается в мельницы для повторного измельчения, (рис.1.1).
Рис. 1.1: Схема технологического процесса измельчения
После стадии гидроциклона, к пульпе могут быть добавлены дальнейшие
реагенты. Определенное количество времени кондиционирования может
потребоваться для распределения реагентов, что разрешит равную
конкуренцию между различными минеральными частицами. После завершения
23. 23
кондиционирования пульпу подают во флотационные камеры, которые можно
описать как большие ящики или емкости, содержащие мешалки как на рис. 1, 2.
Перемешивание пульпы и добавление воздуха в камеры вызывает образование
пузырьков, и действие реагентов вызывает присоединение желаемых
минералов внутри пульпы (значимые) к пузырькам и собираются на
поверхности пульпы в виде богатой минералами пены, оставляя нежелательные
минералы (не значимые) в пульпе.
Рис. 1. 2: Поперечное сечение флотационной камеры.
Пена на поверхности проходит через край флотационной камеры и
собирается в желоб в виде концентрата. Современные флотационные
установки, как правило, используют несколько флотационных камер,
работающих параллельно для увеличения пропускной способности. На рис. 1.3
изображена типичная флотационная установка. Флотация, как правило, процесс
24. 24
многоступенчатый. Концентрат, полученный на первом (или грубом) этапе,
повторно флотируется в секции очистки (а на самом деле, концентрат часто
сам повторно флотируется в секции повторной очистки). Не флотированная
пульпа (или хвосты), полученная в секции грубой очистки, повторно
флотируется в секции поглотителя, а остаточный концентрат передается в
секцию очистки. Целью этой многоступенчатой флотации является улучшение
полного разделения минералов (классификации), а также доля полученных
ценных минералов (восстановление). Рис. 1.4 показана структура
технологической схемы флотации.
Рис. 1.3: Промышленная флотационная установка
Рис. 1.4: Структура технологической схемы флотации
25. 25
Приведенная структура технологической схемы флотации позволяет
определить количество каналов управления для автоматизированной системы
повышения качества управления процессом флотации. Так как эти каналы
аналогичные то достаточно сосредоточится на разработке одного из них.
1.1.2 Флотационные реагенты
Роль реагентов в процессе флотации является критической.
Сформированные пузырьки воздуха будут приставать только к минералам в
случае, если они способны вытеснить воду с поверхности минерала. Это
произойдет только тогда, когда минеральные частицы обладают до некоторой
степени водоотталкивающим эффектом (или гидрофобным). После того, как
воздушные пузырьки достигают поверхности пульпы, они могут только
продолжать поддерживать присоединенные минералы, если они достаточно
стабильны, в противном случае они будут лопаться, и минеральные частицы
будут падать обратно в пену. Для достижения этих условий, необходимо
использовать различные реагенты флотации. Коллекторы являются наиболее
важными реагентами. Они адсорбируются на минеральных поверхностях и
придают им гидрофобные свойства (или аэрофилические, схожие с воздухом).
Это облегчает прикрепление к пузырькам воздуха.
Пенообразователи помогают поддерживать стабильность пены. Пена
должна быть достаточно стабильна, чтобы позволить пустой породе,
захваченной в поверхности пены, чтобы возвратиться в пульпу, но не очень
стабильна, чтобы предотвратить эффективный перенос пены в желоб [15].
Регуляторы выполняют различные функции, такие как активация или
замедление прикрепления минералов к пузырькам воздуха, а также контроль
рН в системе.
26. 26
1.1.3 Контроль пенной флотации
Несмотря на широкое использование, пенная флотация является одним из
наименее понятных операций минеральной промышленности. В частности,
считается, что недостаточное понимание пенной фазы в значительной степени
способствует неполному пониманию процесса в целом [16]. В целом, для
проведения эффективного управления должна существовать комплексная
модель процесса. Фаза флотации пульпы адекватно описывается кинетикой
первого порядка, но при этом не существует соответствующей общей модели
для пенной фазы.
1.1.4 Сложности контроля флотации
Переменные, которые влияют на процесс флотации многочисленны и
разнообразны [17]. Они включают:
Характеристики потока (массовый расход, минеральный состав, размер
выделения, размер частиц распределения, удельный вес и т.п.)
Физико-химические факторы (качество воды, температура, типы реагентов и
концентрации, взаимодействия между реагентами и частицами и т.д.)
Гидродинамические (флотационная структура, тип камер, скорость аэрации,
пространственное распределение пузырьков и частиц и т.д.)
Это множество переменных делает управление процессом флотации
чрезвычайно трудной задачей. В результате, как правило, управление
осуществляется вручную операторами людьми, которые основывают
большинство своих решений исходя из внешнего вида пены (иногда
упоминается как «калиброванное глазное яблоко» или, в контексте данного
исследования, метод «Инструментарий обработки изображений Марка»). Это
часто приводит к неоптимальному контролю, вследствие таких факторов, как
неопытность оператора или невозможность действовать оперативно при первом
27. 27
признаке неустойчивого поведения установок [18].
Такие инструменты, как XRF (рентгеновская флуоресценция) и XRD
(дифракция рентгеновских лучей) существуют для он-лайн измерения
минерального состава, и могут помочь при контроле установок. Тем не менее,
мониторинг каждого шага в большом и сложном процессе флотации с
помощью поточных анализаторов является непомерно дорогим [19] и
непригоден для некоторых видов минеральной флотации (например, PGM
флотации), где содержание металлов может быть слишком низким для
обнаружения [20].
1.2 Визуально-ориентированный контроль флотации
После процесса освобождения минералов (дробления, измельчения и
классификации по размеру), руда подается в баки кондиционирования.
Кондиционирование – это механическая предварительная обработка
минеральных осадков, где реагенты добавляются для того, чтобы полезные
ископаемые имели достаточно времени, чтобы приспособиться к этим
реакциям, что желательно при флотации [21]. Реагенты, используемые при
флотации:
Коллекторы. Повышают гидрофобность (водоотталкивание) ценных минералов
и улучшают адгезию пузырьков воздуха.
Пенообразователи. Они способствуют образованию метастабильной фазы
пены, что позволяет удалить частицы, переносимые воздушными пузырьками к
поверхности камеры. Они также сокращают время индукции для увеличения
скорости столкновения частиц и пузырьков.
Вспомогательные реагенты. Это своеобразные замедлители, которые
способствуют гидрофильности (водопритягивание) грубых минералов и
активаторов, что способствует адсорбции реагентов на выбранных твердых
частицах [22].
28. 28
Мелкие пузырьки вводятся во флотационные системы и связываются со
взвешенными гидрофобными богатыми на металл частицами, тогда как
гидрофильные частицы пустой породы остаются в водной фазе, и извлекаются
в потоке отходов. Пузырьки поднимаются и несут ценные частицы к
поверхности жидкости, в фазу пены, где они переливаются в желоб [23]. На
рис. 1.5 показана конфигурация типичной флотационной камеры.
Поверхностно-активное вещество (вспениватель) добавляют к фазе
пульпы, чтобы получить требуемое образование пены. Добавление повысит
распределение воздуха по всей пульпе и образует относительно нестабильную
пену, которая быстро распадается для дальнейшей обработки.
Рис. 1.5: Структура флотационной камеры. [24]
Кроме того, используемое поверхностно-активное вещество не должно
существенно взаимодействовать с частицами твердых веществ в фазе пульпы
при использовании сульфидных минералов при флотации. Вода и частицы
стекают обратно в пульпу непрерывными обломками пенного слоя, которые не
29. 29
включают ценные минералы из жидкостно-воздушного слоя. Вовлеченные
твердые вещества присоединяются к тем, которые попадают в поток воды и
воздуха в пенной фазе; это процесс неселективный и в основном основанный на
небольшом размере частиц, способных обрабатываться гидродинамикой
камеры. Стабильность пены имеет огромное влияние на итоговую оценку
ценного минерала, потому что восстановление захваченной пустой породы
прямо пропорционально объему очищенной воды. Однако, слишком низкая
устойчивость пены может привести к потере ценных минералов, что делает
невозможным дальнейшую обработку материала [25].
Стабильность пены зависит от изменений в химии растворов, таких как
концентрация насадки и качества воды. Кроме того, размер и характер
гидрофобных частиц на границе раздела воздух-вода также влияет на
стабильность пены. Следовательно, активаторы, коллекционеры и замедлители
играют важную роль в стабильности пены. Пенная стабильность может
увеличиваться до некоторой промежуточного контактного угла, увеличивая
гидрофобность частиц. Кроме того, частицы могут дестабилизировать пену при
более высоких контактных углах (в зависимости от концентрации), что
приводит к коллапсу и дренированию пены. Прикрепление слабо гидрофобных
частиц на обоих интерфейсах слива ламели может стабилизировать пену. Они
могут также физически предотвратить дальнейшее иссушение ленты и
возможного разрыва, если они расположены достаточно близко. Во всяком
случае, дестабилизация пены может вызываться сильно гидрофобными
частицами, которые связывают ленту пены. Они также делают возможным
быстрое перемещение границы раздела по поверхности частиц, что приводит к
коллапсу пузырька. Эти частицы могут действовать как многократные
выключатели пены, пока они остаются прикрепленными на границе раздела
воздух-вода. Таким образом, они могут быть чрезвычайно эффективными
дестабилизаторами [25].
30. 31
Процесс может показаться относительно простым, но на самом деле, он
очень сложен из-за большого количества переменных, которые влияют на
проходимость и возникновение других одновременных суб-процессов
(например, слияние пузырьков, захват пустой породы в пенной фазе,
отсоединение ценных частиц от пузырьков). Кроме того, взаимодействие
переменных сильно осложняет его контроль. Например, если скорость
воздушного потока увеличивается, то это приведет к увеличению размера
пузырьков, которые будут, следовательно, влиять на скорость нарастания
пузырьков, задерживать газ, глубину пены, скорость прилипания и т.д. [23].
В таблице 1.1 на пример флотации, приведены различные
технологические отклонения от процесса и как они могут изменить внешний
вид пены[26].
Таблица 1.1.
Список изменений в структуре пены вызванных различными
отклонениями процесса.
Отклонение процесса Структура пены
1
Скорость пенообразователя
слишком высока
Пена слишком стабильна,
пузырьки слишком малы
2
Скорость пенообразователя
слишком низка
Пена менее стабильна, большие
пузырьки, образованные при
слиянии
3
Скорость потока замедлителя
слишком высока
Пена водянистая и текучая,
низкая минеральная нагрузка,
мелкие пузырьки
4
Скорость потока замедлителя
слишком низка
Пена слишком вязкая, низкая
мобильность, большие пузырьки
5
Скорость потока активатора
слишком высока
Хрупкая и подвижная пена
6 Уровень пульпы слишком высок Быстрая и водянистая пена
7 Уровень пульпы слишком низок
Клейкая и вязкая пена с низкой
мобильностью
31. 31
8 Плотность пульпы слишком высока
Вязкая пена с низкой
мобильностью
9 Плотность пульпы слишком низка
Водянистая, текучая и
нестабильной пена
10 Подача частиц слишком груба Хрупкая пена, мелкие пузырьки
11 Подача частиц слишком мелка
Стабильная и клейкая пена,
пузырьки большие
12 Скорость аэрации слишком высока
Низкокачественная, быстрая пена,
пузырьки большие
13 Скорость аэрации слишком низка
Низкий уровень восстановления,
медленная пена, мелкие пузырьки
Из таблицы видно, что различные отклонения в процессе флотации могут
вызвать изменения в появлении пены. Это показывает, насколько сложным
может быть процесс флотации и как трудно эффективно контролировать
процесс
1.3 Анализ методов компьютерного зрения для управления пенной
флотации
Появление пены на поверхности флотационной камеры имеет большое
значение, так как содержит информацию о классе и уровне содержания ценных
минералов в концентрате [27]. Что не удивительно, учитывая, что в качестве
основы для контроля установки используется визуальный осмотр пены. В
прошлом уделялось мало внимания взаимосвязи между производительностью
флотации и видом пены, в основном, потому что большое значение придается
основным систематическим исследованиям, а не наблюдениям, которые трудно
определить количественно. Действительно, различные флотационные
установки могут иметь различные визуальные характеристики, которые могут
32. 32
зависеть от таких факторов, как тип используемых флотационных камер,
минералогии руды, используемых реагентов и т.п.
В 1972 году Глембоски (Glembotskii) [28] предложил описание пен и
«качества» пены на основе визуальных параметров.
В 1975 Свит (Sweet) [29] применяет алгоритмы, разработанные Райтом
(Wright) как для отдельных групп, так и для промышленных камер. Он
показывает, что различные режимы реагентов приводят к различным профилям
размера пузырьков для групповых тестов флотации. Работа по тестированию
установок также показала, что система компьютерного видения при изменении
шага влияния реагентов обнаруживает изменения размера пузырька.
В 1979 Исследования, выполненные в Ноттингеме, также предсказывают
уровни концентрата олова и массового расхода [30]. Были проанализированы
изображения флотации олова и рассчитан уровень «относительного
покраснения» (разница между средними серых и красных уровней
изображения, нормированных по отношению к уровню серого).
В 1983 Сан и Ви (C. SUN и W.G. WEE) [31] применяет алгоритмы,
разработанные Райтом (Wright) как для отдельных групп, так и для
промышленных камер. Он показывает, что различные режимы реагентов
приводят к различным профилям размера пузырьков для групповых тестов
флотации. Работа по тестированию установок также показала, что система
компьютерного видения при изменении шага влияния реагентов обнаруживает
изменения размера пузырька.
В 1986 Картинен и Хьотиньеми (Kaartinen и Hyötyniemi) [32] показывают,
что сочетание стабильности, цвета, скорости и дескрипторов размера пузырька
может быть использовано для прогнозирования уровня цинкового концентрата.
Они описывают систему из нескольких камер, которая использует
многомерные статистические методы на ряде дескрипторов поверхности
пенной флотации (цвет, размер пузырьков, скорость и скорость схлопывания)
33. 33
для предсказания качества концентрата цинка при промышленной
эксплуатации.
В 1987 Мулман (Moolman) и др. [33] показали, как матрицы зависимости
пространственного и окрестного уровней серого могут быть использованы в
сочетании с нейронной сетью для определения пяти различных классов пены в
промышленной медной флотационной камере. Харгрейв, Браун и Холл
(Hargrave, Brown and Hall) [34] показывают, что условия процесса могут быть
использованы для прогнозирования фрактальных измерений структуры пены, и
таким образом предсказать распределение пузырьков по размеру в пене. Это
делается для пониманиия, как изменения в условиях процесса влияют на
структуру пены. Хэтфилд и Брэдшоу (Hatfield and Bradshaw) [35] показывают,
что водораздел на основе измерения скорости лучше всего подходит для
конкретных тихоходных пен, где важна точность их суб-пикселей. Они также
показывают, что можно предсказать скорость массового расхода концентрата с
помощью измерения скорости пены.
Еще в 1988, Кордек и Ленчовски (Kordek и Lenczowski) представили
работы по анализу изображений с пеной в попытке соотнести появление пены с
содержанием металла [36]. Авторы получили оптические преобразования
Фурье (используя измеритель дифракции) с изображений лабораторных пен и
пен, полученных из установки.
В 1989 году Вудберн (Woodburn) и др. [37] описал работу, связанную с
флотацией углей низкого ранга. Он сообщил, что содержание воды в пене
связано с выполнением процесса флотации, высокие дозы пены дает высокое
извлечение и более низкие дозы дают высокое качество. Содержание воды
также коррелирует с устойчивостью пены, таким образом, высокое содержание
воды характеризуется мелкими пузырьками с низким уровнем слипания, а
низкое содержание воды производит противоположный эффект. Оптимальная
структура пены (соответствующая максимальному обогащению) была описана
как точка, в которой пена изменена с плотноупакованных сферических
34. 34
пузырьков к клеточной форме многогранных пузырьков. Утверждается, что
оптимальная структура может быть идентифицирована визуально и
характеризуется методом анализа изображений и используются для
формирования основы механизма управления флотацией угля.
В 1990 еще одной работе [38] представлено исследование, где
используется оптический и цифровой анализ Фурье статичных изображений
пены. Полезное содержание металла являлось основным параметром в
результате анализа изображений. Разработка метода основана на
дискриминантном анализе для классификации изображений пены в
соответствии с предполагаемым содержанием металла. Были выполнены
результаты классификации. Мулман и др. [39] показали, как могут быть
использованы карты Сэммона для уменьшения размерности многомерной
текстурной информации. Они также показывают взаимосвязь между картой
Сэммона и уровнем концентрата, таким образом, давая возможность
контролировать металлургическую производительность камеры.
В 1991 Был презентован «новый» продукт от «Crusader Systems» – «Float-
MACS». «Float-MACS» является визуальной системой получения изображений
и определения характеристик пенной флотации [40], которая в корне
отличалась от предыдущих работ этой группы в том, что она использовала для
анализа изображения пены сегментацию. Эта смена парадигмы группой,
которая до сих пор большую часть своих исследований базирует на основе
анализа текстур, служит, по мнению автора, для указания превосходства
методов на основе сегментации над абстрактным текстурным анализом.
В 1993 году появляется множество публикаций по работе, выполняемой
этой группой исследователей, которые начали изучение применения
машинного зрения для пенной флотации. В раннем исследовании [41]
представлены результаты анализа изображения пены медной флотационной
установки. Была отмечена связь между содержанием меди в пене и
соотношением минимальных к максимальным модальных частот в
35. 35
изображении пены на гистограмме в шкале серого («медный пик»).
Информация о форме и размере пузырька извлекали с помощью быстрого
преобразования Фурье и использовали для классификации пены.
В 1994 Многие меры текстуры использовались для классификации
изображений пены на меченые классы пены. Мулман и др. [42] показали, что
измерение текстуры кольца Фурье могут использоваться для идентификации
различных классов пены в промышленной эксплуатации меди, а также
коэффициенты Фурье связаны с размером пузырька и формой флотационной
пены.
В 1995 Мулман др. [43] разработали способ добавления информации о
скорости пены для текстурных мер, изменяя камеру таким образом, чтобы пена
с высокой скоростью получалась смазанной. Эта размытость вносила новый
класс пены, который можно определить по текстурных мерах. Симондс
(Symonds) [44] использовали метод морфологического «катящегося шара» для
сегмента изображения пены, в то время как Лю (Liu) [45] исследовал
использование иерархического алгоритма сегментации водоразделом. Нгуен и
Торнтон (Nguyen и Thornton) [46] ввели использование измерения спектра
текстуры для классификации пен в различных классах на основе
промышленной эксплуатации угля. Используется весь спектр текстуры вместо
сокращенного набора текстурных особенностей, предложенных Хи и Ванг (He
и Wang) [47] в 1991 году в связи с результатами, которые не показывают
взаимосвязь между тремя функциями текстуры и определенными классами
пены. Гуарини (Guarini) и др. [48] описывают свой метод проведения
измерений размеров пузырьков при поиске в радиальном направлении 30◦
интервалов для минимумов. Минимумы затем присоединились эллиптическими
дугами для определения отдельных пузырьков. Они предположили, что размер
пузырьков вместе с цветными HSI измерениями являются хорошими
дескрипторами пены, но не дают никаких связей между измерениями и
металлургической эффективностью.
36. 36
1996 В работе выполненной Хейлзом (Hales) и др. [49], показано, как
контролировать цвет пены флотации меди, размер пузырьков и «медный пик»
гистограммы, как это определено работниками Университета Стелленбош.
Проведены факториальные испытания, в которых измеряли изменение
внешнего вида пены в зависимости от изменения величины дозы коллектора,
дозировки вспенивателя и глубины пены. Генрих (Heinrich) [50] показал, что
существует связь между цветом пен меди и уровнем их концентрата. Он также
предложил методологию для реализации замкнутой системы управления на
основе собственных выводов. Хэтфилд и Бредшоу (Hatfield и Bradshaw) [35],
показывали, как измерения компьютерного зрения могут быть использованы
для управления массовым расходом концентрата путем регулирования
скорости потока воздуха в камеру в грубый бак платинового концентратора.
Нгуен [26] описывает алгоритм трассировки пикселей для измерения скорости
флотации пен. Алгоритм, разработанный Нгуен, основан на предположении,
что не существует искажение между последовательными кадрами видео. Это
предположение, возможно, было действительно для пен, на которых Нгуен
работал, но не выполняется для всех флотационных пен, особенно с
динамическими распределениями размеров пузырьков. Алгоритм был
разработан как быстрая надежная мера. Тем не менее, из-за быстрого
улучшения компьютерной технологии эти ограничения больше не были
проблематичными, в результате чего могут быть выполнены более точные
измерения скорости пены в режиме реального времени.
в1997 Ванг и др. [51, 52] представляют набор алгоритмов обработки
изображений для определения распределения размера пузырьков и связанные с
ними измерения. Они изначально классифицируют изображения, основываясь
на расчете белых пятен на изображении, а затем приступают к выделению
отдельных пузырьков, используя алгоритм обнаружения края долины. Не были
представлены связи между результатами измерений и показателями
металлургической производительности. Олдрич и др. [53] показали, что
