浮选泡沫的计算机图像处理与识别方法

附图　传统浮选自动控制系统

2　数字图像处理方法的优势
　　计算机图像处理技术(数字图象处理技术)，是集光学、微电子学、计算机科学、应用数学等学科为一体的一门综合性边缘学科。在煤的浮选过程中，利用图像处理技术通过对泡沫颜色、泡沫运动特性、泡沫密度(单位面积内的泡沫数量)、泡沫大小等参数的分析处理，建立起图象的灰度分布与精煤灰分的关系，将对浮选技术的进一步提高以及现场的操作有着积极的意义。
　　(1)浮选生产指标的好坏与操作工人观测和识别泡沫层状态的能力及相应的操作水平有直接的关系。目前，许多厂的浮选生产操作水平低，反映在生产指标上存在着精煤灰分高，波动大，药剂、清水耗量大等问题。通过对浮选泡沫层状态的实时自动监测和识别，可以将浮选中的异常泡沫情况及时准确地反映出来，从而减少异常生产情况，提高生产指标和效率。
　　(2)在生产中，可根据观测到的浮选泡沫层状态来判断浮选生产过程进行得好坏，并根据这些判断对浮选过程进行调节而取得较好的生产指标。利用实时图像处理和识别技术可将典型的泡沫层状态的特征抽取出来，用科学系统的方式表达出来。不仅有利于总结和传授经验，而且还可以将经验加以综合构成知识库用于指导生产，并为进一步发展知识库的智能控制系统打下基础。
　　(3)数字图像处理系统的成本低廉，所必要的硬件便宜，维护保养简单易行，系统不会产生严重的问题。以此系统构成的监控系统比传统的基于在线灰分检测仪表而构成的自动控制系统不但造价低，而且更能适应影响因素众多、交互作用复杂的浮选过程的实时控制，因此有着极大的推广价值^［2］。

3　图象处理与识别方法的研究
3.1　设计软件
　　应用计算机图像处理、模式识别及科学计算可视化技术编制一套由计算机实现的自动识别系统，该系统具有以下功能：
　　(1)具有图象卡软件接口，可直接读入由摄像机送来的图像信号，为以后实时浮选泡沫图像处理和过程控制打下基础。
　　(2)对浮选泡沫图像进行去噪处理。
　　(3)对浮选泡沫图像进行边缘检测，供进一步的统计分析浮选泡沫的大小分布用。
　　(4)对浮选泡沫图像进行统计分析，绘制灰度曲线，灰度直方图，自动拟和灰度峰值一灰分关系曲线。
3.2　图像处理与识别
　　采集几种煤样在浮选实验室做浮选实验，用数码像机和聚光灯拍摄泡沫过程的视频图像。将其输入至586高档微机上并转化成数据信号，利用自动识别系统对其进行以下的处理工作：图像增强处理；图像分割；图像滤波；图像(区域)特征提取。
　　所处理图像的主要特征信息是：
　　(1)泡沫颜色。泡沫颜色(或光强)反映了表面泡沫里精煤浓缩的信息。这个信息可以用图像灰度水平的分布组织图表示。在这些组织图里，最大峰值与表面泡沫的精煤含量存在着一定的关系。
　　(2)泡沫的大小分布。除了从颜色方面获得信息以外，泡沫结构则说明了这个过程控制的效果。泡沫大小分布是其它参数强有力的第二可见指示器，象充气率、PH值波动以及吸附在泡沫上的颗粒类型和数量等等。
　　(3)泡边界。在机械观测泡沫表面的基础上能直观地看出在快速傅立叶转换能量谱区域不同泡沫结构的差别。
　　这些特征的综合信息出现在快速傅立叶转换范围内，可以大量地获得浮选效果信息。
3.3　计算机在线识别
　　通过计算机自动识别系统，可测定浮选槽表面的泡沫颜色、形状和密度，以达到操作人员在煤泥浮选工艺中的控制和管理。图像颜色是每个红、绿、兰(R、G、B)图像成份的平均强度值确定的，泡沫的形状由图像中每个泡沫的较小和较大轴之间的平均比率来定义和计算，密度可通过图像中每平方厘米所含泡沫的数量计算出来。为了更有实用性，该工作可遵循随机的原则。
3.3.1　图像处理算法
　　通常所拍摄的浮选泡沫照片都是黑白两色，计算机所呈现的256色就是一个表示该点像素的亮度程度。在这些数据图像里，每个图像用24位表示，在RGB转换成GRAY时，按以下公式进行计算：
　　gray=1/3×red+1/3×green+1/3×blue
　　通常情况下，一幅图像的灰度水平在0～255之间。如果把整幅图的灰度水平完全取出做成一个图像，就可以把该幅图像所拍摄的浮选情况表示出来了。
3.3.2　泡沫图像增强
　　图像增强的目的是为了改进图像的状况或加强图像处理系统的性能，为了强化它的某些特征，可对图像进行滤波以及二值化分析并进而预测出它的灰份。
3.3.3　颜色获得
　　泡沫颜色反映了表面泡沫携带精煤的信息。这个信息可以用图像里灰度水平的分布组织图表示。在这些组织图里，最高峰值对应着该图像的灰份，它与表示泡沫的精煤含量存在着一定的对应关系^［3］。

4　结语
　　煤泥浮选泡沫的计算机图像处理与识别是针对煤泥浮选过程所存在的问题而提出的一种新方法，这种方法具有廉价、功能齐全、实用性强的特点，但具体实现起来还有一定难度，随着这种方法的进一步研究和完善，它会很快地应用于选煤的生产实践中^［4］。

作者简介：李珍香(1967-)，女，山西盂县人，讲师，现在阳泉煤炭专科学校自动化系从事教学工作。

作者单位：李珍香　阳泉煤炭专科专校 自动化系，山西 阳泉 045001；罗宏宇　中国矿业大学 北京校区，北京 100083

参考文献：
［1］　张远鹏，董海，周文灵.计算机图像处理技术基础［M］.北京：北京大学出版社，1999.
［2］　焦红光，彭晨.常规浮选法的弊病及对策［J］.矿业科学技术，1997，(3).
［3］　许中坚.选煤工艺流程多目标模糊趋势［J］.煤炭技术，1997，(4).
［4］　赵跃民.我国选煤技术的现状与发展趋势［J］.国外金属矿选矿，1998，(6).