一种基于泡沫颜色判断铁矿浮选尾矿pH值的方法与流程

本发明属于铁矿浮选尾矿ph值判断技术领域，具体涉及一种基于泡沫颜色判断铁矿浮选尾矿ph值的方法。

背景技术：

在矿物浮选生产中，不同选厂矿石原料的性质、矿物成分不同，导致矿化泡沫层所黏附的矿物粒子的材质和含量、粒度不同，且由于浮选现场的入射光波长，即能量的差异，使得不同选厂的矿化泡沫所吸收和反射的光的波长也会有差异，造成采集的泡沫颜色产生差异。

同一选矿厂的浮选泡沫，即使忽略环境光照的影响，浮选泡沫表面颜色也会随着现场光照的变化和浮选生产工况的变化而发生变动。其主要原因是，浮选入选原矿的成分是随机难以控制的，由于操作条件不同，浮选生产工况状态不同，泡沫表面包含的矿物粒子的属性，即粒度、品位不完全相同，从而使得不同浮选状态下同一个浮选槽中的浮选泡沫也呈现出不同的颜色。理论上，浮选泡沫表面颜色与泡沫中矿物成分和ph值有直接关系，这一观点已被实验室研究者和工程应用者广泛接受。实际选矿厂有经验的操作工人一般都会根据泡沫的颜色、泡沫表面的亮度信息来判断矿物的种类和含量以及ph值。

然而浮选生产现场一般依靠人工化验判断铁矿浮选尾矿ph值，并没有一种高效的人工智能方法，辅助操作人员有效判断铁矿浮选尾矿ph值。

技术实现要素：

本发明的目的是为了解决现有铁矿浮选尾矿ph值判断技术主要依赖人工化验的问题，提供了一种基于泡沫颜色的浮选尾矿ph值判断方法。本发明通过建立多色彩空间颜色特征和浮选尾矿ph值样本库拟合出泡沫图像与浮选尾矿ph值之间的关系，从而实现判断铁矿浮选尾矿ph值的功能。

一种基于泡沫颜色判断铁矿浮选尾矿ph值的方法，包括如下步骤：

步骤1：收集铁矿浮选尾矿泡沫颜色图像数据并对泡沫图像进行多颜色空间的泡沫颜色特征提取，包括：rgb空间、hsv空间和lab空间；同时收集泡沫颜色图像对应的浮选尾矿ph值化验值的数据；

步骤2：建立样本库，包括：历史铁矿浮选尾矿泡沫颜色图像数据的多颜色空间的泡沫颜色特征和泡沫颜色图像对应的浮选尾矿ph值化验值的数据；

步骤3：将样本库中的样本通过rbf神经网络模型拟合出泡沫颜色与铁矿浮选尾矿ph值之间的函数关系并以函数的形式保存；

步骤4：获取铁矿浮选尾矿实时新图像，并按照步骤1对图像进行多颜色空间泡沫颜色特征提取；

步骤5：将图像多颜色空间的泡沫颜色特征作为输入，通过步骤3保存的函数计算出浮选尾矿实时新图像对应的ph值并输出。

步骤1对泡沫图像进行多颜色空间的泡沫颜色特征提取，具体步骤如下：步骤1.1：通过opencv提取图像的rgb值；其中r代表红色；g代表绿色；b代表蓝色；

步骤1.2：hsv颜色空间直接对应于人眼视觉特征三要素，h代表色调，s代表饱和度，v代表亮度，计算hsv值，公式如下：

颜色的色彩度和饱和度说明了图像颜色的深浅，合成色度，与人眼感受的感受图像色彩的方式很接近，在hsv空间中彩色图像的每个均匀性彩色区域都对应于一个相对一致的色调，所以hsv颜色空间可以用来进行独立于阴影的彩色区域分割。hsv颜色空间可以很好地区分出铁矿尾矿泡沫图像的颜色特征。

步骤1.3：通过gamma矫正函数计算lab值，公式如下：

记r＝g(r)，g＝g(g)，b＝g(b)：

从rgb空间转到xyz空间：

再从xyz空间转到lab空间：

其中：

在转换到lab色彩空间后图像的颜色特征与外界条件，例如光源等具体设备无关，颜色特征不会因设备而失真，所以使用lab颜色空间区分泡沫图像的颜色特征。

步骤3所述的拟合出泡沫颜色与铁矿浮选尾矿ph值之间的函数关系并以函数的形式保存，具体步骤如下：

步骤3.1：对样本库中泡沫颜色特征和浮选尾矿ph值化验值的数值进行标准化处理，公式如下：

pi＝2(p-pmin)/(pmax-pmin)-1

pi为标准化处理后的数据，p为输入数据，pmax为输入数据中的最大值，pmin为输入数据中的最小值；

步骤3.2：对所有样本打乱顺序，随机排序，取一部分样本作为训练数据，剩余的样本作为测试数据；

步骤3.3：将训练数据通过rbf神经网络模型进行拟合，并对拟合结果进行测试后，当测试误差小于阈值时，认为训练结果满意，保存好这组函数关系，函数表达如下：

grade＝f(r,g,b,h,s,v,l,a,b)

其中r代表红色、g代表绿色、b代表蓝色、h代表色调、s代表饱和度、v代表亮度、l表示明度、a表示红绿色度分量、b表示黄蓝色度分量。

有益技术效果：

根据结合历史数据、生产现场调研及浮选生产理论分析，浮选泡沫的颜色可以较为准确的反映出浮选尾矿ph值的变化。同时针对浮选泡沫图像颜色特征，提出了多颜色空间融合的思路，基于多颜色空间融合泡沫检测方法能有效提取泡沫图像的颜色特征；以图像颜色特征为输入，基于rbf神经网络模型进行ph值建模。实现了判断浮选尾矿ph值的功能。

附图说明

图1为本发明实施例的一种基于泡沫颜色判断铁矿浮选尾矿ph值的方法流程图；

图2为本发明实施例的某选矿厂铁矿浮选尾矿泡沫颜色图像的示例图-1；

图3为本发明实施例的某选矿厂铁矿浮选尾矿泡沫颜色图像的示例图-2；

图4为本发明实施例的某选矿厂铁矿浮选尾矿泡沫颜色图像的示例图-3；

图5为本发明实施例的某选矿厂现场铁矿浮选尾矿图像。

具体实施方式

下面结合附图和具体实施实例对发明做进一步说明，下面结合图1，以某选矿厂1实际情况为例，对本发明的具体实施做详细说明。

一种基于泡沫颜色判断铁矿浮选尾矿ph值的方法，包括如下步骤：

步骤1：收集浮选尾矿泡沫颜色图像数据并对图像进行多颜色空间的泡沫颜色特征提取，包括：rgb空间、hsv空间和lab空间。同时收集泡沫颜色图像对应的浮选尾矿ph值化验值的数据；

步骤1.1：通过opencv提取图像的rgb值；图2、图3、图4，三张泡沫图像的rgb值如表1所示：

表1rgb值

步骤1.2：计算hsv值，公式如下：

结果如表2所示：

表2hsv值

步骤1.3：通过gamma矫正函数计算lab值，公式如下：

记r＝g(r)，g＝g(g)，b＝g(b)：

从rgb空间转到xyz空间：

再从xyz空间转到lab空间：

其中：

计算结果如表3所示：

表3lab值

浮选泡沫颜色图像对应的浮选尾矿ph值化验值如下表；

表4浮选尾矿ph值

步骤2：建立样本库包括：历史铁矿浮选尾矿泡沫颜色图像数据的多颜色空间的泡沫颜色特征和泡沫颜色图像对应的浮选尾矿ph值化验值的数据；

步骤3：将样本库中的样本通过rbf神经网络模型拟合出泡沫颜色与浮选尾矿ph值之间的函数关系并以函数的形式保存；

步骤3.1：对样本库中泡沫颜色特征和浮选尾矿ph值化验值的数值进行标准化处理；所述标准化处理为归一化处理，处理公式如下：

pi＝2(p-pmin)/(pmax-pmin)-1

其中：pi为标准化处理后的数据，p为输入数据，pmax为输入数据中的最大值，pmin为输入数据中的最小值；

步骤3.2：对所有样本打乱顺序，随机排序；取前百分之八十的样本作为训练数据，后百分之二十作为测试数据；

步骤3.3：将训练数据通过rbf神经网络进行拟合，并对拟合结果进行测试，当测试误差小于阈值0.1％时，认为训练结果满意，保存好这组函数关系。函数表达如下：

grade＝f(r,g,b,h,s,v,l,a,b)

步骤4：获取铁矿浮选尾矿实时新图像，并按照步骤1对图像进行多颜色空间泡沫特征提取；铁矿浮选尾矿实时新图像如图5所示：

图像颜色特征如表5所示为：

表5图像颜色特征

步骤5：将图像多颜色空间的泡沫颜色特征作为输入，通过步骤3保存的函数计算出浮选尾矿实时新图像对应的ph值并输出。浮选尾矿ph值最终结果和实际化验结果如下表6所示：

表6浮选尾矿ph值

本发明基于泡沫颜色的浮选尾矿ph值判断方法与现行方法相比较具有以下的优点：通过多色彩空间融合技术，图像特征提取技术，对铁矿浮选尾矿泡沫图像进行多色彩空间颜色特征提取，建立了基于泡沫图像的浮选尾矿ph值判断模型。实现了对浮选尾矿ph值的判断，能够为操作人员调整药剂用量提供辅助。同时减少了做操作人员工作量，避免不必要的错误。