基于CNN-SVM的选煤厂浮选泡沫图像识别方法

孙友森，陈传海，杨志龙，王新欣

(1.枣矿集团煤质管理处，山东 枣庄 277000；2.山东山控信息科技有限公司，山东 济南 250000)

1 概 述

计算机视觉技术是利用相机与电脑连接成的一个系统，通过对目标的检测、追踪、测量和进一步预处理得到能够代表图像特征的信息，再对这些特征信息通过计算机算法进行识别[1-2]。在选煤行业，随着选煤厂智能化水平的提高，对各个生产岗位的要求也更加严格，同样浮选车间的控制也要求精煤灰分尽可能稳定[3]。前人在浮选泡沫图像的识别问题上已经做了大量的研究，例如，Kaartinen[4]在锌粗选浮选槽中进行基于机器视觉的浮选控制实验，在监控系统中，使用的泡沫图像特征主要包括泡沫颜色、泡沫坍塌率、气泡尺寸和一些主要药剂的添加量，基于这些泡沫图像特征对生产工况进行分类。Brown[5]等设计了一个基于泡沫表面视觉特征的浮选过程控制器来控制浮选泡沬流速和液位、起泡剂添加量、通风量3个浮选操作变量。结果表明，当浮选流速能够很好地控制时，浮选性能也能稳定下来。中南大学的桂卫华、杨春华等[6]根据大量的样本和实验，利用机器视觉技术和图像处理技术，设计了一套铜浮选泡沬图像监控系统。利用BP神经网络建立相关指标的预测模型，指导铜浮选生产过程。洪升[7]研究建立了选矿过程中在线监控系统，采用了支持向量机(SVM)的预测方法，进行浮选回收率预测，此方法显著提高了浮选指标的预测精度和模型的泛化能力，使其具有更好的应用性。……