張文康 劉丹 王春景 劉瑞濤 王大騫 余龍舟

摘 要 針對工業(yè)浮選泡沫圖像處理，從泡沫圖像去噪、圖像增強和圖像分割三方面介紹了常用的方法，分別指出了其中存在的問題。根據(jù)浮選泡沫圖像的特點介紹了礦物浮選實時監(jiān)測控制系統(tǒng)，指出系統(tǒng)相對于人工的特點和優(yōu)勢。最后展望了實時監(jiān)測控制系統(tǒng)自動化、智能化的發(fā)展趨勢。

關(guān)鍵詞 浮選泡沫 圖像去噪 圖像增強 圖像分割 實時監(jiān)測

中圖分類號 TP274? ?文獻標識碼 A? ?文章編號 1000?3932（2023）03?0285?06

作者簡介：張文康（1993-），碩士研究生，從事選礦設(shè)備與選礦過程自動化的研究。

通訊作者：劉丹（1983-），副教授，從事選礦工藝與理論、選礦設(shè)備及自動控制的研究，ldysyz1983@126.com。

引用本文：張文康，劉丹，王春景，等.礦物浮選泡沫圖像監(jiān)測控制技術(shù)現(xiàn)狀及展望［J］.化工自動化及儀表，2023，50（3）：285-290.

礦產(chǎn)是不可再生資源，隨著高品位礦產(chǎn)越來越少，國家也越來越重視貧細雜礦產(chǎn)資源的開發(fā)利用，不斷提高分選礦物資源的水平［1］。目前在選礦行業(yè)運用最多的還是礦物浮選技術(shù)，礦物浮選技術(shù)誕生于19世紀末期，在20世紀初期開始逐漸應(yīng)用在工業(yè)生產(chǎn)當中，但是科研人員對浮選設(shè)備和浮選技術(shù)的探索至今都未停止。

在工業(yè)浮選過程中，判斷浮選工況最重要的一點就是觀察礦物浮選泡沫的表征，并且還能起到指示器的作用，但過程受現(xiàn)場環(huán)境影響很大，如光照不均、大量噪聲［2，3］等。采用工業(yè)攝像機替代人工來進行表面特征的識別，可將表面特征圖像數(shù)據(jù)的采集、處理和顯示聯(lián)系在一起形成一套完整的體系，使現(xiàn)場操作工藝變得簡單明了。通過使用計算機對圖像數(shù)據(jù)進行處理，然后進一步輸出浮選泡沫的表面特征，能更清楚地了解浮選過程中的各種參數(shù)，以輸出的各種特征參數(shù)來進行模型的搭建，實現(xiàn)浮選過程控制和實時監(jiān)測，這樣可以使礦物浮選過程的效率得到很大提升，工人通過肉眼觀察而造成的人為誤差得到優(yōu)化。雖然經(jīng)驗豐富的操作工人能夠通過浮選泡沫的表面特征推斷出整個浮選過程的運行狀態(tài)，但是人眼也只能看到浮選泡沫的表面特征，并不能觀察到浮選泡沫的細微變化，這也是人眼觀察的缺陷，同時還很難保證系統(tǒng)的穩(wěn)定運行，也不能做到實時調(diào)節(jié)［4，5］。

21世紀初期，已有廠家使用安裝有攝像頭的浮選設(shè)備來代替人工肉眼監(jiān)視浮選泡沫表面特征，這種使用設(shè)備來代替人工的監(jiān)視方法受到世界上發(fā)達國家選礦科研人員不同程度的關(guān)注［3，6，7］。國內(nèi)外學者對泡沫圖像處理進行了研究，發(fā)現(xiàn)該方法很難保證不同工作條件下和復(fù)雜環(huán)境下的準確性。因此，還需要針對浮選泡沫的復(fù)雜性和特殊性進行研究，特別是對浮選泡沫尺寸的準確測量［8，9］。機器視覺監(jiān)測控制技術(shù)是當今自動化程度比較高的工業(yè)浮選監(jiān)測控制技術(shù)。為了能夠充分利用貧礦、難選礦等有限的礦產(chǎn)資源，應(yīng)更進一步研究基于機器視覺的礦物浮選監(jiān)測技術(shù)，以提高礦產(chǎn)資源在分選中礦物的回收率和利用率。

筆者針對工業(yè)礦物浮選過程中分選礦物的表面特征，描述了工業(yè)礦物浮選圖像監(jiān)測控制技術(shù)應(yīng)用現(xiàn)狀，以及礦物浮選泡沫監(jiān)測控制系統(tǒng)的發(fā)展，并提出礦物浮選泡沫圖像監(jiān)測控制系統(tǒng)發(fā)展存在的問題和發(fā)展前景。

1 礦物浮選泡沫圖像處理

在工業(yè)礦物浮選過程中獲取的浮選泡沫圖像受現(xiàn)場噪聲等多種因素影響，浮選氣泡還存在相互粘結(jié)、邊界模糊等情況。針對這些問題，學者從浮選泡沫圖像去噪、圖像增強和圖像分割三方面提出相應(yīng)的解決辦法［10］。

1.1 浮選泡沫圖像去噪

首先，選廠環(huán)境和礦物的不同會對浮選有不同程度的影響，其次，由于工業(yè)浮選都是機械化生產(chǎn)，機械化生產(chǎn)就避免不了產(chǎn)生噪聲，而噪聲會對礦物浮選泡沫圖像的準確提取產(chǎn)生不同程度的影響，因此對泡沫圖像去噪是非常必要的環(huán)節(jié)。

現(xiàn)如今視頻去噪比較好的方法是3D濾波算法，但是該方法使用比較復(fù)雜，不適用于工業(yè)礦物浮選［11］。劉金平等提出了一種基于Curvelet變換的礦物浮選泡沫圖像去噪的方法［12］，該方法具有很好的去噪效果，并且還能很好地保護浮選泡沫特征不被損壞。白靜等提出一種基于方向波變換的SAR圖像降噪方法，并且證明方向波變換在降噪方面具有很好的效果，還能保護圖像邊緣的細節(jié)［13］。這些方法雖然優(yōu)點突出，但是在處理過程中還存在一些缺點，不僅需要大量的內(nèi)存，還需要大量的計算和分解，并且時效性差；也不能充分利用視頻圖像相鄰幀之間的時間相關(guān)性獲得更多的冗余信息，得到更好的原始信號估計［14，15］。

1.2 浮選泡沫圖像增強

圖像增強是將浮選泡沫圖像特征放大或是將浮選泡沫圖像特征變得更為突出，抑制不需要識別的特征區(qū)域，從而改善圖像的視覺效果以達到要求。

根據(jù)圖像所處空間的不同可以將增強方法分為兩大類：空域方法和頻域方法。其中空域方法相對來說比較簡單易懂，直接對圖像中不同位置點像素進行處理，數(shù)學定義為［16］：

y（i，j）=Tf（i，j）（1）

其中，T是對原圖像的一種處理，f（i，j）為輸入的原圖，y（i，j）為輸出圖像。對相鄰的像素點采用模板卷積的方法對圖像灰度級變化進行銳化［17，18］，該算法對于高對比度的泡沫圖像增強效果明顯，但對于低對比度圖像不僅增強效果不明顯，而且還容易增大噪聲。

圖像增強是目前圖像處理過程中的一大難題，這也引起了國內(nèi)外研究人員的廣泛關(guān)注，并且針對時域方法做了大量的研究和論證。袁曉松等提出一種自適應(yīng)視覺特性的圖像增強方法［19］，對增強對比度效果較好；冷寒冰等根據(jù)人眼視覺特征提出了一種鄰域自適應(yīng)圖像增強算法［20］；王炳健等在前人的基礎(chǔ)上加以研究，提出一種基于平臺直方圖的自適應(yīng)紅外圖像增強算法［21］。這些方法在礦物浮選圖像增強方面都得到了不同程度的應(yīng)用。

1.3 浮選泡沫圖像分割

一般圖像分割是針對不同特征區(qū)域進行分割，但是滿足特定區(qū)域分割有一個前提，那就是保證區(qū)域的一致性。在數(shù)學集合的基礎(chǔ)上，給出以下定義［22］。

圖像分割就是為了找到能夠反映該圖像特征的區(qū)域，將該區(qū)域進行特征信息提取，進一步完成對應(yīng)的各種參數(shù)的測量，將原始圖像信息轉(zhuǎn)化為數(shù)字信息，來實現(xiàn)高層圖像的分析。礦物浮選泡沫圖像分割就是通過對泡沫圖像的分割，得到單個泡沫，以更好地表征圖像特征，進而指導(dǎo)礦物浮選過程。

礦物浮選過程中浮選泡沫表面的各種特征就能反映當前工況下的浮選狀態(tài)，表面特征可以分為以下幾類：浮選泡沫表面顏色、浮選泡沫的大小尺寸、浮選泡沫的表面紋理特征和浮選泡沫的流速等，這些特征對浮選有很重要的指示作用。為了準確提取浮選泡沫的特征，學者們也進行了大量的研究。目前針對圖像分割的方法有很多，但是最常用的方法是谷底邊緣分割和分水嶺兩種方法。BONIFAZI G等針對浮選泡沫反光的特點，將泡沫頂點進行標識，采用分水嶺方法對礦物浮選泡沫圖像進行分割，但是由于浮選泡沫圖像受到現(xiàn)場環(huán)境不同程度的干擾，而未對圖像進行預(yù)處理，造成了浮選泡沫圖像不同程度的過分割［23］。曾榮在前人的基礎(chǔ)上提出一種將分水嶺和邊緣分割相結(jié)合的方法對浮選泡沫鎳泡沫圖像進行分割，取得了很好的效果［9］。王麓雅等提出一種礦物浮選圖像的改進分割算法，該方法雖然有一定的效果，但是對于礦物浮選泡沫光照不均勻和強噪聲的情況容易造成圖像過分割的現(xiàn)象［24］。陽春華等針對泡沫圖像質(zhì)量差和泡沫圖像不均勻的情況提出一種基于聚類預(yù)分割和高低精度距離重構(gòu)的礦物浮選泡沫圖像算法，但是使用之前需根據(jù)泡沫的不同進行參數(shù)的設(shè)定［25］。

雖然分割技術(shù)在不斷地進步和完善，但因為不同礦物特征不同，礦物浮選泡沫圖像也存在著很大的差異，所以目前沒有一套可以適用于所有礦物浮選泡沫圖像分割的算法，還需要根據(jù)現(xiàn)場礦物浮選泡沫的圖像特征來進一步確定方法。浮選泡沫的紋理特征作為刻畫泡沫圖像統(tǒng)計分布的另一種關(guān)鍵特征，可以用該特征來描述礦物浮選泡沫圖像的泡沫狀態(tài)變化情況。在工業(yè)生產(chǎn)過程中，對于經(jīng)驗豐富的浮選操作工而言可以通過觀察浮選泡沫層表面氣泡流速對浮選效果進行判斷，但主觀性強、無法定量描述泡沫圖像速度。

2 礦物浮選泡沫監(jiān)控系統(tǒng)

在工業(yè)礦物浮選過程中，礦物浮選的實時數(shù)據(jù)基本就能說明礦物浮選過程中產(chǎn)品的質(zhì)量水平。在沒有安裝實時監(jiān)控系統(tǒng)的浮選廠，想要提高浮選過程中各項生產(chǎn)指標，唯一的方法就是讓經(jīng)驗豐富的工人用肉眼實時監(jiān)視浮選泡沫表面的變化情況，及時做出調(diào)整。即使這樣也會存在以下問題：

a. 礦物浮選是個連續(xù)變化的過程，工作人員無法像機器一樣長時間工作，不能達到實時監(jiān)視的效果；

b. 因人不同對監(jiān)控過程的評價也存在一定的差異；

c. 生產(chǎn)過程中多個浮選槽同時工作，無法實現(xiàn)定量精細的觀察；

d. 因現(xiàn)場工作環(huán)境條件差且噪聲大，長時間在工作崗位對工作人員身體健康有很大的影響。

因此，使用機器視覺來代替現(xiàn)場操作工人對礦物浮選過程進行監(jiān)視有很大的優(yōu)勢。

隨著浮選工藝、浮選設(shè)備和控制技術(shù)的不斷優(yōu)化，浮選圖像處理監(jiān)控系統(tǒng)也得到了改善。但是我國礦產(chǎn)資源貧細雜，提取的有效成分波動幅度大，造成工況明顯波動；同時還存在選廠環(huán)境惡劣、光照不均勻和入選礦料成分不確定的影響，從而對浮選圖像監(jiān)控系統(tǒng)的浮選泡沫圖像大小、形態(tài)學參數(shù)及分析帶來了很大的挑戰(zhàn)，最后影響系統(tǒng)控制的魯棒性和準確性［26］。

工業(yè)礦物浮選實時監(jiān)控系統(tǒng)是由工業(yè)CCD相機進行浮選泡沫圖像采集，然后經(jīng)過光纖傳輸給監(jiān)控計算機。系統(tǒng)會根據(jù)訓練好的模型對傳輸?shù)狡脚_的圖像數(shù)據(jù)進行分析，根據(jù)分析結(jié)果對浮選工況做出預(yù)測，然后對設(shè)備進一步做出調(diào)整，以使浮選達到指標。

2.1 系統(tǒng)組成

機器視覺部分一般采用多模塊進行組合的方法，該方法不僅可以提高系統(tǒng)的利用率，還能對后期系統(tǒng)維護提供方便。礦物浮選實時監(jiān)控系統(tǒng)需要對收集到的浮選數(shù)據(jù)進行相應(yīng)的處理，通過提取浮選泡沫的不同特征（如紋理、顏色、大小、形態(tài)及流速等），給出礦物浮選生產(chǎn)指導(dǎo)意見。礦物浮選實時監(jiān)控系統(tǒng)結(jié)構(gòu)如圖1所示，邏輯框架如圖2所示。

2.2 功能實現(xiàn)

監(jiān)控計算機對工業(yè)CCD相機下發(fā)指令自動采集浮選泡沫圖像，通過對圖像的分析得到浮選工況的實時數(shù)據(jù)，并給出相應(yīng)的預(yù)測，具體流程如圖3所示。

隨著選礦技術(shù)的逐漸進步，浮選實時監(jiān)控系統(tǒng)也在不斷升級完善，現(xiàn)已成功應(yīng)用于各大選廠，為現(xiàn)場生產(chǎn)提供了有效的指導(dǎo)，并為選廠帶來了不同程度的經(jīng)濟效益。該類系統(tǒng)具有以下特點：

a. 采用可以人機交互的一體化電腦，一般擁有自主研發(fā)的APP軟件，軟件不僅可以對實時浮選泡沫圖像數(shù)據(jù)進行分析處理，還能對歷史數(shù)據(jù)進行存儲，并且可隨時調(diào)出實時數(shù)據(jù)和歷史數(shù)據(jù)。

b. 采用高性能的工業(yè)CCD相機對礦物浮選過程進行實時數(shù)據(jù)采集，分辨率較高，并且視野范圍可根據(jù)現(xiàn)場情況來做實時調(diào)整。高頻無影面光源顯色指數(shù)高、尺寸小且發(fā)熱量小。

c. 該類系統(tǒng)設(shè)備運行和維護成本低。圖像處理、工作總站并行運行，可同時對多臺設(shè)備進行實時監(jiān)控，實現(xiàn)精細化觀測控制，可以在有網(wǎng)絡(luò)覆蓋的任意工作環(huán)境下進行工作，實時監(jiān)視礦物浮選的狀態(tài)。

3 結(jié)論與展望

3.1 結(jié)論

根據(jù)上文的論述得出以下結(jié)論：

a. 在國外，礦物浮選泡沫圖像處理系統(tǒng)已經(jīng)初步在選廠中應(yīng)用，并且得到了不錯的反饋；在國內(nèi)，由于技術(shù)還需要進一步完善，所以浮選泡沫圖像處理系統(tǒng)還很少應(yīng)用到選廠中，但也在逐步實現(xiàn)。

b. 目前工業(yè)礦物浮選過程中大多數(shù)還是靠人工肉眼觀察來記錄數(shù)據(jù)，人工觀察不僅不能記錄實時的數(shù)據(jù)，而且也不也能對浮選過程中出現(xiàn)的問題及時做出調(diào)整，判斷不準確、處理不及時就會造成礦產(chǎn)資源和藥劑的浪費，雖然機器視覺圖像處理系統(tǒng)就能解決此類問題，但要在選廠普及使用依然需要時間。

c. 人工肉眼觀察被機器視覺取代后，由于受不同光照強度、拍攝環(huán)境等因素的影響，泡沫圖像會存在一系列不可避免的問題，比如泡沫表面的高亮點、顏色偏差及噪聲等，從而會對提取浮選泡沫的準確度有很大的影響。

3.2 展望

工業(yè)選礦要向自動化、智能化方向發(fā)展，浮選泡沫圖像處理是不可避免的關(guān)鍵環(huán)節(jié)。針對浮選圖像處理提出以下幾點建議：

a. 由于不同礦物浮選過程中泡沫狀態(tài)存在很大差異，因此可以從不同角度對泡沫圖像進行監(jiān)測，還可使用不同算法來提高圖像監(jiān)測的準確度。

b. 未來“互聯(lián)網(wǎng)+浮選泡沫圖像監(jiān)測”的模式能夠更加精確地實時監(jiān)測浮選泡沫的變化，提高圖像實時提取的精確度，進一步提高礦物回收率和生產(chǎn)效率。

浮選本身是冗長的過程，想要將各個環(huán)節(jié)緊密聯(lián)系來優(yōu)化浮選過程控制相對較難。為了解決這些問題，需要研究者們將現(xiàn)代先進技術(shù)與傳統(tǒng)技術(shù)相結(jié)合，逐個解決問題，提高浮選效率和經(jīng)濟效益。

參 考 文 獻

［1］? ?SUN C L，LIAN Q M，WANG Q F.Attention must be paid to the development of the mineral resources of our country［J］.Mental Mine，2008（S1）：85-90.

［2］? ?LIU J J，MACGREGOR J F.Froth?based modeling and control of flotation processes［J］.Minerals Engineering，2008，21（9）：642-651.

［3］? ?BONIFAZI G，GIANCONTIERI V，MELONI A.Characterization of the flotation froth structure and color by machine vision（ChaCo）［J］.Developments in Mineral Processing，2000，13：C8a?39-C8a?49.

［4］? ?王為.基于FPGA?DSP的浮選圖像系統(tǒng)多通道采集裝置研制［D］.長沙：中南大學，2014.

［5］? ?亢國棟.基于嵌入式Linux的浮選泡沫圖像監(jiān)控系統(tǒng)設(shè)計［D］.徐州：中國礦業(yè)大學，2016.

［6］? WANG W X，STEPHANSSON O，WAN S C.On?line system setup in a cellar of a flotation plant［C］//Proceedings of the 15th International Conference on Pattern Recognition.Piscataway，NJ：IEEE，2000：791-794.

［7］? ?MARAIS C，LDRICH C.Estimation of platinum flotation grades from froth image data［J］.Mineral Engineering，2011，24（5）：433-441.

［8］? ?王勇，楊公訓，路邁西，等.煤泥浮選泡沫圖像灰度行程及其統(tǒng)計紋理特征［J］.煤炭學報，2006，31（1）：94-98.

［9］? ?曾榮.浮選泡沫圖象邊緣檢測方法的研究［J］.中國礦業(yè)大學學報，2002，31（5）：421-425.

［10］? ?SHEAN B J，CILLIERS J J.A review of froth flotation control［J］.International Journal of Mineral Processing，2011，100（3?4）：57-71.

［11］? ?DABOV K，F(xiàn)OI A，EGIAZARIAN K.Video denoising by sparse 3D transform?domain collaborative filtering［C］//The 15th European Signal Processing Confe?rence.Piscataway，NJ：IEEE，2007：145-149.

［12］? ?劉金平，桂衛(wèi)華，唐朝暉，等.基于Curvelet變換的浮選泡沫圖像序列時空聯(lián)合去噪［J］.控制與決策，2013，28（9）：1322-1328.

［13］? ?白靜，侯彪，王爽，等.基于提升Directionlet域高斯混合尺度模型的SAR圖像噪聲抑制［J］.計算機學報，2008，31（7）：1234-1241.

［14］? ?JAIN P，TYAGI V.A survey of edge?preserving image denoising methods［J］.Information Systems Frontiers，2016，18（1）：159-170.

［15］? ?REEJA S R，KAVYA N P.Real time video denoising［C］//The 2012 IEEE International Conference on Engineering Education：Innovative Practices and Future Trends （AICERA）.Piscataway，NJ：IEEE，2012：1-5.

［16］? ?李建奇.礦物浮選泡沫圖像增強與分割方法研究及應(yīng)用［D］.長沙：中南大學，2013.

［17］? ?RAFAEL C G，RICHARD E W.數(shù)字圖像處理［M］.阮秋琦，譯.北京：電子工業(yè)出版社，2003：72-74.

［18］? ?PANETTA K A，WHARTON E J，AGAIAN S S.Human visual system based image enhancement and logarithmic contrast measure［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part B：Cybernetics，2008，38（1）：174-188.

［19］? ?袁曉松，王秀壇，王希勤.基于人眼視覺特性的自適應(yīng)的圖像增強算法的研究［J］.電子學報，1999，27（4）：63-65.

［20］? ?冷寒冰，王先，劉上乾.基于人眼視覺特性的鄰域自適應(yīng)模糊增強算法［J］.光電工程，2004，31（1）：62-64；68.

［21］? ?王炳健，劉上乾，周慧鑫，等.基于平臺直方圖的紅外圖像自適應(yīng)增強算法［J］.光子學報，2005，34（2）：299-301.

［22］? ?章毓晉.圖像工程（中冊）圖像分析［M］.第2版.北京：清華大學出版，2005.

［23］? ?BONIFAZI G，GIANCONTIERI V，SERRANTI S，et al.A full color digital imaging based approach to characterize flotation froth：An experience in Pyhasalmi（SF） and Garpenberg（S） plants［C］//International Conference on Imaging：Technology and Applications for the 21st Century.Beijing：中國感光學會，2005：172-173.

［24］? ?王麓雅，唐文勝，劉相濱，等.浮選中泡沫圖像的分割算法［J］.湖南師范大學學報，2002，25（2）：23-26.

［25］? ?陽春華，楊盡英，牟學民，等.基于聚類預(yù)分割和高低精度距離重構(gòu)的彩色浮選泡沫圖像分割［J］.電子與信息學報，2008，30（6）：1286-1290.

［26］? ?ESTRADA?RUIZ R H， PEREZ?GARIBAY R.Neural networks to estimate bubble diameter and bubble size distribution of flotation froth surfaces［J］.Journal of the South African Institute of Mining and Metallurgy，2009，109（7）：441-446.

（收稿日期：2022-06-08，修回日期：2023-03-12）

Status and Prospect of Image Monitoring and Control?Technology for Mineral Flotation Foams

ZHANG Wen?kang1a，b， LIU Dan1a，b， WANG Chun?jing1a，b， LIU Rui?tao1a，b，?WANG Da?qian1a，b， YU Long?zhou2

（1a. Faculty of Land and Resources Engineering； 1b. State Key Laboratory of Clean Utilization of Complex Nonferrous?Metal Resources， Kunming University of Science and Technology； 2. Yunnan Amade Electrical Engineering Co.，Ltd.）

Abstract? ?Aiming at the image processing of industrial flotation foams，? the general methods for it were introduced from? the foam image denoising， image enhancement and image segmentation and the potential problems were described. In addition， according to the characteristics of flotation foam images， a real?time monitoring and control system for the flotation image processing was introduced， including its advantages and characteristics compared with the manual operation. Finally， this? systems development trend in automation and intelligence was forecasted

Key words? ?flotation foam， image denoising， image enhancement， image segmentation， real?time monitoring