کاربرد طبقه بندی تصاویر کف فلوتاسیون بر اساس مشخصه های تصویری در ارزیابی عملکرد سلول فلوتاسیون

فلوتاسیون از جمله مرسوم ترین روش های پرعیارسازی کانی های فلزی در کارخانه های فرآوری مواد معدنی است. کنترل پیوسته مدارهای فلوتاسیون برای رسیدن به کارایی متالورژیکی مطلوب اهمیت بسزایی دارد. تحقیقات نشان داده است که همبستگی معناداری بین مشخصات تصویری کف سطح سلول های فلوتاسیون با شرایط عملیاتی و شاخص های کارایی متالورژیکی فرآیند وجود دارد. هدف از انجام پژوهش حاضر توسعه الگوریتم ها برای استخراج مشخصه های بصری (ابعاد حباب های هوا، سرعت و رنگ کف) و بافتی (انرژی، آنتروپی و همبستگی) از تصاویر کف یک فرآیند فلوتاسیون ناپیوسته و سپس طبقه بندی و خوشه بندی تصاویر بر اساس متغیرهای تصویری است. برای این منظور آزمایش های فلوتاسیون در یک سلول ناپیوسته آزمایشگاهی در شرایط مختلف (دبی هوادهی، درصد جامد، غلظت کفساز، غلظت کلکتور و pH پالپ) انجام شد و پارامترهای متالورژیکی (بازیابی مس و عیار مس کنسانتره) و ویژگی های تصویری کف برای هر آزمایش اندازه گیری شد. از الگوریتم های سلسله مراتبی (درخت تصمیم گیری) و فازی FCM به ترتیب برای طبقه بندی و خوشه بندی تصاویر کف استفاده شدند. مقایسه نتایج طبقه بندی تصاویر کف ارایه شده به وسیله سیستم بینایی ماشین با سیستم اپراتوری نشان داد که دقت این سیستم در طبقه بندی تصاویر از سیستم اپراتوری بالاتر است. نتایج این تحقیق نشان داد که الگوریتم های توسعه داده شده به خوبی قادر به طبقه بندی تصاویر کف بر اساس مشخصه های تصویری و پارامترهای متالورژیکی بوده است که این امر در طراحی یک سیستم کنترل مبتنی بر بینایی ماشین بسیار ضروری است.