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

Abstract

فلوتاسیون از جمله مرسوم¬ترین روش¬های پرعیارسازی کانی¬های فلزی در کارخانه¬های فرآوری مواد معدنی است. کنترل پیوسته مدارهای فلوتاسیون به منظور رسیدن به کارایی متالورژیکی مطلوب از اهمیت بسزایی برخوردار می¬باشد. تحقیقات نشان داده است که همبستگی معناداری بین مشخصات تصویری کف سطح سلول‌های فلوتاسیون با شرایط عملیاتی و شاخص‌های کارایی متالورژیکی فرایند وجود دارد. هدف از انجام پژوهش حاضر توسعه الگوریتم¬های به منظور استخراج مشخصه¬های بصری (ابعاد حباب¬های هوا، سرعت و رنگ کف) و بافتی (انرژی، آنتروپی و همبستگی) از تصاویر کف یک فرایند فلوتاسیون ناپیوسته و سپس طبقه¬بندی و خوشه¬بندی تصاویر بر اساس متغیرهای تصویری می¬باشد. 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 گردید. از الگوریتم‌های سلسله مراتبی (درخت تصمیم‌گیری) و فازی FCM به ترتیب برای طبقه¬بندی و خوشه¬بندی تصاویر کف استفاده شدند. مقایسه نتایج طبقه¬بندی تصاویر کف ارائه شده توسط 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 براساس مشخصه¬های تصویری و پارامترهای متالورژیکی بوده که این امر در طراحی یک سیستم کنترل مبتنی بر بینایی ماشین بسیار ضروری است.