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

فلوتاسیون از جمله مرسوم‌ترین روش‌های پرعیارسازی کانی‌های فلزی در کارخانه‌های 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 سلول‌های فلوتاسیون با شرایط عملیاتی و شاخص‌های کارایی متالورژیکی فرآیند وجود دارد. هدف از انجام پژوهش حاضر توسعه الگوریتم‌ها برای استخراج مشخصه‌های بصری (ابعاد حباب‌های هوا، سرعت و رنگ کف) و بافتی (انرژی، آنتروپی و همبستگی) از تصاویر کف یک فرآیند فلوتاسیون ناپیوسته و سپس طبقه‌بندی و خوشه‌بندی تصاویر بر اساس متغیرهای تصویری است. برای این منظور آزمایش‌های 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 ویژگی‌های تصویری کف برای هر آزمایش اندازه‌گیری شد. از الگوریتم‌های سلسله مراتبی (درخت تصمیم‌گیری) و فازی FCM به ترتیب برای طبقه‌بندی و خوشه‌بندی تصاویر کف استفاده شدند. مقایسه نتایج طبقه‌بندی تصاویر کف ارایه شده به وسیله سیستم بینایی ماشین با سیستم اپراتوری نشان داد که دقت این سیستم در طبقه‌بندی تصاویر از سیستم اپراتوری بالاتر است. نتایج این تحقیق نشان داد که الگوریتم‌های توسعه داده شده به خوبی قادر به طبقه‌بندی تصاویر کف بر اساس مشخصه‌های تصویری و پارامترهای متالورژیکی بوده است که این امر در طراحی یک سیستم کنترل مبتنی بر بینایی ماشین بسیار ضروری است.