控制理论与应用

作者：曹文艳,王然风,樊民强,付翔,王宇龙

单位：太原理工大学 矿业工程学院,太原理工大学 矿业工程学院,太原理工大学 矿业工程学院,太原理工大学 矿业工程学院,太原理工大学 矿业工程学院

关键词：煤泥浮选泡沫; 加药状况; 机器视觉; 图像特征提取和选择; 半监督学习; 联合分类模型

为解决煤泥浮选过程依靠工人肉眼识别泡沫特征来调节药剂用量, 造成药剂浪费, 产品质量不合格的问题,提出一种MRMR和SSGMM联合分类模型的药况图像识别方法. 针对泡沫图像的形态、纹理、颜色特征与泡沫类别具有不同程度的相关性. 将精煤灰分作为泡沫的类别信息, 利用最大相关最小冗余(MRMR)算法筛选最优特征; 针对传统的高斯混合模型(GMM)在聚类时, 存在结果需人为判断实现分类的问题, 通过引入少量已知加药状况下的泡沫图像特征样本对其改进, 构建半监督高斯混合模型(SSGMM)泡沫图像聚类器. 将优选的且具有少量先验标签信息的多维泡沫图像特征融合到SSGMM聚类模型中, 利用少量的标记样本引导聚类, 并将其标签信息映射给聚类结果实现自动分类. 实验表明, 这种联合分类模型提高了泡沫识别的准确性, 为药剂用量的准确控制与精煤产品质量提供了关键技术支持.

来源：2021年第12期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第12期