泡沫浮选作为一种通过浮选药剂改变矿物表面物理化学性质从而分离不同成分的矿物的方法,对工业选矿意义重大。本论文立足于工程实际应用,主要研究内容包括浮选泡沫图像采集和分析系统的软硬件平台搭建,针对浮选泡沫的数字图像处理算法研究,以及基于GA-RNN的精矿品位预测模型的建模。(1)浮选泡沫图像采集和分析系统的软硬件平台搭建:在镍矿浮选车间现场,完成系统的硬件搭建和软件运行,并作为实际工程成果交付给对方单位。根据镍矿浮选流程的特点和现场工人的实际需要,不断完善软件功能,提出了实现软件功能的四大子系统,即图像采集子系统、图像特征值提取子系统、图像和数据显示子系统、操作建议和台账记录子系统。软件运行在工控机上,在window10操作系统环境下,借助VS2017开发环境,使用C++11语言编写代码和MFC框架完成桌面应用程序的开发。(2)浮选泡沫图像处理算法研究:对适用于浮选泡沫的图像处理算法进行研究,采用RGB颜色模型算法和HSV颜色模型算法来提取颜色特征;使用彩色图像灰度化算法将浮选泡沫彩色图像转换为灰度图,采用基于直方图均衡化的图像增强算法和基于级联滤波器的图像滤波算法,从而完成图像预处理工作;优化了基于标记的分水岭分割算法完成浮选泡沫图像的分割,从而提取浮选泡沫的形态特征;提出了采用ORB算法进行特征点检测和描述、采用FLANN算法进行特征点的匹配、采用RANSAC算法进行错误匹配过滤,从而提取浮选泡沫的速度特征。(3)基于GA-RNN的精矿品位预测模型的建模:根据镍矿浮选流程的特点得知浮选泡沫图像特征参数具有时间序列特性,确定基于循环神经网络算法搭建精矿品位预测模型,并搭建初步模型。本文针对初步模型预测精度较低的情况,针对神经网络对初始权值和阈值敏感的缺点,提出了采用遗传算法来寻找循环神经网络的初始权值和阈值,模型的预测精度得到进一步优化。