在颗粒与气泡碰撞理论等浮选机理研究中,利用气泡的形态参数进行实验研究并验证理论模型的正确性。其提取方法的研究具有重要的研究价值;在实际的选矿厂中依靠技术人员对浮选泡沫的表面视觉状态的判断调整浮选工况参数,存在着主观性强、工况参数调整滞后等缺点。将机器视觉应用到浮选工艺中,根据泡沫的视觉特征参数实现浮选过程的实时监测。其中泡沫形态、颜色和纹理等静态参数作为先验知识能够用来识别浮选工况状态,预测浮选效果,具有重要的研究意义和广阔的应用前景。通过建立机器视觉系统采集浮选泡沫(气泡)的图像信息,研究气泡的形态与泡沫的形态、颜色和纹理特征参数的提取方法。主要研究工作如下:根据矿浆中离散气泡的存在形式,建立了模拟浮选过程装置和机器视觉设备组成的气泡观测系统。提出了一种基于区域分割的气泡边缘提取方法,其边界点最后由Canny边缘检测提取。在不同的光照环境下,边缘定位准确且变化波动比较小。针对重叠气泡,使用CSS角点检测与方向链码检测凹点并以此分割轮廓,再利用最小二乘法重建气泡边缘。完成了气泡二维形态参数的精确计算,实现了物理参数的转换。提出了水平置位分割方法测量气泡的体积和表面积,通过实验与其他三种方法的测量结果进行对比,该方法具有更高的精度和鲁棒性。在单槽浮选机上使用LED光源与工业相机搭建的监测系统采集泡沫图像。通过分析泡沫平面与截面的结构特点,对基于标记点的分水岭算法做出以下改进:使用同态滤波改善图像亮度不均和阴影问题;利用KFCM将泡沫中相似的高亮点区域进行聚类,提取标记点与边缘光带;修正原图像中的气泡边缘,对修正后的图像进行形态学开闭重建滤波;以高亮标记点为“集水盆地”做分水岭分割。同传统分水岭方法作比较,改进后的方法分割后的泡沫数量与分割线的位置比较接近实际。将双域去噪技术应用到泡沫图像滤波中,在去除噪声的同时保留了图像中的细节。提出了基于HSV颜色空间模型的LBP纹理提取方法,在颜色分量图像上分别提取三个尺度的LBP特征分布直方图,具有更高的特征分辨率。完成了三个颜色分量图的多尺度特征分布的整合,通过训练建立SVM分类器,对两种不同浮选工况状态的图像进行分类测试,准确率为86.67%,能够用于不同工况状态的识别。图44幅;表4个;参57篇。