تخمین عیار یا عیارسنجی مس از روی کف فلوتاسیون با استفاده از آنالیز تصویر و بینایی ماشین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 پژوهشکده فرآوری مواد معدنی جهاد دانشگاه تربیت مدرس

2 عضو هیات علمی پژوهشکده فراوری مواد معدنی جهاد دانشگاهی،گروه کانه آرایی و هیدرومتالورژی

3 عضو هیات علمی پژوهشکده فراوری مواد معدنی جهاد دانشگاهی، گروه کانه آرایی و هیدرومتالورژی

چکیده

تعیین پارامترهای متالورژیکی فرایند فلوتاسیون(عیار و بازیابی) از طریق مشاهده سطح ظاهری کف و توسط اپراتور انجام می‌شود که با مشکلات زیادی مانند ناتوانی در نظارت مستمر و تفاوت چشم‌گیر در نتایج و مشاهدات توسط افراد همراه است. بنابراین اندازه‌گیری پیوسته عیار کف برای ایجاد یک مدار پایا ضروری است. در این تحقیق برای تعیین عیار کف فلوتاسیون کانه اکسیدیاکسیدی مس از ویژگی‌های فیزیکی و بافتی تصاویر(کف فلوتاسیون) استفاده شده است. پیش‌پردازش و پردازش‌ در برنامه متلب و با استفاده از شبکه‌ عصبی بر روی تصاویر انجام گرفت. برای بررسی آزمون صحت و دقت سیستم، عیار تخمینی با عیار واقعی مقایسه شدند. بررسی‌ها نشان می‌دهند که وقتی از سه ویژگی رنگی (رنگ‌های قرمز، سبز و آبی) تصاویر برای تعیین عیار استفاده می‌شود، این ویژگی‌ها به-تنهایی برای تخمین عیار کافی نیستند و میزان خطای ایجاد شده به 7/21 درصد می‌رسد. میزان خطای ایجاد شده در هنگام استفاده از سه ویژگی رنگی و انحراف معیار آنها به 7/8 درصد رسید که نشان می‌داد باید از پارامترهای بیشتری استفاده شود. در نهایت از 11 ویژگی شامل کانال‌های رنگی و انحراف معیار آن‌ها و نیز از ویژگی‌های هارالیک(آنتروپی، کنتراست، انرژی، همبستگی و گرادیان-دانسیته) استفاده شده که نشان دهنده همسانی بسیارخوبی بین عیار واقعی با عیار پیش‌بینی شده آن‌ها است. میزان خطای محاسبه شده بسیار کاهش یافته و به 3/2 درصد رسیده است. روش کار سیستم تعیین عیار کف فلوتاسیون شامل عکس‌برداری از کف فلوتاسیون، پیش‌پردازش و پردازش تصاویر، استخراج ویژگی‌ها، آموزش سیستم، آزمون و اعتبارسنجی و ارایه آنلاین عیار است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimation of copper titration or calibration from flotation floor using machine image analysis and vision

نویسندگان [English]

  • zahra bahri 1
  • abdoullah samiee bayragh 2
  • mehdi zakeri 3
1 Assistant Professor, Institute of Mineral Processing, ACECR at Tarbiat Modares
2 bResearch Department of Mining and hydrometallurgy, Mineral Processing Research Institute, Academic Center for Education, Culture & Research, Tarbiat Modares University, Tehran, Iran
3 bResearch Department of Mining and hydrometallurgy, Mineral Processing Research Institute, Academic Center for Education, Culture & Research, Tarbiat Modares University, Tehran, Iran
چکیده [English]

By observing froth surface, operators can usually determine the metallurgical parameters (grade and recovery) of flotation process but it is associated with many problems such as inability to continuously monitor, significant differences with operation results, and various observations by different persons. In this study, the physical and structure properties of flotation froth images have been investigated to determine the metallurgical parameters of copper oxide ore. Pre-processing and processing of images obtained from the flotation froth was studied using artificial neural networks in MATLAB program. The estimated grade was compared with the actual grade to check the accuracy of the system. Studies show that when the three color characteristics (red, green, and blue colors) of images are used to determine the grade of froth, these three characteristics alone are not sufficient to estimate the grade, and the amount of error rate is 21.7%. When factors of the three color characteristics, and their standard deviation was studied for estimating the grade, the error rate reached 8.7%. Finally, the simultaneous studies of 11 characteristics including color channels, their standard deviation and haralic characteristics (entropy, contrast, energy, correlation, and gradient-density) showed that a very good similarity between the actual grade and their predicted grade. The calculated error rate greatly reduced to 2.3%. The method of work was including of the picture taking of froth flotation, pre-processing and processing of images, characteristics extraction, system training, testing and validation, and finally the results showed that the amount of froth grade in the online form.

کلیدواژه‌ها [English]

  • Flotation
  • Machine Vision
  • Image Analysis
  • Color Channels
  • Online Froth Grade