礦物浮選泡沫圖像處理與過(guò)程監(jiān)測(cè)技術(shù)

定　價(jià)：￥50.00

作　者：	桂衛(wèi)華，陽(yáng)春華，謝永芳等著
出版社：	中南大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	工業(yè)技術(shù) 礦業(yè)工程

購(gòu)買這本書可以去

ISBN：	9787548709299	出版時(shí)間：	2013-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	280	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《礦物浮選泡沫圖像處理與過(guò)程監(jiān)測(cè)技術(shù)》總結(jié) 了作者桂衛(wèi)華、陽(yáng)春華、謝永芳、唐朝暉及其團(tuán)隊(duì)近 10年來(lái)在礦物浮選泡沫圖像處理技術(shù)及基于機(jī)器視覺(jué)的過(guò)程監(jiān)測(cè)技術(shù)領(lǐng)域的研究工作，內(nèi)容涉及浮選生產(chǎn)過(guò)程機(jī)理分析、泡沫圖像處理方法、工藝指標(biāo)預(yù)測(cè)技術(shù)、工況識(shí) 別方法以及系統(tǒng)實(shí)現(xiàn)等方面。書中論述了浮選泡沫圖像形態(tài)特征、顏色特征、紋理特征以及運(yùn)動(dòng)特征的提取方法；討論了泡沫圖像特征與浮選工況、工藝指標(biāo)之間的相互關(guān) 系；給出了基于概率密度估計(jì)和加權(quán)模糊支持向量機(jī) 的浮選過(guò)程工況識(shí)別技術(shù)；闡述了基于機(jī)器視覺(jué)的礦物浮選監(jiān)測(cè)系統(tǒng)及其在鋁土礦浮選、鋅濕法冶煉硫浮選、銅優(yōu)浮選及金銻浮選等典型浮選生產(chǎn)過(guò)程中的應(yīng)用。這些系統(tǒng)在實(shí)際工業(yè)生產(chǎn)過(guò)程中取得了明顯的應(yīng)用成效，實(shí)現(xiàn)了浮選生產(chǎn)過(guò)程泡沫圖像特征的提取、關(guān)鍵工藝參數(shù)的監(jiān)測(cè)和浮選工況的實(shí)時(shí) 監(jiān)視，為穩(wěn)定浮選生產(chǎn) 工況、提高精礦品位和回收率發(fā)揮了重要作用。相關(guān) 方法可為其他復(fù)雜生產(chǎn) 過(guò)程的在線監(jiān)測(cè)提供借鑒和參考?！兜V物浮選泡沫圖像處理與過(guò)程監(jiān)測(cè)技術(shù)》可作為高等院校控制科學(xué)與工程、儀器科學(xué)與技術(shù)等學(xué)科研究生和教師日常用書，也可為從事礦物浮選和過(guò)程控制領(lǐng)域研究的科研人員和工程技術(shù)人員提供參考。

作者簡(jiǎn)介

暫缺《礦物浮選泡沫圖像處理與過(guò)程監(jiān)測(cè)技術(shù)》作者簡(jiǎn)介

圖書目錄

第1章緒論
1.1 浮選工業(yè)的發(fā)展
1.2 礦物浮選泡沫圖像處理技術(shù)的發(fā)展
1.3 浮選生產(chǎn)過(guò)程監(jiān)測(cè)技術(shù)的發(fā)展
第2章浮選生產(chǎn)過(guò)程工藝機(jī)理分析
2.1 浮選生產(chǎn)過(guò)程原理及工藝
2.2 氣泡礦化熱力學(xué)分析
2.3 礦粒與泡沫作用過(guò)程動(dòng)力學(xué)分析
2.4 浮選泡沫特征的主要影響因素
2.5 表征浮選工況的泡沫表面視覺(jué)特征
2.6 小結(jié)
第3章浮選泡沫形態(tài)特征提取
3.1 泡沫圖像形態(tài)特征提取方法概述
3.2 泡沫圖像的篩選與光照補(bǔ)償
3.3 泡沫圖像分割結(jié)構(gòu)元素選取
3.4 基于分層分水嶺的泡沫圖像自適應(yīng)分割算法
3.5 基于谷底型邊緣的泡沫圖像分割方法
3.6 圖像標(biāo)記及像素定標(biāo)
3.7 泡沫尺寸統(tǒng)計(jì)特征提取
3.8 基于形態(tài)學(xué)簽名變換的泡沫形狀特征提取
3.9 小結(jié)
第4章浮選泡沫顏色和紋理特征提取
4.1 泡沫顏色和紋理特征提取概述
4.2 基于全變差修復(fù)的泡沫頂部亮點(diǎn)移除
4.3 多顏色空間的泡沫顏色特征提取
4.4 紋理特征提取
4.5 小結(jié)
第5章浮選泡沫動(dòng)態(tài)特征提取
5.1 動(dòng)態(tài)特征提取方法概述
5.2 浮選泡沫速度特征提取
5.3 浮選泡沫穩(wěn)定度特征提取方法
5.4 小結(jié)
第6章基于泡沫視覺(jué)特征的浮選關(guān)鍵工藝參數(shù)檢測(cè)
6.1 浮選泡沫視覺(jué)特征與關(guān)鍵工藝參數(shù)分析
6.2 基于混合神經(jīng)網(wǎng)絡(luò)的pH軟測(cè)量模型
6.3 基于B樣條變換偏最小二乘的精礦品位預(yù)測(cè)模型
6.4 基于稀疏多核最小二乘支持向量機(jī)的回收率預(yù)測(cè)模型
6.5 小結(jié)
第7章基于泡沫視覺(jué)特征的浮選工況識(shí)別
7.1 基于尺寸概率密度估計(jì)的浮選工況識(shí)別
7.2 基于加權(quán)模糊支持向量機(jī)的浮選工況識(shí)別
7.3 小結(jié)
第8章基于機(jī)器視覺(jué)的礦物浮選過(guò)程監(jiān)測(cè)系統(tǒng)
8.1 系統(tǒng)需求分析
8.2 圖像采集硬件平臺(tái)設(shè)計(jì)
8.3 軟件設(shè)計(jì)與實(shí)現(xiàn)
8.4 鋁土礦浮選過(guò)程監(jiān)測(cè)系統(tǒng)
8.5 鋅濕法冶煉硫浮選過(guò)程監(jiān)測(cè)系統(tǒng)
8.6 銅優(yōu)浮選過(guò)程監(jiān)測(cè)系統(tǒng)
8.7 金銻浮選過(guò)程監(jiān)測(cè)系統(tǒng)
8.8 小結(jié)
參考文獻(xiàn)