白云鄂博稀土矿浮选泡沫速度与崩塌率的图像特征研究

目录

声明

引言

1 文献综述

1.1 稀土的性质及分布

1.1.1 稀土的性质

1.1.2 稀土资源的分布

1.2 我国的稀土资源概述

1.3 白云鄂博稀土矿资源及选矿现状

1.3.1 白云鄂博稀土资源

1.3.2 白云鄂博尾矿资源概述

1.3.3 白云鄂博稀土矿选矿现状

1.4 浮选泡沫图像特征处理现状

1.5 浮选泡沫图像的计算机处理研究

1.5.1 浮选泡沫速度的提取与研究

1.5.2 浮选泡沫崩塌率的提取与研究

1.6 计算机图像分析浮选泡沫图像的方法及研究

1.6.1 MATLAB软件简介和图像处理领域的应用

1.6.2 SIFT算法的动态图像特征提取

1.7 研究的意义和内容

1.7.1 研究的意义

1.7.2 研究的内容

1.8 研究的创新点和路线

1.8.1 研究的创新点

1.8.2 研究的路线

2 实验的材料和设备

2.1 实验的材料

2.1.1 矿物材料

2.1.2 矿物的工艺学分析

2.1 稀土精矿X射线衍射图

2.2 实验的设备

2.3 实验药剂

3 浮选条件实验的确立及图像采集与分析

3.1 浮选条件实验的确立

3.1.1 浮选条件的实验研究

3.1.2 浮选条件实验

3.1.3 浮选实验流程

3.1.4 建立照片采集系统

3.1.5 浮选条件实验结果

3.2 稀土浮选泡沫图像分析

3.2.1 图像分析技术在选矿领域的发展

3.2.2 浮选泡沫图像处理的具体流程

3.3 浮选泡沫图像预处理和动态特征分析

3.3.1 浮选泡沫图像灰度处理

3.3.2 浮选泡沫图像的滤波处理

3.3.3 浮选泡沫图像的边缘检测

3.3.4 浮选泡沫图像的SIFT特征匹配和速度特征提取

3.3.5 浮选泡沫图像的崩塌率特征提取

3.4 浮选图像动态特征与品位的相关性分析

3.4.1 泡沫速度与品位的相关性分析

3.4.2 泡沫崩塌率与品位的相关性分析

3.4.3 浮选条件实验的动态特征分析

3.5 本章小结

4 稀土浮选泡沫动态识别与品位的预测模型

4.1 神经网络的发展历程

4.2 神经网络的基本原理

4.3 黑箱模型的选择

4.3.1 人工神经网络的种类

4.3.2 人脑与人工神经网络的特点比较

4.3.3 BP神经网络的选取

4.4 基于浮选实验的BP神经网络品位预测模型

4.4.1 浮选泡沫的动态识别步骤

4.4.2 BP神经网络预测分析

4.5 本章小结

结论

参考文献

在校研究成果

致谢