一种浮选泡沫溢流状态识别方法、装置和存储介质制造方法及图纸

本说明书实施例提供了一种浮选泡沫溢流状态识别方法、装置和存储介质，所述方法包括：采集预设区域内的连续图像，所述预设区域由浮选槽、溢流堰和泡沫槽构成；预先设置的第一深度学习模型基于所述连续图像中展示的泡沫移动状态，得到第一浮选泡沫溢流状态，所述第一浮选泡沫溢流状态包括：断流、冒槽和其他。本申请提供的技术方案用机器视觉技术实现在浮选过程中自动、及时发现泡沫的异常溢流状态。及时发现泡沫的异常溢流状态。及时发现泡沫的异常溢流状态。

【技术实现步骤摘要】
一种浮选泡沫溢流状态识别方法、装置和存储介质


[0001]本文件涉及浮选
，尤其涉及一种浮选泡沫溢流状态识别方法、装置和存储介质。

技术介绍

[0002]浮选机内泡沫的溢流状态是反映工况是否正常的最直观表现，例如断流、冒槽、溢流过快或过慢这些状态，均属于需要及时发现并予以纠正的异常状态。
[0003]现有方法会在浮选机平台上设置测距传感器，并通过测距传感器确定是否出现断流和冒槽的情况。因此，现有技术需要在浮选机平台上额外设置新的装置，以专门检测浮选过程中是否出现断流和冒槽。
[0004]然而，一旦测距传感器出现故障，换修测距传感器会增加设备运维的工作量，甚至引发其他不可预知的错误，从而影响浮选过程的效率。

技术实现思路

[0005]鉴于上述的分析，本申请旨在提出一种浮选泡沫溢流状态识别方法、装置和存储介质，以保证在浮选过程中自动、及时发现泡沫的异常溢流状态。
[0006]第一方面，本说明书一个或多个实施例提供了一种浮选泡沫溢流状态识别方法，包括：
[0007]采集预设区域内的连续图像，所述预设区域由浮选槽、溢流堰和泡沫槽构成；
[0008]预先设置的第一深度学习模型基于所述连续图像中展示的泡沫移动状态，得到第一浮选泡沫溢流状态，所述第一浮选泡沫溢流状态包括：断流、冒槽和其他。
[0009]进一步地，所述浮选泡沫溢流状态为其他时，在所述得到第一浮选泡沫溢流状态之后，所述方法还包括：
[0010]根据所述连续图像，确定泡沫的移动速度；
[0011]根据所述移动速度和预设速度阈值，确定第二浮选泡沫溢流状态，所述第二浮选泡沫溢流状态包括：溢流过快、溢流过慢和溢流正常。
[0012]进一步地，所述第一深度学习模型基于所述连续图像中表征的泡沫移动状态，得到第一浮选泡沫溢流状态，包括：
[0013]在泡沫沿预设方向连续移动，且所述连续图像上看不到所述溢流堰时，确定所述第一浮选泡沫溢流状态为其他；
[0014]在所述泡沫未沿预设方向连续移动，且所述连续图像上能看到所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；
[0015]在所述泡沫未沿预设方向连续移动，且所述连续图像上看不到所述溢流堰时，确定所述第一浮选泡沫溢流状态为冒槽。
[0016]进一步地，所述第一深度学习模型的训练方法，包括：
[0017]分别采集断流状态下的第一图像序列，冒槽状态下的第二图像序列，其他状态下
的第三图像序列；
[0018]以所述第一图像序列，所述第二图像序列和所述第三图像序列为训练样本对预先设置的深度学习模型进行训练得到所述第一深度学习模型。
[0019]进一步地，所述方法还包括：
[0020]从所述预设区域内的连续图像中随机取得单张图像；
[0021]将所述单张图像输入预先设置的第二深度学习模型；
[0022]所述第二深度学习模型基于所述单张图像，确定所述第一浮选泡沫溢流状态。
[0023]进一步地，所述第二深度学习模型基于所述单张图像，确定所述第一浮选泡沫溢流状态，包括：
[0024]所述单张图像中存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；
[0025]所述单张图像中不存在所述溢流堰且存在所述泡沫槽时，确定所述第一浮选泡沫溢流状态为其他；
[0026]所述单张图像中不存在所述溢流堰和所述泡沫槽时，确定所述第一浮选泡沫溢流状态为冒槽。
[0027]进一步地，存在一个或多个所述预设区域，每个所述预设区域设置一个拍摄设备，所述方法还包括：
[0028]通过拍摄图像，确定各所述拍摄设备的拍摄范围；
[0029]对于所述拍摄范围对应的图像不存在所述泡沫槽的拍摄设备，采集所述预设区域内的连续图像；将所述连续图像输入预先设置的第一深度学习模型，得到所述第一浮选泡沫溢流状态；
[0030]对于所述拍摄范围对应的图像中，存在所述泡沫槽的拍摄设备，采集所述预设区域内的连续图像后，从连续图像中随机取得单张图像；将所述单张图像输入预先设置的第二深度学习模型，得到所述第一浮选泡沫溢流状态。
[0031]第二方面，本申请实施例提供了一种浮选泡沫溢流状态识别装置，包括：采集模块和数据处理模块；
[0032]所述采集模块用于采集预设区域内的连续图像，所述预设区域由浮选槽、溢流堰和泡沫槽构成；
[0033]所述数据处理模块用于基于所述连续图像中展示的泡沫移动状态，得到第一浮选泡沫溢流状态，所述第一浮选泡沫溢流状态包括：断流、冒槽和其他。
[0034]进一步地，对于连续图像，所述数据处理模块用于在泡沫沿预设方向连续移动，且所述连续图像上不存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为其他；在所述泡沫未沿预设方向连续移动，且所述连续图像上存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；在所述泡沫未沿预设方向连续移动，且所述连续图像上不存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为冒槽。对于单张图像，所述数据处理模块用于在所述单张图像中存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；在所述单张图像中不存在所述溢流堰但存在所述泡沫槽时，确定所述第一浮选泡沫溢流状态为其他；在所述单张图像中不存在所述溢流堰和所述泡沫槽时，确定所述第一浮选泡沫溢流状态为冒槽。所述浮选泡沫溢流状态为其他时，在所述得到浮选泡沫溢流状态之后，根据所述连续图像，确定泡沫的移动速度；根据所述移动速度和预设速度阈值，确定第二浮选泡沫溢流状
态。
[0035]第三方面，本申请实施例提供了一种存储介质，包括：
[0036]用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现第一方面任一项所述的方法。
[0037]与现有技术相比，本申请至少能实现以下技术效果：
[0038]1、本申请通过图像和软件算法来判断浮选泡沫的溢流状态，与现有的浮选泡沫图像软、硬件系统技术结合起来，可以在不额外设置检测设备的情况下，实现冒槽、断流、溢流过快、溢流过慢、溢流正常五种溢流状态的识别。。
[0039]2、本申请使用单张图像和连续图像分别训练第二深度学习模型和第一深度学习模型，并根据拍摄设备的拍摄范围结合第二深度学习模型和第一深度学习模型来确定浮选泡沫溢流状态，以兼顾使用单张图像预测占用资源少和使用连续图像预测适用性强的优点，进一步提高了方法的适用性。
附图说明
[0040]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本说明书一个或多个实施例提供的一种浮选泡沫溢流状态识别方法的流程图；
[0042]图2为本说明书一个或多个实施例提供的浮选槽、溢本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种浮选泡沫溢流状态识别方法，其特征在于，包括：采集预设区域内的连续图像，所述预设区域由浮选槽、溢流堰和泡沫槽构成；预先设置的第一深度学习模型基于所述连续图像中展示的泡沫移动状态，得到第一浮选泡沫溢流状态，所述第一浮选泡沫溢流状态包括：断流、冒槽和其他。2.根据权利要求1所述的方法，其特征在于，所述浮选泡沫溢流状态为其他时，在所述得到浮选泡沫溢流状态之后，所述方法还包括：根据所述连续图像，确定泡沫的移动速度；根据所述移动速度和预设速度阈值，确定第二浮选泡沫溢流状态，所述第二浮选泡沫溢流状态包括：溢流过快、溢流过慢和溢流正常。3.根据权利要求1所述的方法，其特征在于，所述第一深度学习模型基于所述连续图像中表征的泡沫移动状态，得到第一浮选泡沫溢流状态，包括：在泡沫沿预设方向连续移动，且所述连续图像上不存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为其他；在所述泡沫未沿预设方向连续移动，且所述连续图像上存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；在所述泡沫未沿预设方向连续移动，且所述连续图像上不存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为冒槽。4.根据权利要求1所述的方法，其特征在于，所述第一深度学习模型的训练方法，包括：分别采集断流状态下的第一图像序列，冒槽状态下的第二图像序列，其他状态下的第三图像序列；以所述第一图像序列，所述第二图像序列和所述第三图像序列为训练样本对预先设置的深度学习模型进行训练得到所述第一深度学习模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：从所述预设区域内的连续图像中随机取得单张图像；将所述单张图像输入预先设置的第二深度学习模型；所述第二深度学习模型基于所述单张图像，确定所述第一浮选泡沫溢流状态。6.根据权利要求5所述的方法，其特征在于，所述第二深度学习模型基于所述单张图像，确定所述第一浮选泡沫溢流状态，包括：所述单张图像中存在所述溢流堰时，确定所述第一浮选泡沫溢流状态为断流；所述单张图像中不存在所述溢流堰但存在所述泡沫槽时，确定所述第一浮选泡沫溢流状态为其他；所述单张图像中不存在所述溢流堰和所述泡沫槽时，确定所述第一浮选泡沫溢流状态为冒槽。7.根据权利要求5...

【专利技术属性】
技术研发人员：徐培培，赵玉华，武涛，杨文旺，孙鹏健，李强，苏勇，范凌霄，刘利敏，申江海，
申请(专利权)人：北矿机电科技有限责任公司，
类型：发明
国别省市：