基于机器视觉及IHS-LSSVM的浮选回收率预测
来源期刊:有色金属(选矿部分)2016年第5期
论文作者:廖一鹏 王卫星
文章页码:79 - 84
关键词:浮选图像;和声搜索算法;最小二乘支持向量机;回收率预测;
摘 要:针对矿物浮选过程中回收率难以在线检测的问题,提出了一种基于机器视觉技术、改进和声搜索算法(HS)优化LSSVM参数的预测方法(IHS-LSSVM)。首先提取浮选泡沫图像的颜色、气泡尺寸、分形系数、运动速度等多个特征,接着改进和声搜索算法的"调音"策略,进而找到LSSVM的最优参数,并建立浮选回收率预测模型,最后采用铅矿浮选现场数据对模型进行测试。试验结果表明,相对于现有方法,该预测方法提高了预测精确度。
廖一鹏,王卫星
福州大学物理与信息工程学院
摘 要:针对矿物浮选过程中回收率难以在线检测的问题,提出了一种基于机器视觉技术、改进和声搜索算法(HS)优化LSSVM参数的预测方法(IHS-LSSVM)。首先提取浮选泡沫图像的颜色、气泡尺寸、分形系数、运动速度等多个特征,接着改进和声搜索算法的"调音"策略,进而找到LSSVM的最优参数,并建立浮选回收率预测模型,最后采用铅矿浮选现场数据对模型进行测试。试验结果表明,相对于现有方法,该预测方法提高了预测精确度。
关键词:浮选图像;和声搜索算法;最小二乘支持向量机;回收率预测;