基于泡沫图像特征加权SVM的浮选工况识别

• 作者: 任会峰 周璇 桂卫华 鄢锋 阳春华
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 浮选 工况识别 泡沫图像 加权支持向量机 空间融合灰度共生矩阵
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 自动化技术
• 页码范围: 2115-2119
• 页数: 5页
• 分类号: TP274.3
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2011.12.008

摘要

针对浮选泡沫视觉特征的多样性和重要度差异以及浮选工况样本数分布不平衡等问题,提出一种基于在线泡沫视觉表观特征加权支持向量机的浮选工况识别方法.通过色彩空间变换,在CIE-Lab空间计算泡沫颜色,采用多方向融合的空间灰度共生矩阵提取泡沫纹理特征,以视觉特征的信息增益评价该特征的重要度,再利用不同工况的样本数加权策略消除样本数不平衡的影响,采用支持向量机方法实现了浮选工况的自动识别.工业运行数据测试结果表明:该方法能够在线识别浮选工况,自动识别准确率达98％,比人工识别率高6％,比传统灰度共生矩阵方法高2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华		389	3229	27.0	37.0
2	桂卫华		695	7452	38.0	56.0
3	鄢锋		9	106	4.0	9.0
4	任会峰		13	82	5.0	9.0
5	周璇		17	112	7.0	10.0