基于浮选泡沫图像处理的矿浆品位建模及仿真
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题的背景与意义 | 第9-12页 |
| ·课题的相关背景 | 第9-11页 |
| ·课题的意义 | 第11-12页 |
| ·国内外现状及趋势 | 第12-15页 |
| ·国外技术现状 | 第12-13页 |
| ·国内技术现状 | 第13-14页 |
| ·技术发展趋势及存在的主要问题 | 第14-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| 第2章 浮选理论和图像处理技术概述 | 第17-33页 |
| ·浮选基本理论概述 | 第17-19页 |
| ·浮选基本原理 | 第17页 |
| ·矿物的可浮性 | 第17-18页 |
| ·浮选药剂 | 第18页 |
| ·气泡的形成和性质 | 第18-19页 |
| ·数字图像识别技术概述 | 第19-31页 |
| ·数字图像的结构原理 | 第19-21页 |
| ·浮选泡沫图像预处理 | 第21-24页 |
| ·浮选泡沫图像分割 | 第24-27页 |
| ·图像特征提取 | 第27-28页 |
| ·图像识别方法 | 第28-31页 |
| ·基于数字图像处理的浮选测控方式的优势 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 浮选泡沫图像处理系统的总体方案 | 第33-41页 |
| ·浮选泡沫图像处理系统总体结构 | 第33-37页 |
| ·嵌入式泡沫图像智能传感器的开发 | 第34页 |
| ·浮选泡沫图像处理工作站的集成和实现 | 第34-35页 |
| ·图像传感器应用系统设计中光源与照度的匹配 | 第35-37页 |
| ·浮选泡沫图像处理系统实验步骤 | 第37-38页 |
| ·浮选泡沫图像预测矿浆品位的实验基础 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 矿浆品位的数学建模步骤及方法 | 第41-53页 |
| ·数学建模步骤 | 第41-42页 |
| ·数学建模方法 | 第42-52页 |
| ·多元线性回归方法 | 第42-44页 |
| ·人工神经网络 | 第44-47页 |
| ·支持向量机(SVM) | 第47-52页 |
| ·三种方法用于矿浆品位建模的对比 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第5章 矿浆品位的建模及仿真 | 第53-67页 |
| ·基于SVM的矿浆品位建模 | 第53-56页 |
| ·模型输入输出的选取 | 第53-54页 |
| ·矿浆品位建模中SVM算法的选取 | 第54-56页 |
| ·矿浆品位预测的仿真实验 | 第56-64页 |
| ·LIBSVM仿真软件简介及改进 | 第57页 |
| ·仿真实验流程及关键参数的选取 | 第57-59页 |
| ·非正常工艺条件下的仿真 | 第59-62页 |
| ·正常生产条件下的仿真 | 第62-64页 |
| ·模型误差分析 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
