System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于泡沫平均流速的泡沫视频关键帧提取方法技术_技高网
当前位置: 首页 > 专利查询>中南大学专利>正文

一种基于泡沫平均流速的泡沫视频关键帧提取方法技术

技术编号:43242807 阅读:11 留言:0更新日期:2024-11-05 17:26
一种基于泡沫平均流速的泡沫视频关键帧提取方法,本发明专利技术提出一种基于泡沫平均流速的泡沫视频关键帧提取方法,基于浮选现场设置的数字图像采集系统采集泡沫视频,提出了需要根据不同泡沫流速提取不同的泡沫视频关键帧序列,对原始泡沫视频进行等间隔采样获得泡沫视频候选关键帧序列,采用肘点图法和SURF算法分别获取泡沫视频候选关键帧序列的最佳采样时间间隔和泡沫平均流速。通过建立泡沫平均流速和最佳采样时间间隔二型模糊系统,根据泡沫视频的不同流速状态,自适应提取用于浮选关键性能指标监测的关键帧序列。结果表明,本发明专利技术方法在减轻了模型部署难度的情况下,能准确识别工况。

【技术实现步骤摘要】

本专利技术属于泡沫浮选,具体涉及一种基于泡沫平均流速的泡沫视频关键帧提取方法


技术介绍

1、泡沫浮选是矿石选矿过程中最常用的分离方法之一,在我国乃至国际都有极其广泛的应用。泡沫浮选通过利用矿物表面物理化学性质(主要是亲疏水性)的差异,实现有价值矿物颗粒与废石或其他非有价值矿物的分离,具有灵活性强、适用范围广、选矿效果好等优点,能帮助提高矿石的回收率和金属品位。但由于浮选过程中涉及到极其复杂的物理化学过程,具有浮选工艺流程长、内部机理不明确、外部干扰因素多、非线性严重等特点。虽然近年来国内外学者进行了大量研究,但迄今为止,还没有有效适用的数学模型可以对浮选过程进行描述,浮选流程的分析和建模仍然是一个亟待解决的难题。一直以来,浮选过程主要依靠人工肉眼观察浮选槽表面泡沫状态来完成现场操作,这种生产方式严重依赖工人经验知识,主观性强,准确性低,造成浮选生产指标波动频繁、矿物原料流失严重、药剂消耗量大、资源回收率低等情况。泡沫视频是浮选表层泡沫状态及变化的指示器,是浮选关键性能指标监测的主要依据。但是泡沫视频持续时间长,图像质量要求高,图像分辨率大,基于泡沫视频cnn模型参数量大,推理速度慢,对工业计算机配置需求高,在实际工业应用中难以有效部署。通过分析泡沫视频各帧与浮选关键性能指标之间的关系,提取与浮选关键性能指标最为密切的关键帧序列,最大化覆盖原泡沫视频的静态和动态表征信息,是减少泡沫视频cnn模型参数量的重要举措。然而,泡沫浮选工况易变,不同浮选槽之间、相同浮选槽的不同时刻之间泡沫流速存在差异,不同流速下对泡沫视频关键帧序列的需求不等。例如,扫选槽的泡沫流速快,浮选槽表层泡沫状态变化迅速,关键帧序列的各帧间应具备较小的采样间隔时间,以满足快速变化工况下的需要。在浮选工业流程中,泡沫视频是反映当前浮选工况的重要数据,是浮选关键性能指标监测的基础。基于泡沫视频cnn模型参数量大,推理速度慢,对工业计算机配置需求高,在实际工业应用中难以有效部署。同时,泡沫视频中存在许多信息不大的帧图像,如果对视频中所有帧图像都进行处理,则会造成严重的信息冗余。然而,泡沫浮选工况易变,不同浮选槽之间、相同浮选槽的不同时刻之间泡沫流速存在差异,不同流速下对泡沫视频关键帧序列的需求不等,故一般采样操作并不能满足浮选关键性能指标监测的需要。


技术实现思路

1、本专利技术的目的是提出新的一种基于泡沫平均流速的泡沫视频关键帧提取方法。提出一种新的基于泡沫平均流速的泡沫视频关键帧提取方法,本专利技术基于现场设置的泡沫视频采集系统采集泡沫视频,提取泡沫视频的平均流速,建立泡沫平均流速和最优采样时间间隔的模糊关系模型,得到不同泡沫流速下的最优采样时间间隔,进而获得泡沫视频关键帧序列。

2、采用的技术方案步骤如下:

3、步骤一:利用浮选现场的图像采集系统收集锌浮选泡沫视频数据,对收集的数据进行预处理,构成锌浮选数据集;

4、步骤二:对锌浮选原始视频进行等间隔时间采样,得到原始泡沫视频图像帧序列s0={i1,i2,i3,…,im}

5、步骤三:选定不同的采样间隔,对原始泡沫视频图像帧序列s0进行多次等间隔采样,记采样间隔为△k,得到原始泡沫视频的图像帧序列s△k,如下式所示:

6、s△k={i1,i1+△k,i1+2△k,…,i1+(α-1)△k},△k=1…△n

7、其中i1+(α-1)△k表示的是单张视频帧数据,α是泡沫视频候选关键帧的帧数,△n为最大的采样间隔;

8、步骤四:将不同采样间隔下的候选关键帧序列{s△k,△k=1…△n}送入由3d卷积网络,获得损失误差{δ△k,△k=1…△n},如下式所示:

9、δ△k=conv3d(s△k),△k=1…△n

10、其中,conv3d(·)为3d卷积神经网络;

11、步骤五:采用肘点图法对不同采样间隔下模型损失分布进行分析与计算,确定最优采样时间间隔

12、

13、步骤六:选择surf算法,对原始泡沫视频图像帧序列s0={i1,i2,i3,…,im}提取各帧的泡沫流速,计算泡沫视频的流速均值

14、s1:提取原始泡沫视频图像帧序列中的连续两帧图像,对每帧泡沫图像提取surf特征,得到surf算子描述算子v0和v1;

15、s2:根据欧式距离的定义,计算v0和v1之间的最近距离d0和次近距离d1,将最近距离d0和次近距离d1之间的比值定义为阈值当ratio<gate时,特征匹配成功,反之失败;

16、s3:根据两帧泡沫图像的特征点匹配结果,对其利用ransac算法进行误匹配点去除;

17、s4:根据去除误匹配点的匹配结果和两帧图像间匹配点的像素点差,获得泡沫位移,除去单位时间得到两帧连续图像中成功匹配点的速度集合;取匹配点的速度集合的平均值作为这两帧连续泡沫图像的速度v1;

18、s5:重复s2-s4的步骤,提取该泡沫视频余下帧的速度,获得视频帧间速度集v={v1,v2,…vm};

19、s6:计算视频帧间速度集中的均值作为泡沫视频的平均速度;

20、步骤七:记sv为泡沫视频生成的泡沫流速均值集合,s△为最优采样时间间隔集合,采用二型模糊逻辑算法type-2tsk(·)建立平均泡沫流速与最优采样时间间隔的模糊关系模型fuzzymodel,包括输入层、模糊化层、模糊推理层和输出层;

21、s1:构建模糊输入层,输入层以sv中每个视频的平均泡沫流速作为输入u,以最优时间间隔为输出y;

22、s2:选取具有不确定宽度的高斯区间二型隶属度函数作为模糊化层的上隶属度函数和下隶属度函数,如下式所示:

23、

24、其中,a为高斯隶属度函数的中心上界,b为高斯隶属度函数的中心下界,σ1和σ2为高斯隶属度函数的宽度,和分别表示模糊集合ai在输入u下的隶属度函数的上界和下界;

25、s3:构建模糊推理层;记输出变量为y(u),模型采用完备二型模糊规则库如下:

26、

27、其中,n为输入条件数目,为关于输入u的二型模糊集合,为规则后件的区间权重;

28、s4:构建输出层;采用二型模糊系统均值降型器完成降型,均值降型器的式子表达如下:

29、

30、采用质心法计算输出y,如下式所示:

31、

32、步骤八:将泡沫视频流速均值送入步骤七建立的fuzzymodel,获取最优间隔时间如下式所示:

33、

34、步骤九:根据步骤八中获得的最优时间间隔采用等间隔采样,对原始泡沫视频图像帧序列s0={i1,i2,i3,…,im}中提取关键帧序列如下式所示:

35、

36、其中,α为泡沫视频关键帧的总帧数。

37、所述步骤六s4中的gate范围为gate∈[0.65,0.95]。

38、本专利技术提出的基于现场设置本文档来自技高网...

【技术保护点】

1.一种基于泡沫平均流速的泡沫视频关键帧提取方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基于泡沫平均流速的泡沫视频关键帧提取方法,其特征在于,所述步骤六S4中的gate范围为gate∈[0.65,0.95]。

【技术特征摘要】

1.一种基于泡沫平均流速的泡沫视频关键帧提取方法,其特征在于,包括以下步骤:

2.根据权利要求1所述一种基...

【专利技术属性】
技术研发人员:张虎唐朝晖马炜烨汤海玚聂子邦
申请(专利权)人:中南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1