1.在稀土礦物實際浮選中，泡沫顏色特征與稀土品位關系密切。針對白云鄂博稀土礦浮選過程中浮選槽中含氣 率高、氣泡重疊、變形，以及不斷發(fā)生氣泡兼并與破裂的情況，設計建立圖像采集系統(tǒng)，并針對I。ED光源特點，設定照射光源最 佳角度，進行圖像采集。對采集圖像進行進一步顏色特征提取，對泡沫圖像顏色與品位之間的相關性進行分析研究。根據浮 選過程中浮選泡沫表征顏色與品位的相關性.結合計算機圖像處理技術，使用Matlab數學分析軟件，對泡沫圖像進行預處理 并且進一步對泡沫圖像進行邊緣提取，對泡沫色彩進行色彩效果增強處理，將顏色分類量化，并進行色彩分類統(tǒng)計。通過對 泡沫圖像灰度直方圖分析，計算并統(tǒng)計其整體亮度情況，作為泡沫圖像亮度值定量依據。結果表明：通過分析浮選圖像RGB 顏色值分布、顏色分級分類量化提取圖像顏色特征值以及灰度信息，對泡沫顏色特征有一定代表性，并且提高泡沫圖像顏色 提取精度。通過BP神經網絡，輸入泡沫圖像特征值顏色與品位信息并建立黑箱模型，通過樣本訓練，得到稀土品位預測值。

2.1 泡沫顏色與品位相關性研究在浮選過程中，浮選泡沫顏色與品位有著極強 的關系，通過人為經驗觀察圖像，在浮選o min時泡 沫發(fā)白，整體圖像亮度值偏高，標志著此時泡沫中精 礦含量偏低，精礦品位不高;浮選2 min時，泡沫中 礦物含量增加，泡沫圖像顏色呈淡黃色;4 min時泡 沫顏色深度最高，呈淡黃色;6 min時泡沫顏色逐漸 變淡;8 min時精礦含量減少，泡沫圖像呈現(xiàn)白色，泡沫發(fā)虛。

2.2品位預測模型安裝圖像采集系統(tǒng)，選用50 w LED光源，選擇合適角度照射。均勻的將光照射在泡沫表面，使每一泡沫上均有高亮反射點，此點為泡沫的頂點，泡沫 閾值分割的起始點。為減少圖像噪聲、機械干擾，需適當調整焦距，光源角度，保證圖像質量達最佳狀態(tài)。 驗證測量方法可靠性，使用一段時間內試驗數 據，分析圖像，同時進行礦物品位指標，對于泡沫顏 色與品位關系，由圖中看出泡沫大小與回收率的相 關性強，品位與顏色、灰度值相關性強。使用BP神經網絡對向本進行訓練，設置輸入數據樣本，輸出數據樣本，對樣本進行預測。R越接近1，回歸方程越顯著。

3.通過算法設計，對采集泡沫圖像進行預處理，形態(tài)學濾波，降噪處理。 通過閾值分割，圖像均衡化處理，對泡沫顏色 進行二級分類索引，推原圖像色彩進行分級分類定量。繪制顏色分布直方圖，繪制(R，G，B)灰度直方 圖，從而對泡沫顏色進行灰度定量估計。對泡沫圖像與浮選品位進行相關性分析，建立預測模型，品位與顏色相關性R2達到O.9799，說明相關性強。