對浮選泡沫圖像特征進(jìn)行分割識別，是提升選礦工藝成效的關(guān)鍵技術(shù)環(huán)節(jié)。傳統(tǒng)圖像分割方法處理浮選泡沫圖像時(shí)，往往面臨泡沫粘連、邊緣模糊、先驗(yàn)知識難以引入等問題，制約了其在復(fù)雜浮選環(huán)境中的應(yīng)用。

西安建筑科技大學(xué)盧才武團(tuán)隊(duì)創(chuàng)新性地提出了融合SoftEdge軟邊緣檢測模型與改進(jìn)分水嶺算法的浮選泡沫圖像分割方法。該方法首先采用高斯低通濾波對圖像進(jìn)行預(yù)處理，以抑制噪聲與細(xì)微紋理干擾，提升圖像質(zhì)量。SoftEdge模型通過提取圖像軟邊緣，并結(jié)合全卷積神經(jīng)網(wǎng)絡(luò)的邊緣特征語義信息，有效削弱了光照噪聲干擾，從而提高了邊緣檢測的準(zhǔn)確性。進(jìn)一步引入基于前置背景標(biāo)記技術(shù)優(yōu)化的分水嶺算法，能夠精確提取前景與背景標(biāo)記，指導(dǎo)算法在限定區(qū)域內(nèi)完成分割，減少分割誤差。該方法無需依賴復(fù)雜先驗(yàn)知識與繁瑣參數(shù)設(shè)置，在提升分割精度與魯棒性的同時(shí)，為浮選泡沫圖像的自動化處理提供了可靠的技術(shù)支持。

模型設(shè)計(jì)及技術(shù)路線

為更有效發(fā)揮分水嶺算法的分割性能，實(shí)現(xiàn)浮選泡沫圖像的精準(zhǔn)分割，本研究首先基于SoftEdge模型開展軟邊緣提取與預(yù)分割。該模型融合了全卷積神經(jīng)網(wǎng)絡(luò)、邊緣特征與語義信息，能夠針對性捕捉泡沫圖像的邊緣細(xì)節(jié)，為分水嶺算法提供可靠的邊緣基礎(chǔ)，從而期望使后續(xù)分割更具針對性。然而實(shí)際應(yīng)用中發(fā)現(xiàn)，僅依靠SoftEdge模型處理后，圖像仍受到環(huán)境光噪聲與細(xì)微紋理的干擾，導(dǎo)致泡沫邊緣模糊、粘連區(qū)域分割不完整，最終分割效果未能達(dá)到預(yù)期，難以滿足分水嶺算法對輸入圖像質(zhì)量的要求。

Fig. 1 浮選原圖

為解決上述問題，本研究引入高斯低通濾波技術(shù)作為前置預(yù)處理手段。該技術(shù)可有效抑制原始圖像中的噪聲信號，減弱無關(guān)細(xì)微紋理的干擾，從而顯著提升圖像整體清晰度與邊緣辨識度，為后續(xù)分割過程奠定良好基礎(chǔ)。預(yù)處理完成后，再次采用SoftEdge模型提取軟邊緣，并結(jié)合分水嶺算法進(jìn)行分割。以下為一系列對比圖示，可直觀看出，經(jīng)高斯濾波預(yù)處理后，SoftEdge模型與分水嶺算法的協(xié)同效果顯著提升，泡沫邊緣輪廓更為銳利、分割邊界更加準(zhǔn)確，粘連泡沫的區(qū)分度也明顯改善；相比之下，未經(jīng)濾波處理的分割結(jié)果仍存在邊緣模糊與分割誤差較大的問題。需要說明的是，高斯濾波在處理含小氣泡的圖像時(shí)可能引發(fā)輕微模糊或局部欠分割現(xiàn)象。該問題將在后續(xù)研究中通過優(yōu)化濾波參數(shù)、融合多尺度處理技術(shù)等途徑加以改進(jìn)。

Fig. 3 分水嶺算法示意

盧才武

教授，博士研究生導(dǎo)師

現(xiàn)任西安建筑科技大學(xué)資源工程學(xué)院礦業(yè)工程一級學(xué)科負(fù)責(zé)人、西安市智慧工業(yè)感知計(jì)算與決策重點(diǎn)實(shí)驗(yàn)室主任，研究方向聚焦資源系統(tǒng)優(yōu)化與管理、智能感知計(jì)算與決策。主持國家自然科學(xué)基金、國家社科基金等40余項(xiàng)，發(fā)表論文200余篇，獲發(fā)明專利20余項(xiàng)、省部級科技獎勵7項(xiàng)（如中國安全生產(chǎn)協(xié)會安全科技進(jìn)步獎一等獎等），出版《礦山計(jì)算機(jī)視覺》《露天礦安全生產(chǎn)管控及智能決策系統(tǒng)》等專著7部，兼任中國金屬學(xué)會采礦分會常務(wù)理事、《金屬礦山》編委等。

《金屬礦山》簡介

《金屬礦山》由中鋼集團(tuán)馬鞍山礦山研究總院股份有限公司和中國金屬學(xué)會主辦，主編為中國工程院王運(yùn)敏院士，現(xiàn)為北大中文核心期刊、中國科技論文統(tǒng)計(jì)源期刊（中國科技核心期刊）、中國精品科技期刊（F5000頂尖學(xué)術(shù)論文來源期刊）、中國百強(qiáng)報(bào)刊、RCCSE中國核心學(xué)術(shù)期刊（A）、中國期刊方陣雙百期刊、國家百種重點(diǎn)期刊、華東地區(qū)優(yōu)秀期刊，被美國化學(xué)文摘（CA）、美國劍橋科學(xué)文摘（CSA）、波蘭哥白尼索引（IC）、日本科學(xué)技術(shù)振興機(jī)構(gòu)數(shù)據(jù)庫（JST）等世界著名數(shù)據(jù)庫收錄。主要刊登金屬礦山采礦、礦物加工、機(jī)電與自動化、安全環(huán)保、礦山測量、地質(zhì)勘探等領(lǐng)域具有重大學(xué)術(shù)價(jià)值或工程推廣價(jià)值的研究成果，優(yōu)先報(bào)道受到國家重大科研項(xiàng)目資助的高水平研究成果。根據(jù)科技部中國科技信息研究所發(fā)布的《2024中國科技期刊引證報(bào)告（核心版）》，《金屬礦山》核心總被引頻次位列26種礦業(yè)工程技術(shù)學(xué)科核心期刊第1位；根據(jù)中國知網(wǎng)發(fā)布的《中國學(xué)術(shù)期刊影響因子年報(bào)》（2024版），《金屬礦山》學(xué)科影響力位居73種礦業(yè)期刊第9位。

供稿：曾文旭

編排：余思晨

審核：王小兵

利用提供參考依據(jù)。

供稿：曾文旭

編排：余思晨

審核：王小兵

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。