硫浮选是湿法炼锌直接浸出工艺中的一个重要的流程,有利于回收利用浸出渣中的单质硫。硫浮选过程是一个无需添加任何药剂的物理过程,通过合理地调节相应的操作量(鼓风量,阀门开度等)即可实现。浮选过程中任何操作量调节不合理或设备故障,都将导致出现故障工况,影响浮选效果。目前,硫浮选过程主要依靠人工观察泡沫判别工况,主观性强,劳动强度大,常带来实时运行工况偏离期望工况运行的缺陷。因此,研发一种有效的基于机器视觉的故障工况检测方法对于提高硫浮选精矿品位具有重要的意义。纹理特征与浮选工况之间存在密切关系。以往很多研究者采用传统的基于灰度共生矩阵的角二阶矩、熵、惯性矩、逆差矩和相关性等二次统计量来表征泡沫纹理特征,但是实际的浮选泡沫纹理较复杂,用简单的二次统计量难以准确描述。纹理单元是组成纹理谱的基本单元,能更精细地描述图像的纹理特征。因此,本文在采用纹理单元分布函数描述泡沫纹理特征的基础上,设计了一种新的固定核函数的非参数核密度估计算法逼近泡沫纹理单元分布,解决了传统核函数无法对不同图像的泡沫纹理单元分布进行比较的问题,同时将无限维的纹理单元分布函数转化成有限维的权向量。通过主元分析法抽取权向量的主要信息,建立正常工况下的主元模型,利用T2统计量反映样本偏离主元模型的程度,以主元模型T2统计量控制限作为检测阈值,通过搭建硫浮选泡沫图像监控系统,实现了对浮选现场翻矿浆与无溢流这两类故障工况的准确检测。仿真实验与工业现场应用证明了这种方法的有效性。图44幅,表5个,参考文献62篇。