張文康 劉 丹 杜 鈺 王春景 余龍舟 袁林遜

（1.昆明理工大學a.國土資源工程學院；b.省部共建復雜有色金屬資源清潔利用國家重點實驗室；c.云南省戰(zhàn)略金屬礦產(chǎn)資源綠色分離與富集重點實驗室；2.云南阿姆德電氣工程有限公司；3.云南品視智能科技有限公司）

礦產(chǎn)資源是我國經(jīng)濟發(fā)展和軍事領(lǐng)域不可或缺的重要基礎(chǔ)資源［1］。 隨著科學技術(shù)的不斷進步，工業(yè)自動化、智能化成為未來不可阻擋的發(fā)展趨勢， 我國大部分行業(yè)都在面臨著產(chǎn)業(yè)升級，礦產(chǎn)行業(yè)也不可避免地面臨產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和設(shè)備升級等問題，在發(fā)展的大趨勢下，只有緊跟時代的步伐，礦產(chǎn)行業(yè)才能為我國礦產(chǎn)資源需求提供強有力的支撐。

根據(jù)礦物的組成成分和礦物的性質(zhì)，選礦方式主要分為重選、磁選、浮選和電選四大類。 搖床選礦是重選中重要的設(shè)備之一，在國內(nèi)外得到了廣泛的應用。 礦物以礦漿的形式在搖床床面上分選，主要是床條的型式、床面的不對稱運動及床面上的橫沖水綜合作用的結(jié)果。 在床面呈現(xiàn)出精礦帶、次精礦帶、中礦帶及尾礦帶等多條扇形礦帶分布，使不同品位的礦物得到分選［2，3］。

現(xiàn)如今搖床選礦技術(shù)已經(jīng)很成熟，但選礦的自動化水平還相對較低， 在搖床選礦過程中，由于受到現(xiàn)場給礦量、給礦濃度、給礦粒度以及原礦品位的影響，會對床面礦物的礦帶位置、礦帶寬度和礦帶顏色造成不同程度的影響，使礦帶位置實時發(fā)生變化，而現(xiàn)場巡檢的操作工人必須通過肉眼來觀察床面礦帶的特征變化，然后根據(jù)工作經(jīng)驗對接礦板的位置做出相應的調(diào)整，以達到對不同礦帶分選的目的，從而達到選廠要求的精礦品位［4］。 這種傳統(tǒng)調(diào)整接礦板的方式對接礦板位置調(diào)整頻次較高， 巡檢工人的勞動強度很大，選礦指標不穩(wěn)定。

為了提高搖床在運行中的效率，提升搖床選礦的自動化水平，國內(nèi)外各大高校和研究機構(gòu)對搖床的結(jié)構(gòu)、原理以及礦帶的特點進行了分析研究［5］。但目前搖床選礦技術(shù)已經(jīng)相當成熟，單從搖床本身入手來進行研究很難有新的突破。 而從搖床圖像處理進行研究會是一個新的突破口，因為國內(nèi)外對圖像處理的研究已經(jīng)相當成熟，并且在醫(yī)學、人臉識別等方向得到了廣泛的應用，但在選礦上的應用卻很少［6］。圖像處理的方法有很多。OTSU N提出的OTSU方法適用于執(zhí)行自動圖像閾值化， 在圖像分割領(lǐng)域得到了廣泛的應用［7］。BREJL M和SONKA M提出基于圖像的灰度特征來計算一個或多個灰度閾值圖像分割方法［8］；MEYER F和BEUCHER S提出一種基于拓撲理論的數(shù)學形態(tài)學的分水嶺分割方法［9］；ADAMS R和BISCHOF L提出一種既適用于灰度圖像分割也適用于紋理圖像分割的種子區(qū)域生長法［10］；和麗芳等提出一種基于磷蝦優(yōu)化算法的搖床礦帶分帶圖像分割法［11］和基于改進螢火蟲算法的多閾值搖床彩色礦帶分帶圖像分割法［12］；楊文龍等設(shè)計了一種選礦搖床礦帶識別及接礦板自動調(diào)節(jié)裝置［13］；日本SMM公司提出了一種利用最小二乘法獲得搖床分割帶中心矢量的方法［14］。 然而，深度學習方法旨在獨立學習這些特定領(lǐng)域的高級特征，而不需要領(lǐng)域知識和特征的手動提取。 基于各種算法基礎(chǔ)之上的智能搖床選礦圖像處理研究成果大多是理論性介紹，工業(yè)應用方面的相關(guān)文獻是少之又少。

目前智能化發(fā)展是傳統(tǒng)行業(yè)的發(fā)展趨勢，選礦行業(yè)也不例外。 選礦行業(yè)大多數(shù)崗位都是靠人力來進行判斷和操作，企業(yè)承擔的人力成本逐年增加， 選礦各項指標也不能做到相應程度的提高， 因此需要科技創(chuàng)新和智能化來提升效率、降低成本。 將搖床選礦與人工智能相結(jié)合，設(shè)計并開發(fā)一套能夠替代人工的搖床智能設(shè)備很有必要，對于促進選礦裝備領(lǐng)域的智能化意義深遠。

1 在線設(shè)備的開發(fā)

由于搖床選礦是一個持續(xù)不斷的工作過程，要對床面進行實時數(shù)據(jù)監(jiān)測，最好的方法就是在每臺搖床上方安裝一臺監(jiān)控攝像機，這樣不僅代替了人工巡檢，還能實現(xiàn)床面的實時監(jiān)控和畫面?zhèn)鬏敗?/p>

1.1 選礦搖床

選礦搖床是在一個傾斜寬闊的床面上，借助床面的不對稱往復運動和薄層斜面水流作用進行礦石分選的設(shè)備。 目前在用的搖床基本都是由床面、機架和傳動機構(gòu)3大部分組成［15］，其結(jié)構(gòu)如圖1、2所示。 床面呈梯形，床面橫向有一點傾角，傾角小于10°，一般情況下在0.5～5°；床頭縱向有細微的上傾，傾角為1～2°，但一般情況是0°。 床面有粗、細砂刻槽面、漆灰刻槽床面和玻璃鋼床面，但一般都是玻璃鋼床面，耐用、耐腐蝕。 在床面縱向布置若干床條，床條高度由床頭向床尾方向逐漸變低。 整個床面由機架支撐，機架安裝調(diào)坡裝置，可根據(jù)需要調(diào)整床面的橫向傾角。 床面縱向給料槽一端配備有傳動裝置，由傳動裝置帶動床面做往復差動搖動。

圖1 搖床側(cè)視圖

圖2 搖床俯視圖

礦物以礦漿的形式在搖床床面上分選，主要是床條的型式、床面的不對稱運動和床面上的橫沖水3個因素綜合作用的結(jié)果。 首先，床條在床面上激烈搖動時，加強了斜面水流擾動作用，增強了旋渦，由此產(chǎn)生的水流垂直分速對物料的懸浮作用使物料懸浮并按密度和粒度進行分層。

1.2 監(jiān)控系統(tǒng)設(shè)備

搖床實時監(jiān)控設(shè)備主要由電控柜、 攝像機、絲竿盒、人機交互觸摸屏和攝像機支架組成。

電控柜主要作為現(xiàn)場部件擺放并進行人機交互設(shè)定，內(nèi)部主要設(shè)備有開關(guān)電源、串口步進/伺服控制器和4G網(wǎng)關(guān)。 4G網(wǎng)關(guān)主要用來遠程運行、維護和監(jiān)控。 網(wǎng)關(guān)在網(wǎng)絡層以上實現(xiàn)網(wǎng)絡互連，是復雜的網(wǎng)絡互連設(shè)備，僅用于兩個高層協(xié)議不同的網(wǎng)絡互連。 網(wǎng)關(guān)既可以用于廣域網(wǎng)互連，也可以用于局域網(wǎng)互連［16］。

人機交互觸摸屏的主要作用是根據(jù)選礦情況和各項指標要求來調(diào)整各項參數(shù)，比如精礦品位、回收率及損失量等。

絲竿盒的主要作用是驅(qū)動電機帶動接礦板時進行位置調(diào)整、角度調(diào)整和高度調(diào)整。 在絲竿盒兩端各安裝一個限位部件，防止電機驅(qū)動過多造成設(shè)備損壞。 電機帶動接礦板左右移動速度適中，運動平穩(wěn)，電機驅(qū)動帶動的接礦板選用易于礦物滑落的材料，防止礦物堵塞。

攝像機支架用來固定攝像機，以方便調(diào)整攝像機的安裝高度和安裝角度，確保能夠采集到搖床的高清畫面， 確保傳輸給系統(tǒng)的圖片質(zhì)量，保證系統(tǒng)計算效率，進一步減少系統(tǒng)的計算量。 智能搖床設(shè)備現(xiàn)場畫面如圖3所示。

圖3 智能搖床設(shè)備現(xiàn)場畫面

2 軟件開發(fā)

圖像處理軟件是整套搖床監(jiān)測控制系統(tǒng)的核心所在， 主要是對現(xiàn)場傳回來的圖片進行處理， 負責對搖床床面礦帶信息 （如礦帶帶寬、顏色、位置分布等）進行提取并分析，軟件對床面礦帶圖像的處理精度直接影響接礦板位置的精準度。 因為搖床在正常工作過程中一直處于循環(huán)往復的顛簸運動，搖床床面振幅約為16 mm，攝像機安裝在搖床上方， 但是攝像機是固定不動的，這樣就會導致即使礦帶沒有發(fā)生變化，但是床面是一直在往復運動，攝像機提取出的礦帶邊界照片的位置也會有相應的變化，給監(jiān)測結(jié)果造成一定的誤差。

針對攝像機不能和床面相對靜止的問題，利用機器學習的方法來進行解決?；谟柧殧?shù)據(jù)，開發(fā)了機器學習算法， 該算法將學習的信息應用于看不見的數(shù)據(jù)，以做出預測或其他類型的決策。前期先對床面進行礦帶數(shù)據(jù)采集、 模型搭建和初始化。對采集到的床面礦帶信息進行特征標定，然后對這些數(shù)據(jù)進行模型訓練與評估， 得出目標檢測模型，最后放到軟件中樞平臺進行使用。

軟件中樞平臺根據(jù)模型訓練數(shù)據(jù)對傳輸?shù)狡脚_的攝像機現(xiàn)場床面礦帶進行對比和識別，輸出識別圖像，并標定識別點，然后發(fā)出相應的指令對接礦板位置進行調(diào)整。

系統(tǒng)邏輯框架如圖4所示。

圖4 系統(tǒng)邏輯框架

算法流程具體如下：

a. 現(xiàn)場攝像機收到指令后會進行實時搖床床面礦帶數(shù)據(jù)采集，將采集到的圖像通過4G網(wǎng)關(guān)傳輸?shù)杰浖袠衅脚_，然后對傳來的床面礦帶圖像進行相應的算法處理，使傳輸回來的床面礦帶圖像更加清晰。

b. 經(jīng)過算法處理過的圖片傳輸?shù)教崆坝柧毢玫哪Ｐ?，模型對圖片信息進行評估，然后輸出系統(tǒng)標定后的圖片，算法計算之后如果礦帶相對上一輪有變化，則算法經(jīng)過精確計算會給出移動方向和移動距離，移動距離精確到毫米，軟件中樞平臺就會向運動控制系統(tǒng)發(fā)出指令，運動控制系統(tǒng)驅(qū)動電機帶動接礦板移動到指定位置。 經(jīng)過對現(xiàn)場選礦情況和礦帶變化頻率的了解，系統(tǒng)軟件中樞平臺設(shè)定每3 min攝像機對現(xiàn)場搖床床面礦帶畫面采集一次，算法計算一次，礦帶相對上一輪如有變化，軟件中樞平臺就會發(fā)出相應的指令，然后對接礦板進行調(diào)整。

3 工業(yè)選廠試驗

在云南云錫大屯錫礦礦物加工中心實施智能搖床應用研究，車間氧化礦日處理量2 000 t，搖床200多張；硫化礦日處理量4 000 t，搖床288張。由于搖床數(shù)量多，礦帶變化快，需要大量的巡檢工人不斷巡檢來調(diào)整接礦板的位置，以達到選廠需要的指標，這樣大幅增加了巡檢工人的勞動強度和企業(yè)運行成本。

工業(yè)試驗地點選在大屯云錫硫化礦工段，以3棟一段3-18搖床作為試驗搖床， 選用220 V電源對該套設(shè)備進行供電，將攝像機安裝在搖床尾部的上方，安裝高度為2 m，實時采集搖床床面畫面并進行圖像傳輸和處理，然后驅(qū)動電機帶動接礦板移動到目標位置，實現(xiàn)3-18搖床全自動接礦。

3.1 實時監(jiān)控頻率

根據(jù)現(xiàn)場礦帶變化情況，將系統(tǒng)每次計算時間間隔設(shè)定為3 min， 即每間隔3 min攝像機自動采集實時畫面?zhèn)鬏斀o軟件中樞平臺，然后經(jīng)過計算對接礦板位置做出調(diào)整，以達到接礦要求。

3.2 礦帶圖像處理

因為所選的搖床是硫化礦粗選工段的搖床，所以根據(jù)現(xiàn)場要求只需將次精礦和中礦進行分離。 次精礦礦帶和中礦礦帶顏色上有很大的區(qū)別，中礦礦帶顏色發(fā)白，次精礦礦帶顏色發(fā)黑。 對前期采集的上萬張圖片進行特征標定，每張圖片中礦和次精礦中間標定4個點， 然后進行模型訓練，現(xiàn)根據(jù)設(shè)定對現(xiàn)場搖床進行圖像采集，將圖像進行簡單處理輸入給模型，輸出特征圖片如圖5所示。

圖5 次精礦礦帶和中礦礦帶分割圖

從輸出圖像可以看出，次精礦礦帶和中礦礦帶中間有4個明顯的分割點，分割效果幾乎完美，圖像分割精度能夠達到要求。

3.3 選礦指標對比

為了對比智能搖床設(shè)備和人工操作情況下選礦指標的差異，試驗選取粗選作業(yè)工段兩張相鄰搖床，3-17搖床為人工操作搖床，3-18為智能設(shè)備安裝搖床， 兩臺搖床由同一臺棒磨機給礦，原礦品位相同，給礦粒度相同，礦漿濃度相同。 保證所有條件相同的情況下，進行3天工業(yè)試驗采樣，每次采樣間隔1 h，采樣13組。試驗對比結(jié)果如圖6所示。

圖6 人工與智能接礦品位對比

通過3天的接礦Sn品位折線圖可以看出：

a. 智能接礦Sn品位波動幅度相對人工接礦小得多，第1天的數(shù)據(jù)波動相差最為明顯；

b.智能接礦Sn品位比人工接礦Sn品位穩(wěn)定；

c.智能接礦Sn品位比人工接礦Sn品位高。

為了進一步證明智能接礦的優(yōu)勢，采用平均值和方差對3天的采樣數(shù)據(jù)進行計算， 對比結(jié)果見表1。

表1 人工與智能接礦數(shù)據(jù)平均值和方差的計算結(jié)果對比

通過表1可以看出：

a. 平均值計算結(jié)果第1天相等， 第2天和第3天均是智能接礦大于人工接礦；

b. 方差計算結(jié)果均為智能接礦小于人工接礦。

從計算結(jié)果可以看出智能接礦相對人工接礦品位更高且更穩(wěn)定。

4 結(jié)論

4.1 在云南云錫大屯錫礦礦物加工中心硫化礦粗選工段實施智能搖床應用的工業(yè)試驗研究，智能搖床自動調(diào)節(jié)接礦板接到的精礦品位能夠達到工藝要求。

4.2 搖床智能監(jiān)控設(shè)備能夠替代人工， 實時監(jiān)控搖床床面礦帶變化情況并進行數(shù)據(jù)傳輸，實現(xiàn)無人值守模式。 通過機器學習精確識別礦帶分界點，識別精度滿足使用要求。

4.3 智能搖床選礦系統(tǒng)的工業(yè)應用能夠?qū)⑷斯趧恿夥懦鰜?，提高搖床選礦的生產(chǎn)水平和企業(yè)效益，對重選設(shè)備的發(fā)展具有強有力的推動作用。