公开(公告)号：CN116843987A

公开(公告)日：2023-10-03

申请号：CN202310710741.8

申请日：2023-06-15

Applicant: 中国矿业大学(北京)

Inventor： 蒋小平 ,  刘俊威 ,  赵慧琳 ,  董柯阳 ,  秦天 ,  胡明振

IPC: G06V10/766 ,  G06V10/762 ,  G06V10/77 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于浮选泡沫多尺度特征的增量式层次聚类回归树方法，涉及泡沫浮选领域。该算法的故障诊断方法，主要包括以下步骤：S1：采集不同浮选过程中的泡沫工况图像，构成主要样本数据集；S2：对泡沫浮选图像进行非下采样Shearlet多尺度分解(Non‑SubsampleShearletTransform,NSST)，将原始图像分解为不同频率尺度，并设计CNN网络提取多尺度图像的轮廓和细节特征组成代表原信号特点的特征向量；S3：以层次聚类思想对特征向量进行计算，以聚类特征作为层次聚类回归树的簇，使用聚类特征树来表示聚类的层次结构；S4：判断层次聚类回归树的效果，确定最后用于工况识别的聚类回归树；S5：测试工况识别准确率。本方法能较好地分离出浮选图像的高低频特征，不仅在识别精度和稳定性方面有较大提升，而且此方法还减少了人工干预，有利于提高生产效率。