浮选选矿是一个复杂的物理化学过程,由于其生产工艺长、影响因素众多,且许多重要参数无法在线测量等原因,导致浮选过程难以建立一个准确的数学模型来描述。因此,选矿厂的浮选操作仍依靠有操作经验的操作工人根据浮选泡沫特征变化判断生产工况进行调整。然而该方法受人为主观因素影响较大,效率低、误差较大,使得生产过程的不稳定性和随意性增加,进而造成矿物资源回收率的降低。因此,精确地提取浮选泡沫图像的视觉特征,建立浮选控制模型,为浮选控制过程提供有效指导,对于浮选控制的意义重大。针对浮选泡沫不断运动变化导致泡沫图像动态特性难以提取的问题,本文提出一种基于尺度不变特征变换(SIFT)的浮选泡沫图像动态特性提取方法。首先,针对浮选泡沫图像SIFT特征匹配误匹配率高、实时性不强的问题,依据浮选泡沫独特的运动特性,提出运动匹配区间的概念,然后依据泡沫速度大小和方向对应分布范围改进SIFT算法匹配条件,在此基础上应用基于速率的随机抽样一致(RANSAC)算法进一步剔除误匹配点。最后,根据SIFT特征匹配结果提取泡沫速度特征、计算特征点匹配率,并在此基础上提出一种泡沫崩塌率提取方法。为验证本文方法的有效性,采用某铜钼矿浮选现场实际泡沫图像进行实验。首先采用本文方法对泡沫视频图像进行SIFT特征提取匹配,并在提取的匹配点数、匹配准确性、实时性等方面与原始方法进行对比实验以验证本文方法的优势。随后,在SIFT特征精确匹配的基础上提取浮选泡沫的速度、崩塌率等特性,并将本文方法在多种工况下进行实验分析以验证本文方法的环境适应性。实验结果表明,本文所提方法与原始SIFT特征匹配算法相比可以有效剔除SIFT误匹配,同时降低了计算复杂度,提高了计算实时性,在多种复杂的工业环境中,依然能够准确提取浮选泡沫速率、崩塌率等动态特性。最后,以本文所提方法为核心,开发了浮选专家系统,在现场应用中成效显著。