选煤厂生产过程中通常选择精煤灰分和产率,作为判断浮选状态好坏的依据。但是,测定浮选精煤灰分具有滞后性,无法实现浮选指标的实时监测。因此,工作人员一般通过观察浮选泡沫的好坏来估测精煤灰分和产率,进而来调整浮选操作参数。而泡沫层状态由人眼进行分辨,不同操作经验的工人有时会得出不同的判定结果,人的主观因素的干扰较多。若能用机器视觉替代人眼,根据捕捉的图像进行判断,不仅可以实现浮选指标的实时监控,而且能够提高浮选精度,降低工人劳动强度。因此,将机器视觉引入煤泥浮选对选煤行业的发展具有积极意义。本文研究内容主要包括以下几个方面:根据目前国内外机器视觉技术的研究现状,以及应用于矿业浮选领域的具体案例,分析了图像处理系统在煤泥浮选中应用的可行性,根据各程序开发环境的特点确定了本系统的开发平台为Laboratory Virtual Instrument Engineering Workbench(LabVIEW)。根据机器视觉的基本配置,结合选煤厂浮选车间的实际情况,分别从PC机的选型、相机及镜头的具体型号及性能、灯源及照明方式等方面作了讨论与比较,搭建了图像处理硬件系统。以LabVIEW为开发平台,结合NI-VISION及MATLAB等软件编写检测系统。根据模块化编程思路将本软件系统分为4个模块,分别从各个模块的功能及编写过程作了论述。其中,重点对图像预处理及处理模块进行了开发研究,运用三种不同算法对泡沫图像的分割试验,对比分割效果,最终选定Power1/XSmoothing-Median分水岭分割为本研究的核心算法。利用开发的煤泥浮选泡沫图像处理系统,分别在山东某选煤厂和山西某选煤厂的浮选车间进行现场检验,按照取样标准采集图像并对相应时刻的精煤灰分进行测定。利用图像处理软件分别提取灰度均值、泡沫个数和泡沫直径均值3个浮选泡沫特征参数,应用BP神经网络建模方法建立浮选精煤灰分预测模型建立相应测试集,并利用测试集对建立模型进行了验证,结果表明预测灰分与实际灰分平均相对误差绝对值分别为4.94%和3.17%。