浮选泡沫表面颜色是选矿生产指标(精矿品位)最为快速便捷的直接指示器.然而,泡沫图像信号因受多种可变光照的交叉干扰而不可避免存在严重色偏,导致浮选指标难以准确评估.本文将传统的基于光照估计的图像颜色恒常问题转换为一种结构保持的图到图颜色(风格)转移问题,提出一种基于Wasserstein距离的循环生成对抗网络(Wasserstein distance-based cycle generative adversarial network, WCGAN)用于泡沫图像光照不变颜色特征在线监测.在标准颜色恒常数据集和实际的工业铝土矿浮选过程进行实验验证,结果表明, WCGAN能有效实现各种未知光照条件下(色偏)图像到基准光照条件下的颜色转换,转换速度快且具有模型在线更新功能.与传统的基于生成对抗学习的颜色转换模型相比,WCGAN能更好地保持泡沫图像的轮廓和表面纹理等结构信息,为基于机器视觉的矿物浮选过程生产指标的在线监测提供了有效的客观评价信息.