泡沫浮选法是大多数矿物提纯的手段,浮选泡沫表面的视觉特征与浮选状态和指标息息相关。采用人工观察泡沫特征的传统方式存在诸多问题,因此基于机器视觉的浮选泡沫监控系统是实现优化控制和工业智能发展的趋势。精准地提取浮选泡沫特征是实现智能监控的基础。本文针对工业现场环境和泡沫图像特点,进行深入分析,主要完成工作:(1)提出自适应MSR图像增强方法,减少浮选雾气和现场光照不均对后续图像分割的影响。(2)针对现有分水岭分割浮选泡沫方法存在边缘分割精度不高,没有标记工况参数的特点,提出基于多标记的改进分水岭分割。利用K-means聚类分割和计算灰度差,实现内部标记提取,采用形态学开闭变换优化带分割图像,最终实现了不同工艺情况下,浮选泡沫的精准分割,为泡沫静态特征的提取奠定了良好的基础。(3)针对泡沫流动过程中,存在旋转运动、尺度缩放、形变,兼并坍塌特点,采用ORB方法,加快提取局部特征点速度,并改进了特征点匹配方法,同时针对浮选泡沫之间相似性很大的特点,提出了基于分块和减少搜索窗口的匹配方法,实现了精准检测泡沫速度场。(4)在硫化铜镍矿浮选槽上设计浮选监控系统总体架构,并实现了视频的采集、图像显示、分析、特征显示,以及部分工况参数报警功能,同时提供后台数据库进行数据存储,为历史数据回溯和后续专家系统的分析提供了特征数据。减轻了现在操作人员的工作强度,提高了工业自动化水平。