1.在稀土矿物实际浮选中，泡沫颜色特征与稀土品位关系密切。针对白云鄂博稀土矿浮选过程中浮选槽中含气 率高、气泡重叠、变形，以及不断发生气泡兼并与破裂的情况，设计建立图像采集系统，并针对I。ED光源特点，设定照射光源最 佳角度，进行图像采集。对采集图像进行进一步颜色特征提取，对泡沫图像颜色与品位之间的相关性进行分析研究。根据浮 选过程中浮选泡沫表征颜色与品位的相关性.结合计算机图像处理技术，使用Matlab数学分析软件，对泡沫图像进行预处理 并且进一步对泡沫图像进行边缘提取，对泡沫色彩进行色彩效果增强处理，将颜色分类量化，并进行色彩分类统计。通过对 泡沫图像灰度直方图分析，计算并统计其整体亮度情况，作为泡沫图像亮度值定量依据。结果表明：通过分析浮选图像RGB 颜色值分布、颜色分级分类量化提取图像颜色特征值以及灰度信息，对泡沫颜色特征有一定代表性，并且提高泡沫图像颜色 提取精度。通过BP神经网络，输入泡沫图像特征值颜色与品位信息并建立黑箱模型，通过样本训练，得到稀土品位预测值。

2.1 泡沫颜色与品位相关性研究在浮选过程中，浮选泡沫颜色与品位有着极强 的关系，通过人为经验观察图像，在浮选o min时泡 沫发白，整体图像亮度值偏高，标志着此时泡沫中精 矿含量偏低，精矿品位不高;浮选2 min时，泡沫中 矿物含量增加，泡沫图像颜色呈淡黄色;4 min时泡 沫颜色深度最高，呈淡黄色;6 min时泡沫颜色逐渐 变淡;8 min时精矿含量减少，泡沫图像呈现白色，泡沫发虚。

2.2品位预测模型安装图像采集系统，选用50 w LED光源，选择合适角度照射。均匀的将光照射在泡沫表面，使每一泡沫上均有高亮反射点，此点为泡沫的顶点，泡沫 阈值分割的起始点。为减少图像噪声、机械干扰，需适当调整焦距，光源角度，保证图像质量达最佳状态。 验证测量方法可靠性，使用一段时间内试验数 据，分析图像，同时进行矿物品位指标，对于泡沫颜 色与品位关系，由图中看出泡沫大小与回收率的相 关性强，品位与颜色、灰度值相关性强。使用BP神经网络对向本进行训练，设置输入数据样本，输出数据样本，对样本进行预测。R越接近1，回归方程越显著。

3.通过算法设计，对采集泡沫图像进行预处理，形态学滤波，降噪处理。 通过阈值分割，图像均衡化处理，对泡沫颜色 进行二级分类索引，推原图像色彩进行分级分类定量。绘制颜色分布直方图，绘制(R，G，B)灰度直方 图，从而对泡沫颜色进行灰度定量估计。对泡沫图像与浮选品位进行相关性分析，建立预测模型，品位与颜色相关性R2达到O.9799，说明相关性强。