依靠人工观测锑浮选泡沫特征进行锑浮选工况识别，主观性强、误差大，严重制约浮选性能。基于计算机视觉的识别方法成本低、效果好。针对以上问题，提出一种基于轻量型卷积视觉Transformer（L-CVT）的锑浮选工况识别方法。通过Transformer层的堆叠代替标准卷积中矩阵乘法来学习全局信息，将卷积中的局部建模更替为全局建模，同时引入轻量型神经网络MobileNetv2中的子模块，减少计算成本。所提方法解决了卷积神经网络（CNN）忽略浮选图像内部长距离依赖关系的问题，同时也弥补了视觉Transformer（VIT）缺乏归纳偏置的缺点。实验结果表明，基于所提方法的锑浮选工况识别准确率最高可达93.56%，明显高于VGG16、ResNet18、AlexNet等主流网络，为锑浮选数据在工况识别领域提供了重要参考。

萤石浮选过程中矿浆中的NH+4, F-对萤石的可浮性有重要影响, 而目前关于难免离子对浮选影响的研究主要集中在稳定的阳离子对浮选的活化或抑制作用机理, 而关于不稳定阳离子（NH+4）、 阴离子（F-）影响油酸钠吸附萤石作用机制的研究较少。 因此借助于红外光谱分析, 结合纯矿物浮选、 Zeta电位和溶液化学计算等手段, 研究难免离子（NH+4, F-）对油酸钠浮选萤石的作用机理。 实验结果表明, 在酸性条件下, NH+4对萤石有较强的活化作用, 提高了萤石的回收率, 在pH值为6时, 不同NH+4浓度下, 萤石的回收率均提高到94%左右, 而在碱性条件下, NH+4对萤石的浮选的有一定的抑制作用, 且随着pH值增加, 抑制作用增强, 回收率逐渐下降; 但F-对萤石浮选有一定的抑制作用, 且在pH值为6时, 不同F-浓度的抑制作用均明显增强, 导致萤石回收率降低; 而在碱性条件下, F-对萤石的可浮性影响不大。 其作用机理为阳离子（NH+4）与萤石表面解离到溶液中的F-生成NH4F, 在酸性条件下提高了萤石表面的正电性, 增强萤石表面与油酸的一聚物、 二聚物和分子-离子缔合物的吸附作用, 而在碱性条件下NH+4的水解生成NH3·H2O, 正电性降低, 导致油酸钠在萤石表面的吸附作用减弱; F-抑制萤石表面F-的解离, 从而抑制了油酸根在萤石表面的化学吸附。 红外分析结果表明, 油酸钠在萤石表面发生了化学吸附; NH+4的加入, 在酸性条件下对萤石有很强的活化作用, —CH3, —CH2—和—COO-的特征峰峰位红移, 峰强度加强, 显现出较强的化学吸附作用; 而在碱性条件下, 仅出现了—CH2—的特征峰的峰位红移, 且特征峰强度减弱, 说明NH+4在弱碱条件在萤石表面的化学吸附较弱, 起抑制作用; 当加入F-后只出现了—CH3的反对称伸缩振动峰, 峰位并未发生偏移, 故F-加入后油酸钠在萤石表面并未发生任何基团的化学吸附, 从而抑制了萤石的可浮性。

针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题, 提出了一种在 NSST域改进 ORB的泡沫流动特征提取方法, 并应用于浮选加药状态识别。对相邻两帧泡沫图像 NSST分解, 对多尺度高频子带先通过尺度相关系数去除噪声再分为多个内层和外层, 在各内层通过方向模极大值检测提取兴趣点, 然后在本层和上下层通过非极大值抑制提取特征点, 采用多尺度 BRIEF描述子对特征点描述, 结合泡沫的运动趋势动态调整搜索的匹配区域, 根据匹配结果计算泡沫流动特征。最后, 构建行列自编码极限学习机对泡沫形态、尺寸分布特征和流动特征进行融合, 然后通过自适应随机森林对加药状态分类识别。实验结果表明, 改进的 ORB受噪声和光照影响小, 流动特征检测精度和效率较现有方法有较大提高, 能准确地表征不同加药状态下泡沫表面的流动特性, 加药状态的平均识别精度达 97. 85%, 较现有文献方法有较大提升, 为后续的加药量优化控制奠定基础。

铁精矿浮选脱硅过程中, 矿浆中的难免阳离子(Ca2+, Fe3+)对阴离子捕收石英的可浮性有重要影响, 而搞清难免阳离子对含石英等脉石矿物的活化机制, 对解决超纯铁精矿脱硅技术难题有重要意义。 目前关于捕收剂对石英吸附结构的研究较多, 而难免离子活化石英的吸附结构及吸附强弱发生机制研究较少。 因此, 采用红外光谱、 XPS检测手段对难免离子(Ca2+, Fe3+)活化石英浮选进行光谱学表征, 同时解析石英中含氧官能团及难免离子的赋存形式, 分析其活化机理。 红外检测结果表明, 在适宜的pH值条件下, Ca2+和Fe3+的加入, 对SDS捕收剂浮选石英均有活化作用, 而活化后的石英与SDS作用, 其间既包括物理吸附, 也包括化学吸附; 而且Fe3+活化作用下的Si-O特征峰红移波数大于Ca2+活化作用下的红移波数, 是由于Ca2+活化石英是单氧-硅键作用, 其键能小, 吸附弱, 而Fe3+活化石英是双氧-硅键作用, 其键能大, 吸附强。 XPS测试表明, Fe3+活化石英的结合能(Fe(2p)结合能为711.16 eV)强于Ca2+活化石英的结合能(Ca(2p)结合能为346.93 eV), 其Si(2s)和Si(2p)结合能化学位移量更大, 说明Fe3+活化作用下其化学吸附更稳定、 更致密, 且产生两个活性位点, 在石英表面生成稳定的Fe基六元环螯合物; 而对比Fe3+和Ca2+活化作用下的化学吸附不稳定、 不致密, 在石英表面生成Ca基链状络合物。 综合红外光谱、 XPS分析表明, Fe3+比Ca2+有更强的活化作用, 同时加强了药剂与石英表面的化学吸附和物理吸附, 更利于活化石英的浮选。

针对可见光图像特征驱动的浮选工况识别方法的不足, 提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine, KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解, 设计双通道CNN网络对双模态多尺度图像进行特征提取及融合, 将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取, 然后通过核极限学习机映射到更高维空间进行决策, 最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明: 采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%, 自适应深度自编码KELM模型具有较好的分类精度和泛化性能, 各工况识别的平均准确率达到95.98%, 识别精度和稳定性较现有方法有较大提升。

为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题, 提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像; 采用模糊集方法二值化低频子带图像, 得到气泡亮点图像, 提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征; 结合方向模极大值及差分盒维法计算各高频子带方向的分形维数; 最后, 将多尺度多方向等效形态尺寸特征作为输入, 采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明, 该方法提取的等效形态尺寸特征与分类的相关性高, 能对三种类型浮选气泡图像进行有效的状态识别, 平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高, 适用于动态变化的浮选工况。

受颗粒碰撞、机械搅拌等因素的影响,运动上升的浮选气泡会产生严重的偏转与形变。对此,提出一种用于测量气泡的体积和表面积的水平置位分割方法。建立了浮选工艺过程中运动气泡的观测系统,采集气泡图像。利用基于区域分割的边缘检测方法提取气泡边缘。针对重叠气泡,使用曲率尺度空间角点检测算法和方向链码标记凹点,以此分割重叠的轮廓,最小二乘拟合重建独立气泡的边缘。根据边缘计算气泡的偏转角度,自适应选取分割间隔。通过各分割部分的计算,累加得到气泡的体积和表面积。实验表明:所提取的边缘准确,不易受光照环境的影响。在不同搅拌速率条件下,测量气泡体积的平均误差与标准差分别为4.52%和0.057 mm ³。与其他方法相比,本文方法精度较高。

针对浮选表面气泡图像边界弱、光照不均匀和气泡分布不均匀导致气泡提取困难的问题, 提出了一种结合非下采样Shearlet变换(NSST)和多尺度边界检测及融合的浮选气泡提取方法。对气泡图像进行NSST分解, 得到低频子带和多尺度多方向高频子带图像, 通过构造自适应分数阶微分谷底检测模板提取低频子带的山谷边界, 结合尺度相关系数及方向模极大值检测获取高频子带的边缘信息, 再通过山脊特性判定从边缘信息中提取气泡的边界细节, 最后进行多尺度边界融合、边界形态学处理以实现气泡提取。实验结果表明：该方法受噪声和光照的影响小, 能有效提取出不同分布类型的气泡, 其平均检测效率和准确率较现有方法有较大的提高, 能够满足浮选工况动态变化的需求。

随着浮选研究的深入发展, 以捕收剂为核心的浮选药剂作用机理的研究逐渐成为研究焦点。 红外光谱以速度快、 成本低、 无损等特点成为浮选药剂作用机理研究最为重要的手段之一。 首先从文献报道数量和比例说明红外光谱在该研究中的重要地位, 并总结了常见浮选药剂的红外光谱特征, 最后分别阐述了红外光谱在捕收剂、 抑制剂、 活化剂等浮选药剂作用机理中的应用研究进展。 归纳出红外光谱用于判定捕收剂在矿物表面作用三种机制的判据: 如果捕收剂作用后的矿物表面有新的吸收峰, 则捕收剂在矿物表面发生了化学反应； 如果仅有吸收峰的位置发生移动, 并超过测试设备本身误差范围的移动量, 则捕收剂在矿物表面形成的是化学吸附； 排除上述产生的新红外特征吸收峰和红外特征峰的移动, 且通过反复水洗即可清除表面沾染的捕收剂分子, 则捕收剂在矿物表面发生的是物理吸附。 并指出红外光谱在浮选过程中的应用研究存在的两大问题, 一是将捕收剂与矿物表面的化学反应和化学吸附机理混淆； 二是忽视红外光谱仪器吸收峰位移2～4 cm-1背景误差。 展望未来红外光谱在浮选过程中的应用研究应该着眼于多种药剂混合用药在矿物表面作用机理的研究, 该领域内红外光谱的定量分析研究及红外光谱吸收峰位移的背景误差分析等三方面。