ChaCo

Vaahdotusvaahdon rakenteen ja värin karakterisointi konenäön avulla

Avainsanat: konenäkö, värikuva-analyysi, vaahdotusvaahto, prosessin mallitus, prosessin säätö

Vaahdotus on yleinen teollinen menetelmä jolla arvomineraalit erotetaan sivukivestä. Vaikka vaahdotuskennot on varustettu monipuolisin instrumentein jotkut suureet mm. kuplien koko ja muoto sekä vaahdon väri jäävät operaattoreiden näköhavaintojen varaan. Projektin tarkoituksena on karakterisoida ja mitata näitä suureita konenäön avulla ja hyödyntää saatua tietoa prosessin ohjauksessa.

Projektin tavoitteet ovat: 1. Analysoida mineraalikonsentraatio värillisestä vaahtokuvasta 2. Kehittää vaahdon on-line analysaattori 3. Muodostaa prosessimalleja ja ohjausmenetelmiä 4. Testata tuloksia teollisissa vaahdotusprosesseissa.

Ensimmäisen projektivuoden aikana on kerätty kuvaja spektridataa ja analysoitu sitä tilastollisin ja neuroverkkomenetelmin. Pysyvä, etäkäytettävä konenäköjärjestelmä on suunniteltu ja asennettu vaahdottamon vaahdotuskennoon. Järjestelmä mahdollistaa etäkäyttöisen datan keruun, ohjelmien päivityksen ja lisäyksen sekä tuottaa mittauksia vaahdon ominaisuuksista prosessitietokoneen välityksellä operaattoreiden käytettäväksi.

Toisen projektivuoden aikana installoitiin kehittyneempiä kuvankäsittelyalgoritmeja teolliseen testijärjestelmään ja sovitettiin niitä reaaliaikakäyttöön soveltuviksi. Vaahdon luokittelututkimukset johtivat kolmeen vaahtoluokkaan: jäykkä, märkä ja kuiva. Aluksi toteutettiin ennalta määrättyihin, luokkia vastaaviin piirrevektoreihin perustuva luokittelumenetelmä. Seuraavaksi sovelletun neuroverkkomenetelmän havaittiin antavan hyvin yhteneviä tuloksia.

Kolmannen projektivuoden aikana eri menetelmät kehitettiin helposti systeemissä käyttöönotettaviksi. Eri luokittelumenetelmiä vertailtiin ja tehtiin yhteenveto. Kuva- ja prosessisuureiden välisiä yhteyksiä selvitettiin ja kehitettiin niitä hyödyntävä säätö. Säädön toimintaa seurattiin ja havaittiin sen tuottavan rikastamolle merkittävästi tuotannollista ja taloudellista hyötyä

Julkaisut

• Jani Kaartinen and Heikki Koivo,
  "Machine vision based measurement and control of zinc flotation circuit,"
  Studies in Informatics and Control, Vol. 11, no. 1, pp. 97-105, 2002.
• H Hyötyniemi, R Ylinen and J Miettunen,
  "Soft computing at a flotation plant,"
  in Industrial Applications of Soft Computing - Paper, mineral and metal processing industries, K Leiviskä (ed.), Heidelberg, Germany: Physica-Verlag, 2001, pp. 133-143.
• J Kaartinen and V Hasu,
  "Konenäön soveltaminen mineraalien vaahdotuksen mittaukseen ja säätöön,"
  Automaatioväylä, no. 1, s. 10-12, 2001.
• Jani Kaartinen,
  Data acquisition and analysis system for mineral flotation,
  Master's thesis, Department of Automation and Systems Technology, Helsinki University of Technology, Espoo, Finland, 2001. (Helsinki University of Technology, Control Engineering Laboratory, Report 126).
  Electronic publication
• G Bonifazi, V Giancontieri, A Meloni, S Serranti, F Volpe, R Zuco, H Koivo, J Hätönen, H Hyötyniemi, A Niemi, P Sipari, H Kuopanportti, R Ylinen, I Heikkilä, S Lähteenmäki, J Miettunen, O Stephansson, W Wang and Carlsson,
  "Characterization of the flotation froth structure and color by machine vision (ChaCo),"
  in Proceedings of the XXI International Mineral Processing Congress, P Massacci (ed.), The Netherlands: Elsevier Science B.V, 2000, Vol. C/C8a pp. 39-49.
• V Hasu, J Hätönen and H Hyötyniemi,
  "Analysis of flotation froth appearance by design of experiments,"
  in Future Trends in Automation in Mineral and Metal Processing, S.-L Jämsä-Jounela and E. Vapaavuori (eds.), Finland: IFAC, Finnish Society of Automation, 2000, pp. 470-474.
• H. Hasu Hyötyniemi, J V. Hätönen and R Ylinen,
  ""Data mining" for mining data,"
  in Proceedings of the XXI International Mineral Processing Congress, P Massacci (ed.), The Netherlands: Elsevier Science B.V, 2000, Vol. A/A3 pp. 39-45.
• H Hyötyniemi and V Hasu,
  "Independent components of expertise,"
  in STeP 2000 - Millennium of Artificial Intelligence, Vol. 3: 'AI of Tomorrow', H Hyötyniemi (ed.), Helsinki, Finland: Finnish Artificial Intelligence Society, 2000, Vol 3, pp. 37-44.
• H Hyötyniemi and R Ylinen,
  "Modeling of visual flotation froth data,"
  Control Engineering Practice, Vol. 8, no. 3, pp. 313-318, 2000.
• H Hyötyniemi, R Ylinen and J Miettunen,
  "AI in practice: Case study on a flotation plant,"
  in STeP 2000 - Millennium of Artificial Intelligence, Vol. 2: 'AI of Today', H Hyötyniemi (ed.), Helsinki, Finland: Finnish Artificial Intelligence Society, 2000, Vol 2, pp. 159-166.
• Vesa Hasu,
  Design of Experiments in Analysis of Flotation Froth Appearance,
  Espoo: Helsinki University of Technology, Control Engineering Laboratory, 1999. (Helsinki University of Technology, Control Engineering Laboratory, Report 114).
• H Hyötyniemi,
  Software: GGHA Toolbox for Matlab,
  1999.
• J Hätönen,
  Image analysis in mineral flotation,
  Espoo: Helsinki University of Technology, Control Engineering Laboratory, 1999. (Helsinki University of Technology, Control Engineering Laboratory, Report 116).
  Electronic publication
• J Hätönen, H Hyötyniemi, G Bonifazi, S Serranti, F Volpe and L.-E Carlsson,
  "Using PCA in controller strategy design for a flotation process,"
  in Proceedings of the 14th IFAC World Congress 1999, H.-F Chen, D.-Z Cheng and J.-F. Zhang (eds.), Beijing, P.R. China: IFAC, 1999, Vol. N, pp. 385-390.
  Electronic publication
• J Hätönen, H Hyötyniemi, J Miettunen and L.-E Carlsson,
  "Using image information and partial least squares method to estimate mineral concentrations in mineral flotation,"
  in Proceedings of the Second International Conference on Intelligent Processing and Manufacturing of Materials - IPMM'99, J. A Meech, M. M Veiga, M. H. Smith and S. R LeClair (eds.), Honolulu, Hawaii: IEEE, 1999, Vol. 1, pp. 459-464.
  Electronic publication
• A. J Niemi, H Hyötyniemi and R Ylinen,
  "Image analysis and vision systems for processing plants,"
  in Proceedings of the Second International Conference on Intelligent Processing and Manufacturing of Materials - IPMM'99, J. A Meech, M. M Veiga, M. H. & LeClair Smith and S. R. (eds.), Honolulu, Hawaii: IEEE, 1999, Vol. 1, pp. 11-20.
  Electronic publication
• H Hyötyniemi,
  "Structure from data: AI approaches to systems modeling,"
  in Human and Artificial Information Processing, P Koikkalainen and S Puuronen (eds.), Helsinki, Finland: Finnish Artificial Intelligence Society (FAIS), 1998, pp. 31-40.
• H Hyötyniemi and R Ylinen,
  "Modeling of visual froth data,"
  in Preprints of the IFAC Symposium on Automation in Mining, Mineral and Metal Processing 1998, J Heidepriem (ed.), New York: Elsevier Science, 1998, pp. 309-314.
• H Koivo, R Ylinen and P Sipari,
  "Machine vision research in Control Engineering Laboratory of the Helsinki University of Technology,"
  in Konenäköseminaari - Machine Vision Seminar 26.-27.5.1998, Innopoli, Espoo, Finland, Helsinki, Finland: Suomen Automaatioseura ry, Vision Club of Finland, 1998, pp. 61-61 (abstract).
• R Ylinen, H Hyötyniemi, E Ikonen and U Kortela,
  "A new Hebbian type learning algorithm applied to sensor fusion,"
  in COSY Annual Joint Workshop 1998, Ohrid, Macedonia: ESF, 1998, p. 9.