简介： 本发明涉及一种基于多参数特征融合的浮选精矿品位检测方法，包括如下步骤：(1)采集浮选矿物颗粒及浮选泡沫图像；(2)基于图像处理技术检测采集到的矿物颗粒图像粒度分布情况；(3)提取浮选泡沫的图像特征，建立样本数据库；(4)在线测量矿浆浓度及密度指标；(5)利用矿浆浓度、密度与精矿品位之间的数学关系建立多变量精矿品位预测模型；(6)基于五种不同的神经网络分别建立不同的精矿品位预测模型；(7)利用粒子群算法建立的精矿品位预测模型参数进行多变量联合优化，将六种模型输出结果累加和的平均值作为最终浮选精矿品位预测模型的输出值Y，即精矿品位的检测值。其优点是：根据预测模型，浮选精矿品位检测准确率和精度更高。