七五煤业选煤厂浮选加药原为人工操作，自动化程度低，药剂量与配比的调整完全依赖浮选司机的个人经验。人工加药对于煤质变化和处理效果的判断不精确，且存在巡视工作量大、药剂量波动、调整周期较长等问题。为适应煤炭行业科技换人的新形势，解决选煤过程中的自动化控制，将选煤技术与AI深度学习技术相结合。该项目研究实现浮选自动加药系统与选煤厂集控系统的软件融合运行，达到现场无人化自动控制加药，减少职工工作量劳动强度，具有广阔的应用价值和市场前景，经济效益和社会效益巨大。 主要内容及特点： AI在线视觉尾矿浆检测系统 ①浮选尾矿图像采集系统硬件设计 首先分析七五煤业公司尾矿状态和浮精泡沫状态特征，综合图像采集系统的技术要求和现实情况，研究工业相机、光学镜头、粒度检测器、照明光源等一系列硬件设备的选型和定制。然后基于图像灰度值理论分析光源对图像质量的影响因素，通过在所搭建的实验平台进行正交实验，确定适应于尾矿状态、浮精泡沫状态AI在线视觉实时自动检测的光源条件。 ②浮选尾矿图像特征提取方法 首先采用中值滤波、均值滤波和高斯滤波等方法提高浮选尾矿图像质量、抑制噪声对图像特征提取的干扰，提高灰分预测模型的准确性；然后对浮选尾矿浆彩色图像在RGB、HSI、YUV三种不同颜色空间域的特征信息进行提取，基于主元分析基本原理，将原始数据映射到高维特征空间，进行主元分析中的核主分析、变量间的相关性分析，提高算法数据非线性适应能力和主元分析精度，完成对图像特征的降维处理。 ③尾矿灰分和浮精灰分预测模型 为实现对浮选尾矿浆AI在线视觉实时自动检测，本项目提出用尾矿状态和浮精泡沫状态特征去预测尾矿灰分和浮精灰分。首先通过MIV值（平均影响值）评价法筛选出对尾矿灰分和浮精灰分影响主要的因素，采用RBF神经网络拟合尾矿状态和浮精泡沫状态特征与尾矿灰分和浮精灰分之间的关系，通过用递归最小二乘法的算法求出RBF神经网络的主要参数，最后对其模型进行仿真，建立尾矿灰分和浮精灰分精确预测模型。 本项目现场应用的时间为：2021年1月至2021年10月。 现场应用的地点为：枣庄矿业（集团）济宁七五煤业有限公司选煤厂重介三楼。 为了考察浮选智能加药系统使用效果，课题组选取智能加药系统调试稳定后的9月份浮精及尾矿数据，同项目上马之前的2020年9月进行同期对比。两段时期入洗原煤分别来自3上217及3上219工作面，两面距离较近，可视作原煤煤质基本无变化。 浮选智能加药系统投入使用后，精煤回收率明显增高，减少了尾矿中的精煤损失，精煤产率成功提高了0.5个百分点。该系统对加强我公司选煤工艺流程的管理，规范操作，提高选矿指标，降低药剂消耗，减轻一线职工劳动强度，改善生产环境，有明显的经济效益和社会效益。