浮遊泡沫表面画像の動的変化、照明の影響、雑音の干渉により流動特徴の抽出が困難である問題に対し、NSST領域で改良したORBの泡沫流動特徴抽出方法を提案し、浮遊薬剤添加状態認識に応用した。隣接する2フレームの泡沫画像のNSST分解を行い、多尺度高周波サブバンドはスケール相関係数を用いてノイズを除去し、内層と外層に分けた。各内層で方向的極大値検出により特徴点を抽出し、本層および上下層で非極大抑制により特徴点を選択した。多尺度BRIEF記述子で特徴点を記述し、泡沫の運動傾向に基づいて動的に検索マッチング領域を調整し、マッチング結果に基づき泡沫流動特徴を算出した。最後に、行列自己符号化極限学習機を構築し、泡沫形態、サイズ分布特徴および流動特徴を融合し、その後自適応ランダムフォレストにより添加状態を分類認識した。実験結果は、改良ORBが雑音や照明の影響を受けにくく、流動特徴検出の精度と効率が既存手法より大幅に向上し、異なる添加状態での泡沫表面の流動特性を正確に表現できることを示し、添加状態の平均認識精度は97.85％に達し、既存文献手法に比べ大幅な改善を示し、今後の添加量最適制御の基礎を築いた。

浮遊泡沫画像;流動特徴抽出;ORB;非下サンプリングせん断ウェーブレット変換;行列自己符号化極限学習機;自適応ランダムフォレスト