부상 거품 표면 이미지의 동적 변화, 조명 영향 및 잡음 간섭으로 인해 유동 특징 추출이 어려운 문제를 해결하기 위해 NSST 영역에서 ORB를 개선한 거품 유동 특징 추출 방법을 제안하였으며, 이를 부상 약품 투입 상태 인식에 적용하였다. 인접한 두 프레임의 거품 이미지에 대해 NSST 분해를 수행하고, 다중 스케일 고주파 서브밴드에서 스케일 상관 계수를 통해 잡음을 제거한 후 여러 내부 및 외부 층으로 분할하였다. 각 내부 층에서 방향 극대값 검출을 통해 특징점(관심점)을 추출하고, 해당 층 및 상하 층에서 비극대 억제를 통해 특징점을 추출하였다. 다중 스케일 BRIEF 디스크립터로 특징점을 기술하고, 거품의 운동 경향에 따라 동적으로 검색 매칭 영역을 조정하며, 매칭 결과를 통해 거품 유동 특징을 계산한다. 마지막으로 행렬 자기 부호화 극한 학습기를 구성하여 거품 형태, 크기 분포 특징 및 유동 특징을 융합한 후, 적응형 랜덤 포레스트를 통해 약품 투입 상태를 분류 인식한다. 실험 결과, 개선된 ORB는 잡음 및 조명 영향에 덜 민감하며, 유동 특징 검출 정확도와 효율이 기존 방법에 비해 크게 향상되었고, 다양한 약품 투입 상태에서 거품 표면의 유동 특성을 정확하게 나타낼 수 있으며, 약품 투입 상태의 평균 인식 정확도는 97.85%에 달해 기존 문헌 방법 대비 큰 향상을 이루었으며, 향후 약품 투입량 최적화 제어의 기초를 마련하였다.

부상 거품 이미지;유동 특징 추출;ORB;비하향표본 절단 웨이블릿 변환;행렬 자기 부호화 극한 학습기;적응형 랜덤 포레스트