🌊 FrothAnalysisQtPython - 浮选泡沫图像分析与监控系统

FrothAnalysisQtPython 是一款专为铅锌浮选工艺设计的工业级桌面应用程序。系统基于 PySide6 构建，深度集成了机器视觉算法与工业控制逻辑，能够实时监测铅快粗、铅精一/二/三等关键工序的泡沫状态，并结合 OPC 数据实现闭环控制。

---

✨ 核心功能 (Key Features)

1. 👁️ 智能机器视觉分析

• 多工序监测: 支持同时连接 4 路工业相机，覆盖铅快粗 (Rougher) 及铅精选 (Cleaner 1-3) 各级工序。
• 特征提取 (Feature Extraction):
  • 动态特征: 基于 SURF 算法计算泡沫流速、速度方差及流动稳定性。
  • 纹理特征: 基于 GLCM (灰度共生矩阵) 计算能量、对比度、相关性等纹理指标。
  • 统计特征: 实时分析红灰比 (Red/Gray Ratio)、灰度直方图 (偏度/峰度)。

2. 📊 实时工艺监控 (Monitoring)

• KPI 仪表盘: 实时显示 原矿铅品位 (Feed)、高铅精矿品位 (Conc) 及 铅回收率 (Recovery)。
• 趋势追踪: 内置高性能绘图组件 (PyQtGraph)，以 10 分钟为周期动态展示品位变化趋势。
• 状态指示: 采用美化的 StatCard 组件，直观展示各指标的实时数值与健康状态。

3. 🎛️ 过程智能控制 (Control)

• 双模式切换: 支持 自动 (Auto) 与 手动 (Manual) 控制模式无缝切换。
• 液位控制: 针对 4 个浮选槽独立配置 PID 参数 ($K_p, K_i, K_d$)，实现液位精准调节。
• 精准加药:
  • 覆盖捕收剂、起泡剂、抑制剂等多种药剂类型。
  • 实时监控加药流量 (ml/min) 与设备运行状态。
• 效能评估: 实时计算系统的控制效果、稳定性指标及能耗效率。

4. 📈 历史数据与报表 (History)

• 全参数记录: 自动记录品位数据及详细的药剂消耗量（丁黄药、乙硫氮、石灰、2#油、DS1/DS2等）。
• 灵活查询: 支持按日期范围筛选，提供数据可视化统计（平均品位、最高值、运行时长）。
• 一键导出: 支持将查询结果导出为 CSV 格式，便于二次分析。

---

🛠️ 环境依赖 (Requirements)

本项目基于 Python 3.10+ 开发。主要依赖库如下：

• GUI: PySide6==6.10.0, pyqtgraph==0.13.7
• 图像处理: opencv-python==4.12.0.88, numpy==2.2.6, matplotlib==3.10.7
• 通讯与网络: requests==2.32.5, opcua==0.98.13, python-snap7==2.0.2
• 数据处理: pandas==2.3.3
• 其他: cryptography

---

🚀 快速开始 (Quick Start)

1. 克隆仓库

git clone [https://github.com/YourUsername/FrothAnalysisQtPython.git](https://github.com/YourUsername/FrothAnalysisQtPython.git)
cd FrothAnalysisQtPython

2. 创建并激活虚拟环境

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/macOS
python3 -m venv venv
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 配置文件

在运行前，请确保 config/ 和 resources/tags/ 目录下的配置正确：

• OPC 标签表: 编辑 resources/tags/tagList.csv，添加需要采集的标签名称。

• 系统配置: 检查 config/config.json 或相关 Python 配置文件中的相机 IP 和服务器地址。

5. 启动系统

python main.py

📂 项目结构 (Project Structure)

FrothAnalysisQtPython/
├── config/                 # 配置中心
│   ├── camera_configs.py   # 相机节点与RTSP配置
│   ├── system_settings.json# 全局系统参数
│   └── tank_configs.py     # 槽体参数配置
├── data/                   # 数据持久化 (SQLite数据库/自动备份)
├── logs/                   # 系统运行日志 (按日期归档)
├── resources/              # 静态资源
│   ├── styles/             # QSS 界面样式表
│   └── tags/               # OPC/PLC 点位映射表
├── src/                    # 源代码
│   ├── core/               # 核心架构 (Application, EventBus)
│   ├── services/           # 后端服务
│   │   ├── opc_service.py  # OPC/HTTP 数据采集与断线重连
│   │   ├── data_service.py # SQLite 数据存储服务
│   │   └── video_service.py# 视频流采集与分发
│   ├── utils/              # 算法工具
│   │   └── feature_extract.py # SURF, GLCM 特征提取算法
│   └── views/              # UI 视图层
│       ├── components/     # 复用组件 (StatCard, TankWidget)
│       ├── pages/          # 主要页面
│       │   ├── monitoring_page.py # 实时监控 (KPI, 趋势图)
│       │   ├── control_page.py    # 智能控制 (PID, 加药)
│       │   └── history_page.py    # 历史报表 (查询, 导出)
│       └── main_window.py  # 主窗口框架
└── main.py                 # 程序入口

⚙️ 核心算法说明

泡沫流速计算 (SURF)

系统利用 cv2.xfeatures2d_SURF 检测前后两帧图像的特征点，通过 Brute-Force Matcher 进行匹配，计算特征点位移向量： $$ v = \frac{\sqrt{(x_2-x_1)^2 + (y_2-y_1)^2}}{\Delta t} $$

纹理分析 (GLCM)

通过构建灰度共生矩阵，量化泡沫表面的物理特征：

• Homogeneity (同质性): 反映气泡大小分布的均匀程度。

• Contrast (对比度): 反映气泡边缘的清晰度与沟槽深度。

闭环控制策略

• 液位控制: 采用增量式 PID 算法，实时调节排矿阀开度。

• 药剂配比: 根据实时品位反馈（Feed/Conc Grade）动态调整丁黄药与乙硫氮的添加比例。