本發(fā)明涉及一種基于多參數(shù)特征融合的浮選精礦品位檢測(cè)方法，包括如下步驟：(1)采集浮選礦物顆粒及浮選泡沫圖像；(2)基于圖像處理技術(shù)檢測(cè)采集到的礦物顆粒圖像粒度分布情況；(3)提取浮選泡沫的圖像特征，建立樣本數(shù)據(jù)庫(kù)；(4)在線測(cè)量礦漿濃度及密度指標(biāo)；(5)利用礦漿濃度、密度與精礦品位之間的數(shù)學(xué)關(guān)系建立多變量精礦品位預(yù)測(cè)模型；(6)基于五種不同的神經(jīng)網(wǎng)絡(luò)分別建立不同的精礦品位預(yù)測(cè)模型；(7)利用粒子群算法建立的精礦品位預(yù)測(cè)模型參數(shù)進(jìn)行多變量聯(lián)合優(yōu)化，將六種模型輸出結(jié)果累加和的平均值作為最終浮選精礦品位預(yù)測(cè)模型的輸出值Y，即精礦品位的檢測(cè)值。其優(yōu)點(diǎn)是：根據(jù)預(yù)測(cè)模型，浮選精礦品位檢測(cè)準(zhǔn)確率和精度更高。