本文对图像识别系统在浮选过程中的应用进行了研究。主要内容包括： (1)讨论了浮选控制过程工艺流程及控制要求，并对目前控制方式的不足进行了分析，论述了把图像处理技术引入浮选控制的可行性。 (2)研究了阳离子反浮选泡沫图像的特点，并针对其自身的特点和控制要求，论述了将饱和度、亮度等颜色特征，以及能量、熵和惯性矩等纹理特征作为控制过程输入参数，为建立浮选过程控制模型提供了基础。 (3)浮选药剂添加量是浮选控制的一个重要指标，把粗糙集与学习向量量化神经网络结合起来，利用两种技术的互补性，建立起粗糙集-LVQ神经网络控制模型，用于控制药剂添加量；与BP网络实现的模式识别模型相比，证实该方法的优越性。 (4)选择颜色和纹理特征作为自变量，利用多元线性回归理论建立浮选精矿品位和回收率的预测模型，通过仿真研究，发现回归分析模型的预测误差在企业生产许可范围之内，可以满足实际生产的要求，为提高浮选过程的经济指标奠定了基础。