Froth Analysis System (Qt + Python) 📖 项目简介 (Introduction) FrothAnalysisQtPython 是一个基于 Python 和 Qt (PySide6) 开发的工业级浮选泡沫图像分析与监控系统。该系统集成了工业相机视频采集、实时图像处理（特征提取）、OPC UA/DA 通讯以及历史数据管理功能，主要用于浮选工况的实时监测与数字化分析。
✨ 核心功能 (Key Features) 📺 实时视频监控 (Real-time Monitoring)
支持多路工业相机同时连接与显示。
实时视频流展示与状态监测。
🔍 泡沫特征分析 (Froth Analysis)
基于计算机视觉（OpenCV）的泡沫特征提取算法。
核心指标计算（推测）：气泡大小分布、移动速度、颜色/灰度特征、泡沫稳定性等。
🏭 OPC 工业通讯 (OPC Communication)
内置 OPC 客户端服务，支持与 PLC/DCS 系统进行数据交互。
支持读写工业标签（Tags），实现闭环控制或状态同步。
📊 历史数据与趋势 (History & Trending)
集成 SQLite 数据库，自动记录分析数据与系统日志。
提供历史数据查询、趋势图表展示及导出功能。
⚙️ 灵活配置 (Flexible Configuration)
支持相机参数、槽体（Tank）配置、算法参数及 UI 样式的自定义。
JSON 格式的配置文件管理。
🛠️ 技术栈 (Tech Stack) 编程语言: Python 3.10+
图形界面: PySide6 (Qt for Python)
计算机视觉: OpenCV (opencv-python)
工业通讯: OPC UA / OpenOPC (具体依赖视 opc_service.py 而定)
数据存储: SQLite
数据处理: NumPy, Pandas
📂 项目结构 (Project Structure) Plaintext
FrothAnalysisQtPython/ ├── config/ # 系统配置文件 (相机, 槽体, UI配置) ├── data/ # 数据存储 (SQLite 数据库文件) ├── logs/ # 系统运行日志 ├── resources/ # 静态资源 (图标, QSS样式表, 标签列表) ├── src/ # 源代码目录 │ ├── common/ # 通用常量与异常定义 │ ├── controllers/ # 控制器层 (连接 UI 与 Service) │ ├── core/ # 核心逻辑 (Application, EventBus) │ ├── services/ # 后端服务 (OPC, 视频流, 数据存储, 日志) │ ├── utils/ # 工具类 (图像算法, 视频处理) │ └── views/ # UI 视图层 (主窗口, 监控页, 设置页等) ├── main.py # 程序启动入口 ├── requirements.txt # 项目依赖列表 └── debug_opc.py # OPC 通讯调试脚本 🚀 快速开始 (Getting Started)
-
环境准备 确保已安装 Python 3.10 或更高版本。
-
安装依赖 建议使用虚拟环境（Virtualenv/Conda）管理依赖。
Bash
python -m venv venv
venv\Scripts\activate
source venv/bin/activate
pip install -r requirements.txt 3. 配置系统 在运行前，请检查 config/ 目录下的配置文件：
camera_configs.py: 配置相机 IP、RTSP 地址或 ID。
tank_configs.py: 配置浮选槽的相关参数。
system_settings.json: 一般系统设置。
- 运行程序 Bash
python main.py 🔌 工业通讯配置 (OPC Configuration) 项目使用 CSV 文件管理 OPC 标签，文件位于 resources/tags/。
配置方式: 修改 tagList.csv 或对应的 CSV 文件以映射 PLC 地址。
调试: 运行 python debug_opc.py 可单独测试 OPC 连接状态。
📝 开发指南 (Development) UI 修改: 主要文件在 src/views/，样式文件在 resources/styles/。
算法优化: 泡沫特征提取算法位于 src/utils/feature_extract.py。
服务逻辑: 若需修改数据采集频率或通讯逻辑，请查看 src/services/。