CN103063674A - 一种铜块的铜品位检测方法及其检测系统 - Google Patents
一种铜块的铜品位检测方法及其检测系统 Download PDFInfo
- Publication number
- CN103063674A CN103063674A CN2012105769016A CN201210576901A CN103063674A CN 103063674 A CN103063674 A CN 103063674A CN 2012105769016 A CN2012105769016 A CN 2012105769016A CN 201210576901 A CN201210576901 A CN 201210576901A CN 103063674 A CN103063674 A CN 103063674A
- Authority
- CN
- China
- Prior art keywords
- copper
- roi
- window
- copper billet
- measured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- UMRZSTCPUPJPOJ-UHFFFAOYSA-N C(C1)C2CC1CC2 Chemical compound C(C1)C2CC1CC2 UMRZSTCPUPJPOJ-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种铜块的铜品位检测方法,包括:(1)采集图像,提取ROI;(2)对ROI进行纹理特征提取;(3)对ROI进行质量评判;(4)计算出颜色矢量角;(5)确定待测铜块的类别;(6)计算出铜品位。本发明方法能够自动完成复杂背景下铜块截面定位和ROI获取,并能基于纹理特征筛选出质量合格的ROI,最终根据ROI颜色特征通过混合高斯回归快速地估计出铜品位,精度较高。本发明还对应公开了一套铜品位检测系统,其基于ARM+DSP双核芯片的嵌入式平台,通过工业摄像机采集图像,携带方便,极大地降低了成本,非常适合产品化,具有全自动、不接触、无损伤、连续、实时、精度高的优点。
Description
技术领域
本发明属于冶金工艺测试技术领域,具体涉及一种铜块的铜品位检测方法及其检测系统。
背景技术
铜加工过程需要能够快速准确地测量铜块关于样本铜品位的质量指标,铜品位在线检测对于及时、高效地判断氧化还原过程完成与否非常重要。
在铜加工过程中,铜品位是实现自动控制的关键质量参数。然而,由于高温和腐蚀性等因素,该参数在线检测成为成套控制系统应用中的一个技术难题。现有工艺下,铜品位检测一般采用离线抽检送到实验室化验的检测方式,且多为化学分析方式,虽然检测精度较高,但检测时间较长,不能满足在线实时控制的需要。
目前在很多铜加工企业中,废杂铜冶炼氧化还原反应过程的操作工人常常目测铜液的颜色等外观特征来估计铜品位大致是否达标,进而估计氧化还原反应进行的程度如何,虽然一定程度上满足了检测的实时性,但其估计判断的准确与否取决于工人的操作经验和疲劳状态;故一般检测精度不高,检测结果的可靠性低。
因此,国内的铜加工企业目前都无法实现铜品位参数的在线实时精确测量,精确的铜品位参数多是通过实验室的离线化验分析获得,但时间滞后达几个小时;而现场依赖操作工人的经验估计出的铜品位,数据大多精度不高,可靠性低。
Zhang Hongwei和Song Zhihuan在标题为A Copper Compositions Soft SensorUsing Color Vision and LSSVR(Journal of Shanghai Jiaotong University,Vol.45No.8Aug.2011)的文献中提出了一种基于颜色特征的在线铜品位的估计方法,该方法通过现场取样并固化再生铜样品的彩色图像,然后使用RGB(红绿蓝)颜色空间、HSV(色调、饱和度、亮度)颜色空间和颜色矢量角分别量化再生铜颜色特征,最后利用最小二乘支持向量回归对铜成分参数建立回归模型,进而实现铜成分参数估计。
然而该技术存在以下技术缺陷:
(1)其基于工业控制计算机平台,使用千兆网卡接口的工业摄像机,成本偏高,且便携性不足,不适合产品化和推广;
(2)ROI(Region of Interest,感兴趣区域)的提取全部依靠手动选取,操作麻烦;
(3)对待检测铜块样本没有铜截面质量检测机制,如果ROI划痕较多或者有污点,就会造成检测的结果可信度低;
(4)回归采用最小二乘支持向量机模型,没有物理意义,比如黄铜和紫铜铜品位跨度很大,一概而论地合在一起回归非常影响模型精度。
发明内容
针对现有技术所存在的上述技术缺陷,本发明提供了一种铜块的铜品位检测方法,能够实现铜块铜品位参数的实时精确测量。
一种铜块的铜品位检测方法,包括如下步骤:
(1)采集待测铜块的样本图像,从中提取ROI;
(2)对所述的ROI进行纹理特征提取,得到ROI的LBP(Local BinaryPatterns,局部二值模式)直方图、VAR(局部方差)特征值和灰度方差;
(3)根据所述的LBP直方图、VAR特征值和灰度方差,对所述的ROI进行质量评判:若质量合格,则执行步骤(4);若否,则更换待测铜块,返回执行步骤(1);
(4)对合格的ROI进行颜色特征提取,得到ROI的RGB平均强度值,进而计算出待测铜块的颜色矢量角;
(5)根据所述的RGB平均强度值,确定待测铜块的类别;
(6)根据待测铜块的类别,从样本数据库中获取该类铜块的所有样本信息,通过EM算法(Expectation-maximization algorithm,最大期望算法)模拟出该类铜块的K个高斯函数,K为大于1的自然数;进而根据所述的颜色矢量角和高斯函数计算出待测铜块的铜品位。
每组样本信息包含有对应铜块样本的颜色矢量角和铜品位。
所述的步骤(1)中,从样本图像中提取ROI的方法如下:
a.从样本数据库中获取所有铜截面信息,从而建立每组铜截面信息对应的色调区间[μH-3σH,μH+3σH]和饱和度区间[μS-3σS,μS+3σS];
每组铜截面信息包含有对应铜截面样本的色调均值μH、色调方差σH、饱和度均值μS和饱和度方差σS;
b.对于样本图像中的任一像素,对该像素的色调和饱和度进行区间检测:只要有一组铜截面信息,像素的色调和饱和度同时落在该组铜截面信息对应的色调区间和饱和度区间内,则标记该像素为前景像素;依此遍历样本图像中的所有像素,以检测出样本图像中的所有前景像素;
c.对样本图像进行边缘检测,以确定样本图像中铜块的所有边缘像素;从样本图像中提取前景像素密度最大的区域,并以该区域的中心像素作为基准点;
d.确定所述的基准点在0°、45°、90°、135°、180°、225°、270°和315°这八个方向上所对应的八个边缘像素,以这八个边缘像素为顶点构建一八边形;
e.以所述的八边形的中心像素为中心,在样本图像中建立一长为L/2,宽为H/2的矩形区域作为ROI;其中,L为基准点在0°方向上对应的边缘像素到基准点在180°方向上对应的边缘像素的距离,H为基准点在90°方向上对应的边缘像素到基准点在270°方向上对应的边缘像素的距离。
所述的步骤c中,从样本图像中提取前景像素密度最大的区域的方法为:
在样本图像中建立窗口C1,其大小为样本图像的四分之一;通过前景像素扫描确定窗口C1在样本图像中的位置,以保证窗口C1中前景像素个数最多,并计扫描一次;
依此,在窗口Cn-1中建立窗口Cn,其大小为窗口Cn-1的四分之一;通过前景像素扫描确定窗口Cn在窗口Cn-1中的位置,以保证窗口Cn中前景像素个数最多,并计扫描n次,n为大于1的自然数;
当满足以下三个条件中的任何一条,终止扫描并确定窗口Cn为前景像素密度最大的区域;
条件1:n等于30;
条件2:窗口Cn中前景像素个数占窗口Cn总像素个数的比例超过60%;
条件3:Bn-Bn-1≤3%;Bn为窗口Cn中前景像素个数占窗口Cn总像素个数的比例,Bn-1为窗口Cn-1中前景像素个数占窗口Cn-1总像素个数的比例。
所述的步骤(3)中,对ROI进行质量评判的标准为:当满足以下两个条件中的任何一条,即判定ROI质量不合格;
条件1:灰度方差大于5;
条件2:VAR特征值大于4,且LBP直方图中第四种模式像素个数与第五种模式像素个数的和占ROI总像素个数的比例超过60%。
所述的步骤(4)中,根据以下算式计算待测铜块的颜色矢量角:
CR=0.877[0.701Red-0.587(256-Green)-0.114Blue]
CB=-0.493[-0.299Red-0.587(256-Green)-0.886Blue]
θ=arctan(CR/CB)
其中:Red为ROI红色通道的平均强度值,Green为ROI绿色通道的平均强度值,Blue为ROI蓝色通道的平均强度值,θ为待测铜块的颜色矢量角。
所述的步骤(6)中,根据以下算式计算待测铜块的铜品位:
其中:ω和θ分别为待测铜块的铜品位和颜色矢量角,πk、μk和∑k为第k高斯函数的权重系数、均值向量和协方差矩阵;Nk(θ)表示变量为θ情况下第k高斯函数的函数值,Ni(θ)表示变量为θ情况下第i高斯函数的函数值,πi为第i高斯函数的权重系数,k和i均为自然数且1≤i≤K,1≤k≤K。
一种铜块的铜品位检测系统,包括:
图像采集单元,用于采集待测铜块的样本图像;
图像处理单元,用于从样本图像中提取出ROI,对ROI进行纹理特征提取和质量评判,进而判断待测铜块的类别,并计算出待测铜块的颜色矢量角和铜品位;
人机界面单元,用于输出显示待测铜块的颜色矢量角和铜品位,并根据用户的操作指令对图像处理单元进行参数设定。
所述的图像处理单元,包括:
ROI提取模块,用于从样本图像中提取出ROI;
纹理特征提取模块,用于对ROI进行纹理特征提取,得到ROI的LBP直方图、VAR特征值和灰度方差;
质量评判模块,用于根据LBP直方图、VAR特征值和灰度方差,对ROI进行质量评判;
矢量角计算模块,用于对质量合格的ROI进行颜色特征提取,得到ROI的RGB平均强度值,进而计算出待测铜块的颜色矢量角;
铜类别判断模块,用于根据所述的RGB平均强度值,判断待测铜块的类别;
样本数据库,用于存储各类铜块的样本信息;
铜品位计算模块,用于根据铜块的类别从样本数据库中获取对应类别的所有样本信息,并通过EM算法模拟出该类铜块的K个高斯函数,K为大于1的自然数;进而根据所述的颜色矢量角和高斯函数计算出待测铜块的铜品位。
所述的图像采集单元采用工业摄像机,所述的图像处理单元采用ARM+DSP的双核处理器,所述的人机界面单元采用LCD触摸式显示屏。
本发明检测方法能够自动完成复杂背景下铜块截面定位和ROI获取,并能基于纹理特征筛选出质量合格的ROI,最终根据ROI颜色特征通过混合高斯回归快速地估计出铜品位;且建立的混合高斯回归模型模拟了不同类型铜块颜色特征和品位的概率分布,更具有说服力,且精度较高。本发明检测系统基于ARM+DSP芯片的嵌入式平台,通过工业摄像机采集图像,携带方便,极大地降低了成本,非常适合产品化,具有全自动、不接触、无损伤、连续、实时、精度高的优点。
附图说明
图1为本发明检测系统的结构示意图。
图2为LBP直方图中前9种模式的示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明检测系统及其检测方法进行详细说明。
如图1所示,一种铜块的铜品位检测系统,包括:图像采集单元、图像处理单元和人机界面单元;其中:
图像采集单元用于采集待测铜块的样本图像;本实施方式中,图像采集单元采用艾菲特光电技术公司型号为AFT-902HC的工业摄像机。该相机像素为752×582,采用1/3″SONY CCD图像传感器,支持NTSC/PAL视频制式,自带背光补偿,外型小巧,功耗低。
图像处理单元用于从样本图像中提取出ROI,对ROI进行纹理特征提取和质量评判,进而判断待测铜块的类别,并计算出待测铜块的颜色矢量角和铜品位;本实施方式中,图像处理单元采用TI公司型号为TMS320DM6446的ARM+DSP双核处理芯片,该芯片包含工作主频为594MHz的高端DSP核C64X+、297MHz的ARM926EJ-S处理器、256M DDR2的SDRAM、64M的NANDFlash、一路RS485串口、一路RS232接口以及480Mbit/s的USB2.0接口,整个硬件平台体积很小,非常便携,同时能够满足工业现场恶劣的环境要求。
该嵌入式硬件平台内安装有ROI提取模块、纹理特征提取模块、质量评判模块、矢量角计算模块、铜类别判断模块和铜品位计算模块;同时具有一样本数据库,样本数据库内存储各类铜块的样本信息以及铜截面信息;其中:
ROI提取模块用于从样本图像中提取出ROI,其具体方法流程如下:
a.从样本数据库获取所有铜截面信息,从而建立每组铜截面信息对应的色调区间[μH-3σH,μH+3σH]和饱和度区间[μS-3σS,μS+3σS];
每组铜截面信息包含有对应铜截面样本的色调均值μH、色调方差σH、饱和度均值μS和饱和度方差σS;本实施方式样本数据库中存有16个铜截面样本,对应的每组铜截面信息如表1所示:
表1
b.对于样本图像中的任一像素,对该像素的色调和饱和度进行区间检测:只要有一组铜截面信息,像素的色调和饱和度同时落在该组铜截面信息对应的色调区间和饱和度区间内,则标记该像素为前景像素;依此遍历样本图像中的所有像素,以检测出样本图像中的所有前景像素;
c.对样本图像进行边缘检测,以确定样本图像中铜块的所有边缘像素;
从样本图像中提取前景像素密度最大的区域,并以该区域的中心像素作为基准点,其具体方法流程如下:在样本图像中建立窗口C1,其大小为样本图像的四分之一;通过前景像素扫描确定窗口C1在样本图像中的位置,以保证窗口C1中前景像素个数最多,并计扫描一次;
依此,在窗口Cn-1中建立窗口Cn,其大小为窗口Cn-1的四分之一;通过前景像素扫描确定窗口Cn在窗口Cn-1中的位置,以保证窗口Cn中前景像素个数最多,并计扫描n次,n为大于1的自然数;
当满足以下三个条件中的任何一条,终止扫描并确定窗口Cn为前景像素密度最大的区域;
条件1:n等于30;
条件2:窗口Cn中前景像素个数占窗口Cn总像素个数的比例超过60%;
条件3:Bn-Bn-1≤3%;Bn为窗口Cn中前景像素个数占窗口Cn总像素个数的比例,Bn-1为窗口Cn-1中前景像素个数占窗口Cn-1总像素个数的比例。
d.确定基准点在0°、45°、90°、135°、180°、225°、270°和315°这八个方向上所对应的八个边缘像素,以这八个边缘像素为顶点构建一八边形;
e.以八边形的中心像素为中心,在样本图像中建立一长为L/2,宽为H/2的矩形区域作为ROI;其中,L为基准点在0°方向上对应的边缘像素到基准点在180°方向上对应的边缘像素的距离,H为基准点在90°方向上对应的边缘像素到基准点在270°方向上对应的边缘像素的距离。
纹理特征提取模块用于对ROI进行纹理特征提取,得到ROI的LBP直方图、VAR特征值和灰度方差;其中:
LBP直方图用于统计图像局部纹理特征,具有灰度和旋转不变性。对于不在ROI内的任一像素来说,其周围邻域内都有8个像素,它们的灰度值依次设为g1g2g3g4g5g6g7g8,若gi比中心像素的灰度值大,标记为1,反之标记0,将g1至g8串起来形成一个八位值G(如10110001)。事实上,对于G值里面0和1的跳变次数小于等于2(0或2,不可能出现跳变1次)的情况,可分成如图2所示9种模式(实心表示0,空心表示1),这9种模式称为统一模式,而0和1跳变超过两次的G值归为第10种模式即非统一模式(如10110001,跳变四次)。最后,用直方图统计得到ROI各像素点在这10种模式上的分布。
VAR特征值用于描述图像纹理对比度,具有灰度和旋转不变性。通过以下方程式计算获得:
式中,N为ROI的像素总个数,gp表示当前像素周围第p个邻域像素的灰度值。
灰度方差Y用于描述ROI纹理变化,具有灰度和旋转不变性;其通过下式计算获得:
质量评判模块用于根据LBP直方图、VAR特征值和灰度方差,对ROI进行质量评判;其具体判别标准如下:当满足以下两个条件中的任何一条,即判定ROI质量不合格;具有较多划痕、纹理复杂或者存在较大污点的ROI将被归为质量不合格。
条件1:灰度方差大于5;
条件2:VAR特征值大于4,且LBP直方图中第四种模式像素个数与第五种模式像素个数的和占ROI总像素个数的比例超过60%。
若ROI质量合格,则将ROI输入至矢量角计算模块继续进行检测;若ROI质量不合格,则更换待测铜块,重新检测。
矢量角计算模块用于对质量合格的ROI进行颜色特征提取,得到ROI的RGB平均强度值,进而根据以下算式计算出待测铜块的颜色矢量角;
CR=0.877[0.701Red-0.587(256-Green)-0.114Blue]
CB=-0.493[-0.299Red-0.587(256-Green)-0.886Blue]
θ=arctan(CR/CR)
其中:Red为ROI红色通道的平均强度值,Green为ROI绿色通道的平均强度值,Blue为ROI蓝色通道的平均强度值,θ为待测铜块的颜色矢量角。
铜类别判断模块用于根据ROI的RGB平均强度值,判断待测铜块的类别,如黄铜、紫铜等;
铜品位计算模块用于根据铜块的类别从样本数据库中获取对应类别的所有样本信息(每组样本信息包含有对应铜块样本的颜色矢量角和铜品位),并通过EM算法模拟出该类铜块的4个高斯函数;
若待测铜块为黄铜,其四个高斯函数的参数如表2所示:
表2
对应的高斯模型如下表达式:
式中:ξ=[θ,ω]T,μk和∑k分别表示第k个高斯函数的均值向量和协方差矩阵,πk表示给定的第k个高斯函数的权重系数,N(ξ;μk,∑k)表示第k个高斯函数。
根据颜色矢量角和高斯函数通过以下算式计算出待测铜块的铜品位。
其中:ω和θ分别为待测铜块的铜品位和颜色矢量角,πk、μk和∑k为第k高斯函数的权重系数、均值向量和协方差矩阵;Nk(θ)表示变量为θ情况下第k高斯函数的函数值,Ni(θ)表示变量为θ情况下第i高斯函数的函数值,πi为第i高斯函数的权重系数,k和i均为自然数且1≤i≤4,1≤k≤4。
人机界面单元用于输出显示待测铜块的颜色矢量角和铜品位,并根据用户的操作指令对图像处理单元进行参数设定;本实施方式中,人机界面单元采用LCD触摸式显示屏。
以下我们利用实验室离线化验、本实施方式以及现有基于最小二乘支持向量回归的检测方法对五块不同的铜块进行铜品位检测,检测数据如表3所示:
表3
从表3可见,本实施方式检测方法得到的铜品位测量值与实验室离线化验得到的测量值相差无几,且相对现有检测方法更接近离线化验的真实值,故验证了本实施方式的测量结果具有较高的精度和可靠性,值得信赖。
Claims (9)
1.一种铜块的铜品位检测方法,包括如下步骤:
(1)采集待测铜块的样本图像,从中提取ROI;
(2)对所述的ROI进行纹理特征提取,得到ROI的LBP直方图、VAR特征值和灰度方差;
(3)根据所述的LBP直方图、VAR特征值和灰度方差,对所述的ROI进行质量评判:若质量合格,则执行步骤(4);若否,则更换待测铜块,返回执行步骤(1);
(4)对合格的ROI进行颜色特征提取,得到ROI的RGB平均强度值,进而计算出待测铜块的颜色矢量角;
(5)根据所述的RGB平均强度值,确定待测铜块的类别;
(6)根据待测铜块的类别,从样本数据库中获取该类铜块的所有样本信息,通过EM算法模拟出该类铜块的K个高斯函数,K为大于1的自然数;进而根据所述的颜色矢量角和高斯函数计算出待测铜块的铜品位。
2.根据权利要求1所述的铜品位检测方法,其特征在于:所述的步骤(1)中,从样本图像中提取ROI的方法如下:
a.从样本数据库中获取所有铜截面信息,从而建立每组铜截面信息对应的色调区间[μH-3σH,μH+3σH]和饱和度区间[μS-3σS,μS+3σS];
每组铜截面信息包含有对应铜截面样本的色调均值μH、色调方差σH、饱和度均值μS和饱和度方差σS;
b.对于样本图像中的任一像素,对该像素的色调和饱和度进行区间检测:只要有一组铜截面信息,像素的色调和饱和度同时落在该组铜截面信息对应的色调区间和饱和度区间内,则标记该像素为前景像素;依此遍历样本图像中的所有像素,以检测出样本图像中的所有前景像素;
c.对样本图像进行边缘检测,以确定样本图像中铜块的所有边缘像素;从样本图像中提取前景像素密度最大的区域,并以该区域的中心像素作为基准点;
d.确定所述的基准点在0°、45°、90°、135°、180°、225°、270°和315°这八个方向上所对应的八个边缘像素,以这八个边缘像素为顶点构建一八边形;
e.以所述的八边形的中心像素为中心,在样本图像中建立一长为L/2,宽为H/2的矩形区域作为ROI;其中,L为基准点在0°方向上对应的边缘像素到基准点在180°方向上对应的边缘像素的距离,H为基准点在90°方向上对应的边缘像素到基准点在270°方向上对应的边缘像素的距离。
3.根据权利要求2所述的铜品位检测方法,其特征在于:所述的步骤c中,从样本图像中提取前景像素密度最大的区域的方法为:
在样本图像中建立窗口C1,其大小为样本图像的四分之一;通过前景像素扫描确定窗口C1在样本图像中的位置,以保证窗口C1中前景像素个数最多,并计扫描一次;
依此,在窗口Cn-1中建立窗口Cn,其大小为窗口Cn-1的四分之一;通过前景像素扫描确定窗口Cn在窗口Cn-1中的位置,以保证窗口Cn中前景像素个数最多,并计扫描n次,n为大于1的自然数;
当满足以下三个条件中的任何一条,终止扫描并确定窗口Cn为前景像素密度最大的区域;
条件1:n等于30;
条件2:窗口Cn中前景像素个数占窗口Cn总像素个数的比例超过60%;
条件3:Bn-Bn-1≤3%;Bn为窗口Cn中前景像素个数占窗口Cn总像素个数的比例,Bn-1为窗口Cn-1中前景像素个数占窗口Cn-1总像素个数的比例。
4.根据权利要求1所述的铜品位检测方法,其特征在于:所述的步骤(3)中,对ROI进行质量评判的标准为:当满足以下两个条件中的任何一条,即判定ROI质量不合格;
条件1:灰度方差大于5;
条件2:VAR特征值大于4,且LBP直方图中第四种模式像素个数与第五种模式像素个数的和占ROI总像素个数的比例超过60%。
5.根据权利要求1所述的铜品位检测方法,其特征在于:所述的步骤(4)中,根据以下算式计算待测铜块的颜色矢量角:
CR=0.877[0.701Red-0.587(256-Green)-0.114Blue]
CB=-0.493[-0.299Red-0.587(256-Green)-0.886Blue]
θ=arctan(CR/CR)
其中:Red为ROI红色通道的平均强度值,Green为ROI绿色通道的平均强度值,Blue为ROI蓝色通道的平均强度值,θ为待测铜块的颜色矢量角。
6.根据权利要求1所述的铜品位检测方法,其特征在于:所述的步骤(6)中,根据以下算式计算待测铜块的铜品位:
其中:ω和θ分别为待测铜块的铜品位和颜色矢量角,πk、μk和∑k为第k高斯函数的权重系数、均值向量和协方差矩阵;Nk(θ)表示变量为θ情况下第k高斯函数的函数值,Ni(θ)表示变量为θ情况下第i高斯函数的函数值,πi为第i高斯函数的权重系数,k和i均为自然数且1≤i≤K,1≤k≤K。
7.一种铜块的铜品位检测系统,其特征在于,包括:
图像采集单元,用于采集待测铜块的样本图像;
图像处理单元,用于从样本图像中提取出ROI,对ROI进行纹理特征提取和质量评判,进而判断待测铜块的类别,并计算出待测铜块的颜色矢量角和铜品位;
人机界面单元,用于输出显示待测铜块的颜色矢量角和铜品位,并根据用户的操作指令对图像处理单元进行参数设定。
8.根据权利要求7所述的铜品位检测系统,其特征在于:所述的图像处理单元,包括:
ROI提取模块,用于从样本图像中提取出ROI;
纹理特征提取模块,用于对ROI进行纹理特征提取,得到ROI的LBP直方图、VAR特征值和灰度方差;
质量评判模块,用于根据LBP直方图、VAR特征值和灰度方差,对ROI进行质量评判;
矢量角计算模块,用于对质量合格的ROI进行颜色特征提取,得到ROI的RGB平均强度值,进而计算出待测铜块的颜色矢量角;
铜类别判断模块,用于根据所述的RGB平均强度值,判断待测铜块的类别;
样本数据库,用于存储各类铜块的样本信息;
铜品位计算模块,用于根据铜块的类别从样本数据库中获取对应类别的所有样本信息,并通过EM算法模拟出该类铜块的K个高斯函数,K为大于1的自然数;进而根据所述的颜色矢量角和高斯函数计算出待测铜块的铜品位。
9.根据权利要求7所述的铜品位检测系统,其特征在于:所述的图像采集单元采用工业摄像机,所述的图像处理单元采用ARM+DSP的双核处理器,所述的人机界面单元采用LCD触摸式显示屏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210576901.6A CN103063674B (zh) | 2012-12-26 | 2012-12-26 | 一种铜块的铜品位检测方法及其检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210576901.6A CN103063674B (zh) | 2012-12-26 | 2012-12-26 | 一种铜块的铜品位检测方法及其检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103063674A true CN103063674A (zh) | 2013-04-24 |
CN103063674B CN103063674B (zh) | 2015-01-21 |
Family
ID=48106386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210576901.6A Expired - Fee Related CN103063674B (zh) | 2012-12-26 | 2012-12-26 | 一种铜块的铜品位检测方法及其检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103063674B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103307896A (zh) * | 2013-06-09 | 2013-09-18 | 浙江大学 | 一种基于图像分析的废杂铜熔炼炉的控制方法及控制系统 |
CN103839278A (zh) * | 2014-03-05 | 2014-06-04 | 北京君正集成电路股份有限公司 | 一种前景检测方法及装置 |
CN106203497A (zh) * | 2016-07-01 | 2016-12-07 | 浙江工业大学 | 一种基于图像质量评价的手指静脉感兴趣区域图像筛选方法 |
CN110827267A (zh) * | 2019-11-08 | 2020-02-21 | 武汉海晨工控技术有限公司 | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 |
CN112451135A (zh) * | 2020-11-12 | 2021-03-09 | 北京联袂义齿技术有限公司 | 纯钛个性化基台的处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5911327A (en) * | 1996-10-02 | 1999-06-15 | Nippon Steel Corporation | Method of automatically discriminating and separating scraps containing copper from iron scraps |
CN102393395A (zh) * | 2011-08-26 | 2012-03-28 | 浙江大学 | 一种关于铜加工过程铜品位的检测方法及其检测系统 |
CN102687007A (zh) * | 2009-09-18 | 2012-09-19 | 罗格斯州立大学 | 利用分层标准化切割的高处理量生物标志物分割 |
-
2012
- 2012-12-26 CN CN201210576901.6A patent/CN103063674B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5911327A (en) * | 1996-10-02 | 1999-06-15 | Nippon Steel Corporation | Method of automatically discriminating and separating scraps containing copper from iron scraps |
CN102687007A (zh) * | 2009-09-18 | 2012-09-19 | 罗格斯州立大学 | 利用分层标准化切割的高处理量生物标志物分割 |
CN102393395A (zh) * | 2011-08-26 | 2012-03-28 | 浙江大学 | 一种关于铜加工过程铜品位的检测方法及其检测系统 |
Non-Patent Citations (1)
Title |
---|
张宏伟等: "基于彩色图像特征的铜成分软测量模型", 《上海交通大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103307896A (zh) * | 2013-06-09 | 2013-09-18 | 浙江大学 | 一种基于图像分析的废杂铜熔炼炉的控制方法及控制系统 |
CN103839278A (zh) * | 2014-03-05 | 2014-06-04 | 北京君正集成电路股份有限公司 | 一种前景检测方法及装置 |
CN106203497A (zh) * | 2016-07-01 | 2016-12-07 | 浙江工业大学 | 一种基于图像质量评价的手指静脉感兴趣区域图像筛选方法 |
CN106203497B (zh) * | 2016-07-01 | 2019-05-31 | 浙江工业大学 | 基于图像质量评价的手指静脉感兴趣区域图像筛选方法 |
CN110827267A (zh) * | 2019-11-08 | 2020-02-21 | 武汉海晨工控技术有限公司 | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 |
CN110827267B (zh) * | 2019-11-08 | 2023-04-07 | 武汉海晨工控技术有限公司 | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 |
CN112451135A (zh) * | 2020-11-12 | 2021-03-09 | 北京联袂义齿技术有限公司 | 纯钛个性化基台的处理方法 |
CN112451135B (zh) * | 2020-11-12 | 2021-12-17 | 北京联袂义齿技术有限公司 | 纯钛个性化基台的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103063674B (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439342B (zh) | 基于热图时序特征的红外无损检测方法 | |
CN103063674B (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
CN102955902B (zh) | 雷达模拟设备可信度的评估方法及评估系统 | |
CN105300482B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN105260709A (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN107576432A (zh) | 一种动态裂纹尖端应力场量测方法及装置 | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN108764134A (zh) | 一种适用于巡检机器人的多类型仪表自动定位与识别方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN104749334A (zh) | 基于模式识别的生物式异常水质评价系统设计方法 | |
CN108955901B (zh) | 一种红外测温方法、系统及终端设备 | |
CN103697929B (zh) | 仪表指针运动状态的检测方法 | |
CN102297822A (zh) | 一种通过图像分析预测煤粒灰分的方法 | |
CN105136736A (zh) | 在线近红外样本量确定方法 | |
CN102928340A (zh) | 基于图像分析同时测定煤的显微组分含量和镜质体反射率的方法及其专用设备 | |
CN106770296B (zh) | 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法 | |
CN103674835A (zh) | 富营养化水体中氮磷物质含量现场快速检测方法及装置 | |
CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
CN117783011A (zh) | 一种用于果汁生产线的智能品控系统 | |
CN102980536B (zh) | 刹车片钢背平面度检测系统及方法 | |
CN103472070B (zh) | 发动机机油清净分散性测定方法 | |
CN116087198B (zh) | 一种公路路面状况数据采集设备及其自动化快速检测系统 | |
CN107610101B (zh) | 一种测量数字图像视觉平衡质量的方法 | |
CN113065556B (zh) | 一种数字式仪表定位和数字识别方法、装置和计算机设备 | |
CN109060858A (zh) | 一种土壤重金属浓度空间分布预测准确性的定量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150121 Termination date: 20151226 |
|
EXPY | Termination of patent right or utility model |