CN108470173B - 一种矿石颗粒的分割方法 - Google Patents
一种矿石颗粒的分割方法 Download PDFInfo
- Publication number
- CN108470173B CN108470173B CN201810345183.9A CN201810345183A CN108470173B CN 108470173 B CN108470173 B CN 108470173B CN 201810345183 A CN201810345183 A CN 201810345183A CN 108470173 B CN108470173 B CN 108470173B
- Authority
- CN
- China
- Prior art keywords
- ore
- image
- depth
- color
- watershed
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种矿石颗粒的分割方法,该方法采用可见光和红外传感深度测量的一体化相机采集矿石传送带上矿石的RGBD图像信息;将采集到的RGBD图像信息进行分解,提取出彩色图和深度图,并进一步对彩色图和深度图进行处理;根据处理结果,统计连通域的各项参数,得到矿石颗粒分布结果。上述方法解决了单一图像出现的过分割、欠分割问题,同时对大块矿石的识别具有较高的准确率,提高了适用性。
Description
技术领域
本发明涉及选矿设备技术领域,尤其涉及一种矿石颗粒的分割方法。
背景技术
选矿是指用物理或化学方法将矿物原料中的有用矿物和无用矿物(通常称脉石)或有害矿物分开的过程,一般的选矿流程可以分为破碎、研磨和浮选等三个主要环节。其中碎矿和磨矿承担着为后续的选别作业提供入选物料的任务,从采矿场送入选矿厂的原矿是上限粒度1500~1000mm(露天采矿)至600~400mm(地下采矿)的松散混合粒群。粒度是对颗粒(矿块)几何形体大小的度量,工艺矿物学还考虑了不同矿物镶嵌的复杂情况,当矿物颗粒相互包埋地固结在一起时,颗粒体积无法求出,可行的办法是在矿石薄片上测量颗粒的截面积大小,即引入了颗粒的“视粒度”概念。
现有技术在一般矿物加工生产过程中,多采用皮带上矿石取样,针对取样矿石进行筛分、称重,从而取得全粒级矿石颗粒分布,进而获得当前时刻的全尺寸粒级分布情况。这种方法工作量很大,且需要停皮带取样,一般矿山在非检修期间很少进行,随着机器视觉技术的发展,现有技术在全彩色图像领域的矿石颗粒分布进行了相关的研究,也诞生了不少矿石图像分割的装置,但现有技术缺乏相应的产品,主要原因是矿石破碎过程属于离散随机过程,其矿石形态、含泥含水量、矿石颗粒分布、表面矿石叠落形态与矿石粘连情况高度随机,特别是矿石在采掘爆破过程中的不确定性,皮带运输机上矿石很难用一般统计数学模型来进行线性表述,这些原因造成了这个领域的图像处理难度大,系统鲁棒性不强等诸多问题。
发明内容
本发明的目的是提供一种矿石颗粒的分割方法,该方法解决了单一图像出现的过分割、欠分割问题,同时对大块矿石的识别具有较高的准确率,提高了适用性。
本发明的目的是通过以下技术方案实现的:
一种矿石颗粒的分割方法,所述方法包括:
步骤1、采用可见光和红外传感深度测量的一体化相机采集矿石传送带上矿石的RGBD图像信息;
步骤2、将采集到的RGBD图像信息进行分解,提取出彩色图和深度图;
步骤3、在所述矿石传送带上没有矿石时采集空皮带的图像信息;
步骤4、将装载矿石的图像信息与空皮带的图像信息求差,获得相应区域的ROI区域图像;
步骤5、当ROI区域图像小于设定阈值时,判断矿石传送带上是否有矿;
步骤6、针对有矿的传送带,提取该ROI区域图像的彩色图;
步骤7、将若干幅ROI区域图像的彩色图进行颜色特征分量提取,选取合适阈值作为灰度变换的比例阈值;
步骤8、对该ROI区域图像的彩色图进行灰度变换,并在ROI区域图像中截取梯度变换绝对值为前5%的区域进行标记连通;
步骤9、选取标记的连通域面积大于100像素或周长大于40像素的区域作为深度背景;
步骤10、对步骤2提取的深度图进行改进分水岭处理,以深度图像距离最小值为分水岭种子点,按照深度方向进行深度图分水岭处理;
步骤11、根据处理结果,统计连通域的各项参数,得到矿石颗粒分布结果。
在所述步骤3中,
进一步对采集的空皮带的图像信息利用窗口为5*5的中值滤波进行平滑处理。
在所述步骤4中,获得相应区域的ROI区域图像的过程为:
将装载矿石的图像信息IO(m,n)与空皮带的图像信息IB(m,n)求差,得到每一个像素点的标记:
当像素点的差值在所设范围之外时,即为所求区域的ROI区域图像。
在所述步骤7的操作过程中:
采取线性变换的方法将ROI区域图像的彩色图中的某点彩色值变换为灰度值,得到图像中每一点的灰度值图像,表示为:
sk(m,n)=kr*C(m,n)+kg*C(m,n)+kb*C(m,n)
其中,kr、kg、kb分别为变换常量。
在所述步骤9中,具体是将连续梯度变换的区域进行合并、滤波处理,剔除掉因局部碎矿而造成的梯度变换干扰,保留大矿石留下的阴影区域;
并将该阴影区域映射到深度图中,作为深度背景使用。
所述步骤10中,在进行深度图分水岭处理的过程中:
当深度图分水岭生长遇到深度背景时,当前分水岭停止筑坝;
当原始分水岭的连通区域坝底与盆顶区域小于设定阈值时,分水岭连通区域合并;
且已经停止筑坝的连通区域不与其他任何新生长的连通区域进行合并。
由上述本发明提供的技术方案可以看出,上述方法解决了单一图像出现的过分割、欠分割问题,同时对大块矿石的识别具有较高的准确率,提高了适用性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的矿石颗粒的分割方法流程示意图;
图2为本发明实施例所提供的图像信息采集过程的示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
下面将结合附图对本发明实施例作进一步地详细描述,如图1所示为本发明实施例提供的矿石颗粒的分割方法流程示意图,所述方法包括:
步骤1、采用可见光和红外传感深度测量的一体化相机采集矿石传送带上矿石的RGBD图像信息;
如图2所示为本发明实施例所提供的图像信息采集过程的示意图,图中彩色深度照相机布置在矿石传送带的上方,左右两侧安装有光源系统,通过该照相机来采集矿石传送带上矿石的RGBD图像信息。
这里,RGBD图像信息即是在普通彩色RGB图像上对每个像素点增加相机到被测物之间的距离(深度)信息,针对于皮带上的矿石测量而言,即形成具有色彩特征的三维点云图。
步骤2、将采集到的RGBD图像信息进行分解,提取出彩色图和深度图;
步骤3、在所述矿石传送带上没有矿石时采集空皮带的图像信息;
在该步骤中,进一步对采集的空皮带的图像信息利用窗口为5*5的中值滤波进行平滑处理。
步骤4、将装载矿石的图像信息与空皮带的图像信息求差,获得相应区域的ROI区域图像;
在该步骤中,获得相应区域的ROI区域图像的过程为:
将装载矿石的图像信息IO(m,n)与空皮带的图像信息IB(m,n)求差,得到每一个像素点的标记:
当像素点的差值在所设范围之外时,即为所求区域的ROI区域图像。
步骤5、当ROI区域图像小于设定阈值时,判断矿石传送带上是否有矿;
步骤6、针对有矿的传送带,提取该ROI区域图像的彩色图;
在该步骤中,提取的ROI区域图像的彩色图表示为:
其中,ICroi(m,n)即为矿石覆盖区域的彩色图。
步骤7、将若干幅ROI区域图像的彩色图进行颜色特征分量提取,选取合适阈值作为灰度变换的比例阈值;
在该步骤中,选取的ROI区域图像的彩色图可以≥100幅。
这里,可以采取线性变换的方法将ROI区域图像的彩色图中的某点彩色值变换为灰度值,得到图像中每一点的灰度值图像,表示为:
sk(m,n)=kr*C(m,n)+kg*C(m,n)+kb*C(m,n)
其中,kr、kg、kb分别为变换常量。
选取处理前若干幅图片作为常量的计算值,其目的是为了忽略由于光源衰减而造成的颜色分量偏差以及矿石性质变化造成的色差。
步骤8、对该ROI区域图像的彩色图进行灰度变换,并在ROI区域图像中截取梯度变换绝对值为前5%的区域进行标记连通;
在该步骤中,在彩色图边缘处理上,采用Canny检测算子用于边缘检测,其优势在于可以很好的反映梯度方向上局部最强变化点,在矿石图像之中,矿石的阴影与矿石之间的过渡区域往往体现出脊像素有特定方向的连续输出,通过公式
步骤9、选取标记的连通域面积大于100像素或周长大于40像素的区域作为深度背景;
该步骤中,具体可以是将连续梯度变换的区域进行合并、滤波处理,剔除掉因局部碎矿而造成的梯度变换干扰,保留大矿石留下的阴影区域;
并将该阴影区域映射到深度图像中,作为深度背景使用。
步骤10、对步骤2提取的深度图进行改进分水岭处理,以深度图像距离最小值为分水岭种子点,按照深度方向进行深度图分水岭处理;
该步骤中,在进行深度图分水岭处理的过程中:
当深度图分水岭生长遇到深度背景时,当前分水岭停止筑坝;
当原始分水岭的连通区域坝底与盆顶区域小于设定阈值时,分水岭连通区域合并;
且已经停止筑坝的连通区域不与其他任何新生长的连通区域进行合并。
另外,在深度图分割中,分水岭计算往往会出现过多的细分区域,这主要是矿石表面的凹凸不平所致,而这些情况,往往在彩色图中并不会造成干扰。与此同时,单一深度图分割过程易出现“漫坝”现象,彩色图的梯度变换恰好抑制了深度图分割的过快生长,从而起到了很好的结合作用。
步骤11、根据处理结果,统计连通域的各项参数,得到矿石颗粒分布结果。
具体来说,粒级分布统计即是假定矿石密度ρ一定的前提下,矿石在皮带方向上投影的等投影等表面积的颗粒直径。统计若干幅图片的颗粒总粒径分布情况,计算不同粒径下矿石的质量分布情况。
由此可见,本发明实施例所述方法的有益效果具体为:
1)采用深度图来处理皮带运输机上矿石与皮带分界的边缘,准确的判断出图像的ROI区域;
2)通过彩色图像的边缘处理与深度图像改进的分水岭算法,解决了单一图像出现的过分割、欠分割问题;
3)采用自适应阈值灰度变换的方法,改进了传统算法上因光源衰减而造成的分割偏差,提高了系统的鲁棒性;
4)较好的解决了大矿石上“叠落”若干小矿石而无法区分的问题,对大块矿石的识别具有较高的准确率;
5)首创彩色图像的梯度变换及处理作为深度分水岭的筑坝终点法,提高了算法的适用性。
值得注意的是,本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种矿石颗粒的分割方法,其特征在于,所述方法包括:
步骤1、采用可见光和红外传感深度测量的一体化相机采集矿石传送带上矿石的RGBD图像信息;
步骤2、将采集到的RGBD图像信息进行分解,提取出彩色图和深度图;
步骤3、在所述矿石传送带上没有矿石时采集空皮带的图像信息;
步骤4、将装载矿石的图像信息与空皮带的图像信息求差,获得相应区域的ROI区域图像;
步骤5、当ROI区域图像小于设定阈值时,判断矿石传送带上是否有矿;
步骤6、针对有矿的传送带,提取该ROI区域图像的彩色图;
步骤7、将若干幅ROI区域图像的彩色图进行颜色特征分量提取,选取合适阈值作为灰度变换的比例阈值;
步骤8、对该ROI区域图像的彩色图进行灰度变换,并在ROI区域图像中截取梯度变换绝对值为前5%的区域进行标记连通;
步骤9、选取标记的连通域面积大于100像素或周长大于40像素的区域作为深度背景;
步骤10、对步骤2提取的深度图进行改进分水岭处理,以深度图像距离最小值为分水岭种子点,按照深度方向进行深度图分水岭处理;
步骤11、根据处理结果,统计连通域的各项参数,得到矿石颗粒分布结果。
2.根据权利要求1所述矿石颗粒的分割方法,其特征在于,在所述步骤3中,
进一步对采集的空皮带的图像信息利用窗口为5*5的中值滤波进行平滑处理。
4.根据权利要求1所述矿石颗粒的分割方法,其特征在于,在所述步骤7的操作过程中:
采取线性变换的方法将ROI区域图像的彩色图中的某点彩色值变换为灰度值,得到图像中每一点的灰度值图像,表示为:
sk(m,n)=kr*Cr(m,n)+kg*Cg(m,n)+kb*Cb(m,n)
其中,kr、kg、kb分别为变换常量;Cr(m,n)、Cg(m,n)、Cb(m,n)是彩色图C(m,n)的RGB矩阵分量。
5.根据权利要求1所述矿石颗粒的分割方法,其特征在于,在所述步骤9中,具体是将连续梯度变换的区域进行合并、滤波处理,剔除掉因局部碎矿而造成的梯度变换干扰,保留大矿石留下的阴影区域;
并将该阴影区域映射到深度图中,作为深度背景使用。
6.根据权利要求1所述矿石颗粒的分割方法,其特征在于,所述步骤10中,在进行深度图分水岭处理的过程中:
当深度图分水岭生长遇到深度背景时,当前分水岭停止筑坝;
当原始分水岭的连通区域坝底与盆顶区域小于设定阈值时,分水岭连通区域合并;
且已经停止筑坝的连通区域不与其他任何新生长的连通区域进行合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810345183.9A CN108470173B (zh) | 2018-04-17 | 2018-04-17 | 一种矿石颗粒的分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810345183.9A CN108470173B (zh) | 2018-04-17 | 2018-04-17 | 一种矿石颗粒的分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470173A CN108470173A (zh) | 2018-08-31 |
CN108470173B true CN108470173B (zh) | 2021-06-15 |
Family
ID=63263369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810345183.9A Active CN108470173B (zh) | 2018-04-17 | 2018-04-17 | 一种矿石颗粒的分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470173B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365494B (zh) * | 2020-11-30 | 2022-12-13 | 北京理工大学 | 一种基于深度学习预测边缘的矿石物料图像分割方法 |
CN112419397B (zh) * | 2020-12-08 | 2023-09-15 | 鞍钢集团矿业有限公司 | 一种基于图像和深度神经网络的矿石粒度分级方法及系统 |
CN113112466A (zh) * | 2021-03-30 | 2021-07-13 | 湖州霍里思特智能科技有限公司 | 矿石识别方法、检测机构、矿产分选机 |
CN113344912B (zh) * | 2021-07-06 | 2024-04-16 | 矿冶科技集团有限公司 | 矿石颗粒分割系统、方法和机器可读存储介质 |
CN115841490B (zh) * | 2023-02-23 | 2023-05-09 | 山东泗水山岭石材厂 | 基于图像处理的采矿过程矿石颗粒分割方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
CN104063866A (zh) * | 2014-06-26 | 2014-09-24 | 中国矿业大学(北京) | 一种矿石传送过程中的粒度检测方法 |
CN104531924A (zh) * | 2014-12-18 | 2015-04-22 | 东北大学 | 一种高炉炉料分布实时预报系统及方法 |
CN107209556A (zh) * | 2015-04-29 | 2017-09-26 | 惠普发展公司有限责任合伙企业 | 用于对捕获对象相对于交互平面的交互的深度图像进行处理的系统及方法 |
CN107576600A (zh) * | 2017-08-04 | 2018-01-12 | 江苏大学 | 一种抹茶粒度等级的快速检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPQ849200A0 (en) * | 2000-06-30 | 2000-07-27 | Cea Technologies Inc. | Unsupervised scene segmentation |
US6956961B2 (en) * | 2001-02-20 | 2005-10-18 | Cytokinetics, Inc. | Extracting shape information contained in cell images |
-
2018
- 2018-04-17 CN CN201810345183.9A patent/CN108470173B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
CN104063866A (zh) * | 2014-06-26 | 2014-09-24 | 中国矿业大学(北京) | 一种矿石传送过程中的粒度检测方法 |
CN104531924A (zh) * | 2014-12-18 | 2015-04-22 | 东北大学 | 一种高炉炉料分布实时预报系统及方法 |
CN107209556A (zh) * | 2015-04-29 | 2017-09-26 | 惠普发展公司有限责任合伙企业 | 用于对捕获对象相对于交互平面的交互的深度图像进行处理的系统及方法 |
CN107576600A (zh) * | 2017-08-04 | 2018-01-12 | 江苏大学 | 一种抹茶粒度等级的快速检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108470173A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470173B (zh) | 一种矿石颗粒的分割方法 | |
CN111047555B (zh) | 基于图像处理技术的矿石图像粒度检测算法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN107314957B (zh) | 一种岩石块度尺寸分布的测量方法 | |
CN108711149B (zh) | 基于图像处理的矿岩粒度检测方法 | |
CN103413290B (zh) | 多特征与多层次结合的矿石粒度图像分割方法 | |
Perez et al. | Rock lithological classification using multi-scale Gabor features from sub-images, and voting with rock contour information | |
CN103528534B (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN109166125B (zh) | 一种基于多边缘融合机制的三维深度图像分割算法 | |
CN109472261B (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
CN103839279A (zh) | 一种目标检测中基于vibe的粘连目标分割方法 | |
CN104850854A (zh) | 一种滑石矿品分选处理方法及滑石矿品分选系统 | |
Guo et al. | A method of blasted rock image segmentation based on improved watershed algorithm | |
Salinas et al. | Automated estimation of rock fragment distributions using computer vision and its application in mining | |
Huang et al. | Edge detection of ore and rock on the surface of explosion pile based on improved Canny operator | |
CN107784646B (zh) | 一种路用集料的自适应检测方法 | |
YANG et al. | Bubble size estimation using interfacial morphological information for mineral flotation process monitoring | |
CN103824304A (zh) | 传送带上矿石传送过程中故障诊断方法 | |
CN104063866A (zh) | 一种矿石传送过程中的粒度检测方法 | |
Zhang | Particle overlapping error correction for coal size distribution estimation by image analysis | |
CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
CN110889840A (zh) | 面向地物目标的高分6号遥感卫星数据的有效性检测方法 | |
CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
Lu et al. | Fusion-based color and depth image segmentation method for rocks on conveyor belt |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |