CN109272548A - 一种浮选过程气泡直径的测量方法 - Google Patents
一种浮选过程气泡直径的测量方法 Download PDFInfo
- Publication number
- CN109272548A CN109272548A CN201811139757.3A CN201811139757A CN109272548A CN 109272548 A CN109272548 A CN 109272548A CN 201811139757 A CN201811139757 A CN 201811139757A CN 109272548 A CN109272548 A CN 109272548A
- Authority
- CN
- China
- Prior art keywords
- bubble
- region
- frame
- connected domain
- picture
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种浮选过程气泡直径的测量方法,采用自动方法测量不同浮选液面深度下单位横截面积的气泡总体积、气泡总个数、气泡大小和气泡直径分布。实现了浮选过程不同液面高度下的气泡分布的测量,并采用机器视觉的方法将上述测量方法实现了自动化。采用背景剔除技术,有效获得气泡移动区域。通过气泡特征匹配技术,有效防止在泡沫直径统计过程中的遗漏或重复统计。气泡分割技术有效防止气泡粘连所带来的统计粒径偏大问题,使仪器更加准确。实现了气泡的自动分割;解决了气泡在充气过程中气水分界面不断下降及识别的问题;解决了气泡在上升过程中前后帧匹配的问题;实现了自动的背景噪声去除。
Description
技术领域
本发明涉及一种矿物浮选,尤其涉及一种浮选过程气泡直径的测量方法。
背景技术
浮选过程是矿物加工过程最重要的选别技术之一,浮选的本质是根据矿物的亲水、疏水性不同,通过搅动注入空气的水中将在表面活性剂附着的各类颗粒进行分选选别。因此,浮选过程中矿浆中各个层级的气泡大小格外重要,气泡的总表面积代表着浮选过程的重要指标之一。
针对浮选过程中气泡分布情况的研究,是解决浮选机设计过程中的重要测量手段之一,也是改进浮选效果的必要方法与手段。由于传统意义上对浮选各个层级的泡沫测量方法有限,测量及标定标准难以统一,目前仍以人工测量为主要的技术方法。
现有技术:
采用人工法测量泡沫大小及泡沫粒级分布。主要方法是将实验装置充水后插入到浮选槽中,挪除挡在前端的纸片,通过人工拍照进而数出气泡的个数并测量出大小。
同理计算上述排水的排水时间,计算出统计时间内的高低液位差值,进而求出单位横截面积内浮选机的充气量。
现有技术的缺点:
1)人工测量由于无固定测量相机,因此系统一致性不好,气泡大小存在偏差;
2)受光照、拍照频次及曝光时间等诸多因素制约,传统方法可能存在漏测、重复测量等问题,且不易发现;
3)对于气泡粘连等情况,只可以人为估算,不同观测者估算的结果偏差很大;
4)上述过程人工工作量很大,劳动强度大。
发明内容
本发明的目的是提供一种浮选过程气泡直径的测量方法。
本发明的目的是通过以下技术方案实现的:
本发明的浮选过程气泡直径的测量方法,包括步骤:
1、布置好实验装置,将取气口插入到矿浆槽中,调整好以下动态参数:光源、物距、相机焦距及相机曝光时间、帧率,开始取样;
2、得到基于时间序列的气泡图片1,2,3,……;
3、将得到的第一帧图片进行灰度变换,并进行中值滤波处理,得到基于x,y坐标系下的气水灰度图;
4、将灰度图沿y方向进行梯度变换并取绝对值,再将图像沿x方向进行求和,绘制图片沿y方向灰度统计统计图,即是得到y方向同行像素的灰度变化直方图,该直方图代表的意义是气体测量装置在y方向灰度变化的强弱,由于气液分界面中气泡较密集,其在y方向上的灰度值有明显的减弱;
5、将上述统计图中的bin缩小三倍,并计算统计值平均值到最低点的差值;
6、将上述差值*0.2沿y轴正向进行寻峰处理,得到峰值最大区域;
7、根据峰值区域范围即得到气液分界面区间,最终将其换算到图像区域,得到此帧y方向的ROI;
8、按照步骤3-7继续对第二帧图片进行y方向ROI计算;
9、将第一帧图像ROI区域中灰度值最小的10%像素点进行标记,并去除连通域面积小于30的区域,得到二值图A,再将第一帧在二值图中为1的区域中的每个像素在第二帧中进行3*3邻域扩大化,如在第二帧中3*3区域中寻找到灰度差值小于5%以内的像素,则对该像素标记,以此类推;
10、对第一帧标记好的连通域与图片A的连通域进行比对,连通域重叠区域大于80%的即认为该部分为帧与帧之间的背景区域,造成上述情况是因为装置内部粘连气泡或内部脏所造成的;
11、重复步骤10中重叠区域小于50%的区域,这部分区域为确定泡沫出现区域;求出第一帧与第二帧所有该区域的连通域的重心,并按照标号进行求出所有向量,计算气泡的平均移动距离及方向;
12、继续将上述气泡前景区域按照x轴方向进行累加,当x方向气泡前景像素小于总像素的0.5%,即认为该列无气泡移动,求出所有列的x方向统计图,扩大10倍bin区间,找出气泡最密集区域,即是图像在x方向的ROI区域;
13、根据步骤11匹配出的泡沫移动距离,估算出每帧ROI区域y方向的识别长度;
14、针对每一帧图片,首先将ROI区域的灰度图采用最大类间方差法进行二值化,并将其取反,去掉面积过小连通域,得到以泡沫边缘轮廓为主的二值图,统计二值图中的每一个连通域,然后将其填充,进而判断是否闭合,对于所有连通域面积与周长比值小于某一阈值的区域,将其标记;
15、对于所有标记后的连通域,通过先膨胀n次后再腐蚀n次的方法,将其还原成椭圆形区域,进一步将其二次标记;
16、最后,对所有n次开闭运算仍未满足连通域面积与周长比大于某一阈值的气泡,系统标记为复合气泡,通过改进分水岭的办法将其分割,进而判断分割之后的气泡是否仍然满足连通域面积与周长的比值,从而确定是否需要继续分割,如分割则继续步骤15。
由上述本发明提供的技术方案可以看出,本发明实施例提供的浮选过程气泡直径的测量方法,采用自动方法测量不同浮选液面深度下单位横截面积的气泡总体积、气泡总个数、气泡大小和气泡直径分布。解决了气泡测量过程中出现的粘连问题,实现了气泡的自动分割;解决了气泡在充气过程中气水分界面不断下降及识别的问题;解决了气泡在上升过程中前后帧匹配的问题;实现了自动的背景噪声去除。
附图说明
图1为本发明实施例提供的浮选过程气泡直径的测量方法的实验装置的结构示意图。
具体实施方式
下面将对本发明实施例作进一步地详细描述。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。
本发明的浮选过程气泡直径的测量方法,其较佳的具体实施方式是:
包括步骤:
1、布置好实验装置,将取气口插入到矿浆槽中,调整好以下动态参数:光源、物距、相机焦距及相机曝光时间、帧率,开始取样;
2、得到基于时间序列的气泡图片1,2,3,……;
3、将得到的第一帧图片进行灰度变换,并进行中值滤波处理,得到基于x,y坐标系下的气水灰度图;
4、将灰度图沿y方向进行梯度变换并取绝对值,再将图像沿x方向进行求和,绘制图片沿y方向灰度统计统计图,即是得到y方向同行像素的灰度变化直方图,该直方图代表的意义是气体测量装置在y方向灰度变化的强弱,由于气液分界面中气泡较密集,其在y方向上的灰度值有明显的减弱;
5、将上述统计图中的bin缩小三倍,并计算统计值平均值到最低点的差值;
6、将上述差值*0.2沿y轴正向及重力方向进行寻峰处理,得到峰值最大区域;
7、根据峰值区域范围即得到气液分界面区间,最终将其换算到图像区域,得到此帧y方向的ROI;
8、按照步骤3-7继续对第二帧图片进行y方向ROI计算;
9、将第一帧图像ROI区域中灰度值最小的10%像素点进行标记,并去除连通域面积小于30的区域,得到二值图A,再将第一帧在二值图中为1的区域中的每个像素在第二帧中进行3*3邻域扩大化,如在第二帧中3*3区域中寻找到灰度差值小于5%以内的像素,则对该像素标记,以此类推;
10、对第一帧标记好的连通域与图片A的连通域进行比对,连通域重叠区域大于80%的即认为该部分为帧与帧之间的背景区域,造成上述情况是因为装置内部粘连气泡或内部脏所造成的;
11、重复步骤10中重叠区域小于50%的区域,这部分区域为确定泡沫出现区域;求出第一帧与第二帧所有该区域的连通域的重心,并按照标号进行求出所有向量,计算气泡的平均移动距离及方向;
12、继续将上述气泡前景区域按照x轴方向进行累加,当x方向气泡前景像素小于总像素的0.5%,即认为该列无气泡移动,求出所有列的x方向统计图,扩大10倍bin区间,找出气泡最密集区域,即是图像在x方向的ROI区域;
13、根据步骤11匹配出的泡沫移动距离,估算出每帧ROI区域y方向的识别长度;
14、针对每一帧图片,首先将ROI区域的灰度图采用最大类间方差法进行二值化,并将其取反,去掉面积过小连通域,得到以泡沫边缘轮廓为主的二值图,统计二值图中的每一个连通域,然后将其填充,进而判断是否闭合,对于所有连通域面积与周长比值小于某一阈值的区域,将其标记;
15、对于所有标记后的连通域,通过先膨胀n次后再腐蚀n次的方法,将其还原成椭圆形区域,进一步将其二次标记;
16、最后,对所有n次开闭运算仍未满足连通域面积与周长比大于某一阈值的气泡,系统标记为复合气泡,通过改进分水岭的办法将其分割,进而判断分割之后的气泡是否仍然满足连通域面积与周长的比值,从而确定是否需要继续分割,如分割则继续步骤15。
所述实验装置包括透明腔体,所述取气口设于所述透明腔体的下部,所述透明腔体的上部设有注水口,所述透明腔体的一侧设有光源,另一侧设有工业级数字相机,所述取气口部位连接有气泡开关。
本发明的浮选过程气泡直径的测量方法,采用自动方法测量不同浮选液面深度下单位横截面积的气泡总体积、气泡总个数、气泡大小和气泡直径分布。
本发明解决了气泡测量过程中出现的粘连问题,实现了气泡的自动分割;解决了气泡在充气过程中气水分界面不断下降及识别的问题;解决了气泡在上升过程中前后帧匹配的问题;实现了自动的背景噪声去除。
具体实施例,包括步骤:
1、布置好如图1所示的实验装置,将取气口插入到矿浆槽的合适深度;调整好光源、物距、相机焦距及相机曝光时间、帧率等动态参数,开始取样;
2、得到基于时间序列的气泡图片1,2,3,……;
3、将得到的第一帧图片进行灰度变换,并进行中值滤波处理;得到基于x,y坐标系下的气水灰度图;
4、将灰度图沿y方向进行梯度变换并取绝对值,再将图像沿x方向进行求和,绘制图片沿y方向灰度统计统计图,即是得到y方向同行像素的灰度变化直方图;此图代表的意义是气体测量装置在y方向灰度变化的强弱,由于气液分界面中气泡较密集,其在y方向上的灰度值会有明显的减弱;
5、将上述统计图中的bin缩小三倍,并计算统计值平均值到最低点的差值;
6、将上述差值*0.2沿y轴正向(及重力方向)进行寻峰处理,得到峰值最大区域;
7、根据峰值区域范围即得到气液分界面区间,最终将其换算到图像区域,得到此帧y方向的ROI;
8、按照步骤3-7继续对第二帧图片进行y方向ROI计算;
9、将第一帧图像ROI区域中灰度值最小的10%像素点进行标记,并去除连通域面积小于30的区域,得到二值图A;再将第一帧在二值图中为1的区域中的每个像素在第二帧中进行3*3邻域扩大化,如在第二帧中3*3区域中寻找到灰度差值小于5%以内的像素,则对该像素标记;以此类推;
10、对第一帧标记好的连通域与图片A的连通域进行比对,连通域重叠区域大于80%的即认为该部分为帧与帧之间的背景区域,造成上述情况是因为装置内部粘连气泡或内部脏所造成的;
11、重复步骤10中重叠区域小于50%的区域,这部分区域为确定泡沫出现区域;求出第一帧与第二帧所有该区域的连通域的重心,并按照标号进行求出所有向量,计算气泡的平均移动距离及方向;
12、继续将上述气泡前景区域按照x轴方向进行累加,当x方向气泡前景像素小于总像素的0.5%,即认为该列无气泡移动,求出所有列的x方向统计图,扩大10倍bin区间,找出气泡最密集区域,即是图像在x方向的ROI区域;
13、根据步骤11匹配出的泡沫移动距离,估算出每帧ROI区域y方向的识别长度。
14、针对每一帧图片,首先将ROI区域的灰度图采用最大类间方差法进行二值化,并将其取反,去掉面积过小连通域,得到以泡沫边缘轮廓为主的二值图;统计二值图中的每一个连通域,然后将其填充;进而判断是否闭合,对于所有连通域面积与周长比值小于某一阈值的区域,将其标记;
15、对于所有标记后的连通域,通过先膨胀n次后再腐蚀n次的方法,将其还原成椭圆形区域,进一步将其二次标记;
16、最后,对所有n次开闭运算仍未满足连通域面积与周长比大于某一阈值的气泡,系统标记为复合气泡,通过改进分水岭的办法将其分割,进而判断分割之后的气泡是否仍然满足连通域面积与周长的比值,从而确定是否需要继续分割,如分割则继续步骤15。
本发明可以实现泡沫大小的自动识别与气泡直径在所有区间内的统计,实现了自动获取气泡识别过程中的ROI区域;自动剔除了帧之间的背景,去除了相同泡之间的重复统计;实现了气泡的自动分割,有效解决了因为粘连而造成的气泡无法计数。
本发明主要创新点:
实现了浮选过程不同液面高度下的气泡分布的测量,并采用机器视觉的方法将上述测量方法实现了自动化。
采用背景剔除技术,有效获得气泡移动区域。
通过气泡特征匹配技术,有效防止在泡沫直径统计过程中的遗漏或重复统计。
气泡分割技术有效防止气泡粘连所带来的统计粒径偏大问题,使仪器更加准确。
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 (2)
1.一种浮选过程气泡直径的测量方法,其特征在于,包括步骤:
1)、布置好实验装置,将取气口插入到矿浆槽中,调整好以下动态参数:光源、物距、相机焦距及相机曝光时间、帧率,开始取样;
2)、得到基于时间序列的气泡图片1,2,3,……;
3)、将得到的第一帧图片进行灰度变换,并进行中值滤波处理,得到基于x,y坐标系下的气水灰度图;
4)、将灰度图沿y方向进行梯度变换并取绝对值,再将图像沿x方向进行求和,绘制图片沿y方向灰度统计统计图,即是得到y方向同行像素的灰度变化直方图,该直方图代表的意义是气体测量装置在y方向灰度变化的强弱,由于气液分界面中气泡较密集,其在y方向上的灰度值有明显的减弱;
5)、将上述统计图中的bin缩小三倍,并计算统计值平均值到最低点的差值;
6)、将上述差值*0.2沿y轴正向及重力方向进行寻峰处理,得到峰值最大区域;
7)、根据峰值区域范围即得到气液分界面区间,最终将其换算到图像区域,得到此帧y方向的ROI;
8)、按照步骤3-7继续对第二帧图片进行y方向ROI计算;
9)、将第一帧图像ROI区域中灰度值最小的10%像素点进行标记,并去除连通域面积小于30的区域,得到二值图A,再将第一帧在二值图中为1的区域中的每个像素在第二帧中进行3*3邻域扩大化,如在第二帧中3*3区域中寻找到灰度差值小于5%以内的像素,则对该像素标记,以此类推;
10)、对第一帧标记好的连通域与图片A的连通域进行比对,连通域重叠区域大于80%的即认为该部分为帧与帧之间的背景区域,造成上述情况是因为装置内部粘连气泡或内部脏所造成的;
11)、重复步骤10中重叠区域小于50%的区域,这部分区域为确定泡沫出现区域;求出第一帧与第二帧所有该区域的连通域的重心,并按照标号进行求出所有向量,计算气泡的平均移动距离及方向;
12)、继续将上述气泡前景区域按照x轴方向进行累加,当x方向气泡前景像素小于总像素的0.5%,即认为该列无气泡移动,求出所有列的x方向统计图,扩大10倍bin区间,找出气泡最密集区域,即是图像在x方向的ROI区域;
13)、根据步骤11匹配出的泡沫移动距离,估算出每帧ROI区域y方向的识别长度;
14)、针对每一帧图片,首先将ROI区域的灰度图采用最大类间方差法进行二值化,并将其取反,去掉面积过小连通域,得到以泡沫边缘轮廓为主的二值图,统计二值图中的每一个连通域,然后将其填充,进而判断是否闭合,对于所有连通域面积与周长比值小于某一阈值的区域,将其标记;
15)、对于所有标记后的连通域,通过先膨胀n次后再腐蚀n次的方法,将其还原成椭圆形区域,进一步将其二次标记;
16)、最后,对所有n次开闭运算仍未满足连通域面积与周长比大于某一阈值的气泡,系统标记为复合气泡,通过改进分水岭的办法将其分割,进而判断分割之后的气泡是否仍然满足连通域面积与周长的比值,从而确定是否需要继续分割,如分割则继续步骤15。
2.根据权利要求1所述的浮选过程气泡直径的测量方法,其特征在于,所述实验装置包括透明腔体,所述取气口设于所述透明腔体的下部,所述透明腔体的上部设有注水口,所述透明腔体的一侧设有光源,另一侧设有工业级数字相机,所述取气口部位连接有气泡开关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139757.3A CN109272548B (zh) | 2018-09-28 | 2018-09-28 | 一种浮选过程气泡直径的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811139757.3A CN109272548B (zh) | 2018-09-28 | 2018-09-28 | 一种浮选过程气泡直径的测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109272548A true CN109272548A (zh) | 2019-01-25 |
CN109272548B CN109272548B (zh) | 2021-09-28 |
Family
ID=65199090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811139757.3A Active CN109272548B (zh) | 2018-09-28 | 2018-09-28 | 一种浮选过程气泡直径的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272548B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490879A (zh) * | 2019-08-13 | 2019-11-22 | 东北大学 | 一种基于亮点距离的浮选尾矿泡沫大小判定方法 |
CN113713968A (zh) * | 2021-08-30 | 2021-11-30 | 东北大学 | 一种微细粒铁矿物团聚体结构特征原位在线表征方法 |
CN113784048A (zh) * | 2019-08-01 | 2021-12-10 | 深圳市道通智能航空技术股份有限公司 | 一种相机成像方法、相机系统及无人机 |
CN113899737A (zh) * | 2021-08-12 | 2022-01-07 | 灵动智能光学(杭州)有限公司 | 一种海底气泡检测的方法、装置、电子设备及介质 |
CN114463653A (zh) * | 2022-04-12 | 2022-05-10 | 浙江大学 | 一种高浓度微群泡形态识别及轨迹追踪测速方法 |
CN114943833A (zh) * | 2022-03-28 | 2022-08-26 | 台州学院 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
CN115797654A (zh) * | 2022-12-09 | 2023-03-14 | 中国民用航空飞行学院 | 气液两相流动中气泡泡底参数识别方法 |
CN118006032A (zh) * | 2024-04-10 | 2024-05-10 | 浙江翔光生物科技股份有限公司 | 用于注塑件的抗菌塑料生产方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004354100A (ja) * | 2003-05-27 | 2004-12-16 | Matsushita Electric Works Ltd | 容器内液体中の異物検出方法及びその装置 |
CN101315669A (zh) * | 2008-07-15 | 2008-12-03 | 北京石油化工学院 | 一种浮选泡沫图像的处理方法及装置 |
CN101339663A (zh) * | 2008-08-22 | 2009-01-07 | 北京矿冶研究总院 | 基于属性匹配的浮选视频测速方法 |
CN102680050A (zh) * | 2012-04-24 | 2012-09-19 | 中南大学 | 一种基于泡沫图像特征和通风量的硫浮选液位测量方法 |
CN203337514U (zh) * | 2013-06-19 | 2013-12-11 | 中国矿业大学 | 一种浮选柱气泡观测装置 |
CN103530653A (zh) * | 2013-10-28 | 2014-01-22 | 中国矿业大学(北京) | 一种浮选泡沫追踪方法及装置 |
CN104050687A (zh) * | 2014-06-26 | 2014-09-17 | 中国矿业大学(北京) | 一种浮选泡沫运动模式的分析处理方法 |
CN104268600A (zh) * | 2014-03-11 | 2015-01-07 | 中南大学 | 一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法 |
CN106023153A (zh) * | 2016-05-09 | 2016-10-12 | 山东省科学院海洋仪器仪表研究所 | 一种测量水体中气泡的方法 |
US9652841B2 (en) * | 2015-07-06 | 2017-05-16 | International Business Machines Corporation | System and method for characterizing NANO/MICRO bubbles for particle recovery |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN107274403A (zh) * | 2017-06-30 | 2017-10-20 | 长安大学 | 一种浮选表面质量的评价方法 |
CN107392232A (zh) * | 2017-06-23 | 2017-11-24 | 中南大学 | 一种浮选工况分类方法和系统 |
CN107679535A (zh) * | 2017-09-16 | 2018-02-09 | 西安电子科技大学 | 一种基于模板匹配的指针式水表自动读数识别系统及方法 |
CN107705283A (zh) * | 2017-06-14 | 2018-02-16 | 华北理工大学 | 基于Otsu图像分割的颗粒与气泡碰撞检测方法 |
WO2018100527A2 (en) * | 2016-11-30 | 2018-06-07 | Van Der Bijl Leendert | Analysis of bubbles in a pulp phase of a flotation cell |
-
2018
- 2018-09-28 CN CN201811139757.3A patent/CN109272548B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004354100A (ja) * | 2003-05-27 | 2004-12-16 | Matsushita Electric Works Ltd | 容器内液体中の異物検出方法及びその装置 |
CN101315669A (zh) * | 2008-07-15 | 2008-12-03 | 北京石油化工学院 | 一种浮选泡沫图像的处理方法及装置 |
CN101339663A (zh) * | 2008-08-22 | 2009-01-07 | 北京矿冶研究总院 | 基于属性匹配的浮选视频测速方法 |
CN102680050A (zh) * | 2012-04-24 | 2012-09-19 | 中南大学 | 一种基于泡沫图像特征和通风量的硫浮选液位测量方法 |
CN203337514U (zh) * | 2013-06-19 | 2013-12-11 | 中国矿业大学 | 一种浮选柱气泡观测装置 |
CN103530653A (zh) * | 2013-10-28 | 2014-01-22 | 中国矿业大学(北京) | 一种浮选泡沫追踪方法及装置 |
CN104268600A (zh) * | 2014-03-11 | 2015-01-07 | 中南大学 | 一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法 |
CN104050687A (zh) * | 2014-06-26 | 2014-09-17 | 中国矿业大学(北京) | 一种浮选泡沫运动模式的分析处理方法 |
US9652841B2 (en) * | 2015-07-06 | 2017-05-16 | International Business Machines Corporation | System and method for characterizing NANO/MICRO bubbles for particle recovery |
CN106023153A (zh) * | 2016-05-09 | 2016-10-12 | 山东省科学院海洋仪器仪表研究所 | 一种测量水体中气泡的方法 |
WO2018100527A2 (en) * | 2016-11-30 | 2018-06-07 | Van Der Bijl Leendert | Analysis of bubbles in a pulp phase of a flotation cell |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN107705283A (zh) * | 2017-06-14 | 2018-02-16 | 华北理工大学 | 基于Otsu图像分割的颗粒与气泡碰撞检测方法 |
CN107392232A (zh) * | 2017-06-23 | 2017-11-24 | 中南大学 | 一种浮选工况分类方法和系统 |
CN107274403A (zh) * | 2017-06-30 | 2017-10-20 | 长安大学 | 一种浮选表面质量的评价方法 |
CN107679535A (zh) * | 2017-09-16 | 2018-02-09 | 西安电子科技大学 | 一种基于模板匹配的指针式水表自动读数识别系统及方法 |
Non-Patent Citations (2)
Title |
---|
YAN-PENG LI: "Imaging study on bubble size distribution in presence of frother in froth flotation", 《2011 INTERNATIONAL SYMPOSIUM ON WATER RESOURCE AND ENVIRONMENTAL PROTECTION》 * |
林小竹: "煤泥浮选泡沫图像分割与特征提取", 《煤炭学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113784048A (zh) * | 2019-08-01 | 2021-12-10 | 深圳市道通智能航空技术股份有限公司 | 一种相机成像方法、相机系统及无人机 |
CN113784048B (zh) * | 2019-08-01 | 2023-09-19 | 深圳市道通智能航空技术股份有限公司 | 一种相机成像方法、相机系统及无人机 |
CN110490879A (zh) * | 2019-08-13 | 2019-11-22 | 东北大学 | 一种基于亮点距离的浮选尾矿泡沫大小判定方法 |
CN110490879B (zh) * | 2019-08-13 | 2022-03-04 | 东北大学 | 一种基于亮点距离的浮选尾矿泡沫大小判定方法 |
CN113899737A (zh) * | 2021-08-12 | 2022-01-07 | 灵动智能光学(杭州)有限公司 | 一种海底气泡检测的方法、装置、电子设备及介质 |
CN113713968A (zh) * | 2021-08-30 | 2021-11-30 | 东北大学 | 一种微细粒铁矿物团聚体结构特征原位在线表征方法 |
CN114943833A (zh) * | 2022-03-28 | 2022-08-26 | 台州学院 | 一种气液反应器中气泡流的气泡识别图像处理方法 |
CN114463653A (zh) * | 2022-04-12 | 2022-05-10 | 浙江大学 | 一种高浓度微群泡形态识别及轨迹追踪测速方法 |
US11875515B2 (en) | 2022-04-12 | 2024-01-16 | Zhejiang University | Method for morphology identification, trajectory tracking and velocity measurement of high-concentration microbubbles |
CN115797654A (zh) * | 2022-12-09 | 2023-03-14 | 中国民用航空飞行学院 | 气液两相流动中气泡泡底参数识别方法 |
CN118006032A (zh) * | 2024-04-10 | 2024-05-10 | 浙江翔光生物科技股份有限公司 | 用于注塑件的抗菌塑料生产方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109272548B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272548A (zh) | 一种浮选过程气泡直径的测量方法 | |
CN106056118B (zh) | 一种用于细胞的识别计数方法 | |
CN107255641B (zh) | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 | |
CN106780537B (zh) | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 | |
CN110110709A (zh) | 一种基于图像处理的红白细胞分类计数方法、系统和设备 | |
CN103473739A (zh) | 一种基于支持向量机的白细胞图像精确分割方法与系统 | |
CN113313677B (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
CN108520511A (zh) | 一种基于鱼探仪的水下鱼类目标探测与识别方法 | |
CN104021553B (zh) | 一种基于像素点分层的声纳图像目标检测方法 | |
CN104422628B (zh) | 基于维氏硬度的压痕图像识别方法及系统 | |
CN114067114A (zh) | 一种基于藻类细胞形态的面积核分割计数方法 | |
CN106875404A (zh) | 一种白带显微图像中上皮细胞的智能识别方法 | |
CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
CN103489187A (zh) | 基于质量检测的宫颈lct图像中细胞核的分割方法 | |
CN106340007A (zh) | 一种基于图像处理的车身漆膜缺陷检测识别方法 | |
CN114565848B (zh) | 一种复杂场景的药液液位检测方法及系统 | |
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 | |
CN104598907A (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN108257124A (zh) | 一种基于图像的白细胞计数方法和系统 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
Fakhrzadeh et al. | Analyzing tubular tissue in histopathological thin sections | |
CN107274403A (zh) | 一种浮选表面质量的评价方法 | |
CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
Rahman et al. | A review of vision based defect detection using image processing techniques for beverage manufacturing industry | |
CN109035296A (zh) | 一种改进的视频中运动物体检测方法 |
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 |