CN109785378B - 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 - Google Patents
一种基于图谱图像算法分析技术的矿石粒度在线检测设备 Download PDFInfo
- Publication number
- CN109785378B CN109785378B CN201810235011.6A CN201810235011A CN109785378B CN 109785378 B CN109785378 B CN 109785378B CN 201810235011 A CN201810235011 A CN 201810235011A CN 109785378 B CN109785378 B CN 109785378B
- Authority
- CN
- China
- Prior art keywords
- image
- ore
- segmentation
- granularity
- particle size
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图谱图像算法分析技术的矿石粒度在线检测设备,其特征在于:包括矿石粒度分析仪、工控机;所述矿石粒度分析仪与工控机通过专用的局域网连接;所述工控机连接入因特网中,所述局域网中还连接有多个客户端;所述矿石粒度分析仪安装在矿石传送带上方,对传送带上的矿石进行拍照,连续实时采集传送带上矿石粒度图像;所述工控机内安装有矿石粒度分析系统,包括:图像预处理模块,图像分割模块,和矿石粒度标定与分析模块。本发明通过在线采集传送带矿石图像,进行多级图像算法处理,高精度实时连续在线分析矿石粒度,自动统计输出分析结果,配合优化选矿工艺流程,提高矿石的解离度,提高生产效率。
Description
技术领域
本发明涉及一种矿石粒度在线检测设备,尤其涉及一种基于图谱图像算法分析技术的矿石粒度在线检测设备。
背景技术
矿石内部是由有用矿物和脉石组成,选矿就是通过破碎机对矿石进行破碎筛分处理,使有用矿物和脉石充分解离,选矿方法受到矿石粒度的限制,过粗的矿粒由于有用矿物和脉石没有解离而不能分选,过细的矿粒采用现在的选矿方法还难以控制。
同时破碎筛选对生产技术指标有如下影响:破碎过程会伴随着过粉碎或没有充分解离的物料产生。因为解离不充分,选出的精矿品位和回收率都低,过细会造成难以选别的微细粒子多,这两个原因都会导致生产技术指标的降低。
要想正确地选择选矿工艺方法,合理设计破碎筛选的生产流程,对破碎的矿石粒度进行实时分析,根据分析结果及时调整破碎机的参数,保证破碎矿石粒度的均匀性,成为必要的环节。
选矿厂目前常用的粒度检测方法主要是传统的离线筛分,费时、费力、能耗较大,而且检测结果不能实时反馈。随着现代人工智能及图像处理技术的迅速发展,通过在破碎过程的传送带上方安装摄像头装置,利用计算机图像处理方法,结合现代数据处理等软测量技术,实时连续地进行在线粒度测量及自动统计结果,是矿石粒度检测技术发展的必然趋势。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于图谱图像算法分析技术的矿石粒度在线检测设备。
为了解决以上技术问题,本发明采用的技术方案是:一种基于图谱图像算法分析技术的矿石粒度在线检测设备,其特征在于:包括矿石粒度分析仪、工控机;所述矿石粒度分析仪与工控机通过专用的局域网连接;所述工控机连接入因特网中,所述局域网中还连接有多个客户端;
所述矿石粒度分析仪安装在矿石传送带上方,对传送带上的矿石进行拍照,连续实时采集传送带上矿石粒度图像;
所述工控机内安装有矿石粒度分析系统,包括:
图像预处理模块,对由矿石粒度分析仪传送来的所采集的矿石图像进行预处理,所述预处理包括纹理分析、双边滤波、形态学优化处理和自适应二值化处理;
图像分割模块,对图像预处理模块传送来的经预处理的图像进行图像分割,所述图像分割包括通过分水岭分割算法进行粗分割,和根据形态学凹点特征对分水岭分割结果进行优化;
图像分割模块中,所述图像分割包括以下步骤:步骤S21、针对待处理图像白色部分做距离变换处理,将二值图变成灰度图,采用较大阈值对距离变换后的二值图进行形态学重构处理,提取粗分割标记,形成前景标记1;步骤S22、采用较小阈值对距离变换后的二值图进行形态学重构处理,提取细分割标记,形成前景标记2;步骤S23、采用形态学细化算法对二值图黑色部分进行细化处理,形成背景标记步骤;步骤S24、再次对二值图白色部分进行距离变换形成灰度图,作为分水岭分割的分割图像;步骤S25、使用分割标记1对分割图像进行第一次分水岭分割,得到粗分割结果图像;步骤S26、根据自适应圆形模板,对粗分割图像的矿石轮廓提取Harris角点并筛检凹点,并统计凹点个数;步骤S27、当矿石轮廓凹点个数大于等于1的时候,把相应矿石区域前景标记1替换为标记2,以利于进一步对存在凹点的矿石轮廓做细分割;步骤S28、使用新生成的标记图再次对矿石图像做第二次分水岭分割,得到最后的分割效果图像,并传送至矿石粒度标定与分析模块进行进一步处理;
矿石粒度标定与分析模块,对图像分割模块传送来的经过图像分割的矿石图像进行尺寸标定及建模分析处理;所述建模分析处理包括一下步骤:步骤S31、分割后的矿石提取轮廓,根据标定尺寸建模计算矿石粒度大小;步骤S32、根据采集的矿石粒度大小,统计输出矿石粒度合格率,粒度分布以及最大粒度曲线变化图。
进一步地,图像预处理模块中,所述预处理包括以下步骤:步骤S11、对图像执行纹理分析,区分矿石堆积区及细小沙砾区,保留矿石堆积区图像以待后续的分割处理;步骤S12、执行双边滤波对矿石堆积区图像进行滤波处理,消除图像噪声及有效保留矿石边缘;步骤S13、执行基于腐蚀的膨胀重建算法对滤波后的矿石堆积区图像进一步做形态学优化处理,即先对原始图像生成的灰度图像进行腐蚀,然后再基于腐蚀后的图像进行膨胀重建运算;步骤S14、执行自适应二值化处理对形态学优化后的矿石堆积区图像二值化,所述自适应二值化采用OSTU最佳阈值二值化;步骤S15、执行形态学开运算与闭运算,对二值化的图像进行消除细小孔洞与平滑轮廓优化处理;步骤S16、执行在二值图中去除面积小于预定值的连通域的操作;经过该图像预处理后的图像传送至图像分割模块进行进一步处理。
进一步地,所述纹理分析包括以下步骤:步骤S110、获取矿石粒度的原始图像;步骤S111、将所述原始图像转化为灰度图像;步骤S112、将转换后的灰度图像划分为N*M个子图像;步骤S113、生成所有子图像的灰度共生矩阵;步骤S114、归一化所有子图像的灰度共生矩阵;步骤S115、提取出共生矩阵的参数;步骤S116、将步骤S115提取的矩阵参数与限定值对比,大于限定值的为沙砾区域子图像,小于限定值的为矿石堆积区子图像。
进一步地,所述对粗分割图像的矿石轮廓提取Harris角点并筛检凹点,包括以下步骤:步骤S260、获取分水岭粗分割图像;步骤S261、在粗分割图像上提取每个矿石粒度轮廓图像;步骤S262、在粗分割图像上提取Harris角点;步骤S263、获取矿石粒度拟合椭圆短径d;步骤S264、以提取的Harris角点为圆心,以d的1/3为半径画圆;步骤S265、计算在矿石粒度区域与背景区域的圆弧长度所占的比例,并与预设的比例阈值th比较,若满足则为凹点,否则为凸点;步骤S266、统计此矿石粒度的凹点特征。
进一步地,所述根据标定尺寸建模计算矿石粒度大小,包括以下步骤:步骤S310、在矿石轮廓图像中利用矿石轮廓的最佳拟合椭圆来表达矿石大小尺寸;步骤S311,利用椭圆长轴线段的两端点像素坐标分别计算出两端点在纵向与横向上的距离像素个数;步骤S312、分别与现场固定分析仪后标定的纵向标定参数与横向标定参数相乘,计算得到实际的纵向距离尺寸与横向距离尺寸;步骤S313、通过勾股定理计算出椭圆长轴线段的两端点之间的实际距离尺寸作为最终的真实矿石物理尺寸。
进一步地,所述矿石粒度分析仪包括:支架、壳体和图像采集仪;所述支架一端固定在地面上,另一端设置于传送带上方,用于固定壳体;所述壳体内设置两个高亮柔光LED灯和两个高透钢化玻璃;所述高亮柔光LED灯和高透钢化玻璃均为两个,高亮柔光LED灯发光面朝下,高透钢化玻璃设置在图像采集仪设置在高亮柔光LED灯发光面以下;两个高亮柔光LED灯中间设置有图像采集仪;所述壳体包括上壳体和下壳体,上壳体为一整块金属板,下壳体包括竖直的四面和镂空的底面,所述底面镂空开设在高透钢化玻璃和图像采集仪下方。
进一步地,所述客户端包括一个或多个个人计算机,通过WEB界面来控制所述矿石粒度分析系统,设置图像检测范围,屏蔽无用图像信息。
本发明通过在线采集传送带矿石图像,进行多级图像算法处理,高精度实时连续在线分析矿石粒度,自动统计输出分析结果,配合优化选矿工艺流程,提高矿石的解离度,提高生产效率。
附图说明
图1为本发明矿石粒度在线检测设备的组成示意图。
图2为本发明矿石粒度分析仪的结构示意图。
图3为本发明矿石粒度分析系统的结构示意图。
图4为纹理分析处理的流程图。
图5为对粗分割图像的矿石轮廓提取Harris角点并筛检凹点的流程图。
图6为根据标定尺寸建模计算矿石粒度大小的流程图。
图中:101、工控机;102、局域网交换机;103、局域网;104、矿石粒度分析仪;105、因特网;106、客户端;
201、支架;202、上壳体;203、高亮柔光LED灯;204、高透钢化玻璃;205、图像采集仪;206、下壳体;
01、图像预处理模块;02、图像分割模块;03、矿石粒度标定与分析模块。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
【实施例1】
本实施例提供了一种基于图谱图像算法分析技术的矿石粒度在线检测系统,包括工控机101、局域网交换机102、局域网103、矿石粒度分析仪104、因特网105和多个客户端106,其中,本实施例使用局域网为千兆网专用网络,局域网交换机为千兆网交换机;工控机101与局域网交换机102相连,并通过局域网103与矿石粒度分析仪104相连,此外,工控机101还通过因特网105与多个客户端106相连。
矿石粒度分析仪104安装在矿石传送带正上方,通过调节所述矿石粒度分析仪104的各项参数,包括摄像头焦距、摄像头曝光时间、支架高度等,使得矿石粒度分析仪104的视野范围能涵盖整个传送带幅面,并使所拍摄的矿石图像达到最清晰的拍摄效果。矿石粒度分析仪104的具体结构如图2所示,并将在下文中进行详细阐述。
工控机101可采用商业上可获得的工业级别的服务器,如研华工控机IPC-610L等。在工控机上安装根据本发明一个实施方式的矿石粒度分析系统,矿石粒度分析系统的结构示意图如图3所示,并将在下文中进行详细阐述。该系统安装成功后,在客户端106通过WEB界面远程可控制分析系统,设置图像检测范围,使系统软件每次仅处理图像中的矿石堆积区域,屏蔽无用图像信息。系统使用前,首先要初始化设置最佳图像处理参数,界面显示参数,报警阈值,定时器间隔时间等所有参数。可预先设置默认参数,并在默认参数的基础上进行相应调节,同时预览图像效果,不断调节以确定最佳参数。在上述准备工作的基础上,开始运行分析系统,实时查看矿石粒度变化趋势,包括矿石粒度合格百分比,最大矿石粒度等指标的实时变化,以及单幅图像的粒度分布情况。系统还可发出报警,当报警情况发生时,可查看发生报警的原始图片用于确认情况是否属实,以做进一步处理,同时,可根据情况排除报警与重启检测。
局域网交换机102用于及时转发传输现场采集的大量矿石图像信息数据。
客户端106可采用个人计算机。工作人员可利用个人计算机上的鼠标、键盘等输入装置,并通过WEB界面来控制所述矿石粒度分析系统,方便客户远程操作与查看。
【实施例2】
本实施例提供了实施例1中矿石粒度分析仪的结构,如图2所示包括:支架201上壳体202、高亮柔光LED灯203、高透钢化玻璃204、图像采集仪205、下壳体206。
支架201安装于传送带附近,用以将矿石粒度分析仪104固定于传送带上方从而对传送带上的矿石进行拍照,支架201的形状、尺寸等可以根据现场条件进行确定。本实施例中,支架201为L型,其竖直部分固定于地面,水平部分延伸于传送带上,通过U型管箍和六角螺母将矿石粒度分析仪104的其他部件固定于支架201上。上壳体202为一整块金属板,下壳体206为如图所示的五面结构,下壳体206与上壳体202之间通过M6-20十字螺钉209的固定可形成一个密闭的空间,从而将高亮柔光LED灯203、内部电路电源207、图像采集仪205容纳于其中。下壳体206的底面也有一块金属板构成,其包括位于两侧的两个方形孔和位于中央的一个圆形孔。图像采集仪205用于获取传送带上的矿石颗粒图片,其镜头形状与下壳体206上的圆形孔相匹配。高亮柔光LED灯203用于为拍照提供光源,从而使得图像采集仪205能获取清晰的矿石颗粒照片。高透钢化玻璃204的形状与所述两个方形孔的形状相互匹配,安装后既能保护照明设备不受损坏,又可以使照明设备的光透过高透钢化玻璃204投射到传送带上。内部电路电源为矿石粒度分析仪104提供电源,并将图像采集仪205采集到的图像传送给工控机101中的矿石粒度分析系统以进行进一步分析。
【实施例3】
本实施例提供了实施例1中矿石粒度分析系统的组成和分析方法,如图3所示,矿石粒度分析系统,由安装在工控机上的图像预处理模块01、图像分割模块02、尺寸标定及建模分析模块03组成。所述矿石粒度分析系统接收有矿石粒度分析仪104传送来的实时采集的矿石图像并执行图像处理,从而计算出矿石粒度的分布与合格率,以及最大矿石粒度;
根据本发明一个实施方式的用于矿石粒度分析的图像实时采集处理流程,包括以下步骤:
一、由图像预处理模块01对由通讯线路传送来的所采集的矿石图像进行预处理,具体的预处理包括:步骤S11、对图像执行纹理分析,区分矿石堆积区及细小沙砾区,保留矿石堆积区图像以待后续的分割处理;步骤S12、执行双边滤波对矿石堆积区图像进行滤波处理,消除图像噪声及有效保留矿石边缘;步骤S13、执行基于腐蚀的膨胀重建算法对滤波后的矿石堆积区图像进一步做形态学优化处理,即先对原始图像生成的灰度图像进行腐蚀,然后再基于腐蚀后的图像进行膨胀重建运算。本方法通过设置适当的模板阈值有效减少了矿石灰度图像的内部纹理,并保留了矿石边缘纹理,以使内部纹理较复杂的矿石图像达到理想的二值化效果;步骤S14、执行自适应二值化处理对形态学优化后的矿石堆积区图像二值化,方便后续的分水岭图像分割,一般采用OSTU最佳阈值二值化即可;步骤S15、执行形态学开运算与闭运算,对二值化的图像进行消除细小孔洞与平滑轮廓等优化处理;步骤S16、执行在二值图中去除面积小于预定值的连通域的操作,防止过于细小沙石产生干扰;经过该图像预处理后的图像传送至图像分割模块02进行进一步处理。
二、图像分割模块302对图像预处理模块301传送来的经预处理的图像进行分割,具体的步骤包括:步骤S21、采用较大阈值对距离变换后的二值图(针对白色部分做距离变换处理,二值图变成灰度图)进行形态学重构处理,提取粗分割标记,形成前景标记1;步骤S22、采用较小阈值对距离变换后的二值图(针对白色部分做距离变换处理,二值图变成灰度图)进行形态学重构处理,提取细分割标记,形成前景标记2;步骤S23、采用形态学细化算法对二值图黑色部分进行细化处理,形成背景标记步骤;S24、再次对二值图白色部分进行距离变换形成灰度图,作为分水岭分割的分割图像;S25、使用分割标记1对分割图像进行第一次分水岭分割,得到粗分割结果图像;S26、根据自适应圆形模板对粗分割图像的矿石轮廓筛检Harris角点作为凹点,并统计凹点个数,凹点的存在即说明本矿石轮廓由两个以上矿石组成,没有在第一次分水岭粗分割中被完全分开,需要进一步分割;S27、当矿石轮廓凹点个数大于等于1的时候,把相应矿石区域前景标记1替换为标记2,以利于进一步对存在凹点的矿石轮廓做细分割;S28、使用新生成的标记图再次对矿石图像做第二次分水岭分割,得到最后的分割效果图像,经图像分割后的图像传送至尺寸标定及建模分析模块03进行进一步处理。
三、由尺寸标定及建模分析模块03对图像分割模块02传送来的经过图像分割的矿石图像进行尺寸标定及建模分析处理,具体的步骤包括:步骤S31、分割后的矿石提取轮廓,根据标定尺寸建模计算矿石粒度大小;步骤S32、根据采集的矿石粒度大小,统计输出矿石粒度合格率,粒度分布以及最大粒度曲线变化图。
图4为图像处理流程中的纹理分析处理的流程图。所述流程图始于步骤S110、获取矿石粒度的原始图像;步骤S111、将所述原始图像转化为灰度图像,以利于计算灰度共生矩阵;步骤S112、将转换后的灰度图像划分为N*M个小区域,也就是划分为N(行)*M(列)个子图像,方便对每个子图像进行判别,区分是矿石堆积区子图像,还是沙砾区域子图像;步骤S113与步骤S114、生成小区域的归一化的灰度共生矩阵,方便提取所有小区域的特征值与预设限定值进行对比;步骤S115与步骤S116、提取出共生矩阵的参数,如能量、熵、惯性矩等形成特征值,与限定值对比,大于限定值的为沙砾区域子图像,小于限定值的为矿石堆积区子图像。经过上述的纹理分析处理,可以有效区分矿石堆积区子图像和沙砾区域子图像,从而减少后续处理中对无效数据(沙砾区域子图像)的处理,节约系统资源并节省时间。
图5为图像处理流程中的为自适应圆形模板筛检Harris角点提取凹点的流程图。所述流程图始于步骤S260、获取分水岭粗分割图像;步骤S261与步骤S262、在粗分割图像上对每个矿石轮廓提取Harris角点,这是由于凹点一定是Harris角点(但Harris角点不一定是凹点,也可能包含凸点,所以后面要识别并过滤凸点);步骤S263与步骤S264、以提取的Harris角点为圆心,以矿石轮廓拟合椭圆短径d的1/3为半径画圆;步骤S265与步骤S266、计算圆弧在矿石内部区域与背景区域所占的比例,与预设的比例阈值th比较,满足则为凹点,否则为凸点。
图6为图像处理流程中的为矿石粒度建模的流程图。所述流程图始于步骤S310、在矿石轮廓图像中利用矿石轮廓的最佳拟合椭圆(椭圆长轴)来表达矿石大小尺寸,有效解决了矿石轮廓复杂,不好有效表示尺寸的难题;步骤S311、步骤S312与步骤S313、利用椭圆长轴线段的两端点像素坐标分别计算出两端点在纵向与横向上的距离像素个数,再通过现场固定分析仪后标定的纵向标定参数与横向标定参数(即实际物理尺寸与像素个数的转换关系),来相乘计算得到实际的纵向距离尺寸与横向距离尺寸,最后通过勾股定理计算出两端点之间的实际距离尺寸作为最终的真实矿石物理尺寸,为后期的统计分析打下基础。
本发明的有益效果在于:
基于本申请上述的矿石粒度实时采集分析系统,通过在线采集传送带矿石图像,进行多级图像算法处理,高精度实时连续在线分析矿石粒度,自动统计输出分析结果,配合优化选矿工艺流程,提高矿石的解离度,提高生产效率。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (7)
1.一种基于图谱图像算法分析技术的矿石粒度在线检测设备,其特征在于:包括矿石粒度分析仪、工控机;所述矿石粒度分析仪与工控机通过专用的局域网连接;所述工控机连接入因特网中,所述局域网中还连接有多个客户端;
所述矿石粒度分析仪安装在矿石传送带上方,对传送带上的矿石进行拍照,连续实时采集传送带上矿石粒度图像;
所述工控机内安装有矿石粒度分析系统,包括:
图像预处理模块,对由矿石粒度分析仪传送来的所采集的矿石图像进行预处理,所述预处理包括纹理分析、双边滤波、形态学优化处理和自适应二值化处理;
图像分割模块,对图像预处理模块传送来的经预处理的图像进行图像分割,所述图像分割包括通过分水岭分割算法进行粗分割,和根据形态学凹点特征对分水岭分割结果进行优化;
图像分割模块中,所述图像分割包括以下步骤:步骤S21、针对待处理图像白色部分做距离变换处理,将二值图变成灰度图,采用较大阈值对距离变换后的二值图进行形态学重构处理,提取粗分割标记,形成前景标记1;步骤S22、采用较小阈值对距离变换后的二值图进行形态学重构处理,提取细分割标记,形成前景标记2;步骤S23、采用形态学细化算法对二值图黑色部分进行细化处理,形成背景标记步骤;步骤S24、再次对二值图白色部分进行距离变换形成灰度图,作为分水岭分割的分割图像;步骤S25、使用分割标记1对分割图像进行第一次分水岭分割,得到粗分割结果图像;步骤S26、根据自适应圆形模板,对粗分割图像的矿石轮廓提取Harris角点并筛检凹点,并统计凹点个数;步骤S27、当矿石轮廓凹点个数大于等于1的时候,把相应矿石区域前景标记1替换为标记2,以利于进一步对存在凹点的矿石轮廓做细分割;步骤S28、使用新生成的标记图再次对矿石图像做第二次分水岭分割,得到最后的分割效果图像,并传送至矿石粒度标定与分析模块进行进一步处理;
矿石粒度标定与分析模块,对图像分割模块传送来的经过图像分割的矿石图像进行尺寸标定及建模分析处理;所述建模分析处理包括一下步骤:步骤S31、分割后的矿石提取轮廓,根据标定尺寸建模计算矿石粒度大小;步骤S32、根据采集的矿石粒度大小,统计输出矿石粒度合格率,粒度分布以及最大粒度曲线变化图。
2.根据权利要求1所述的矿石粒度在线检测设备,其特征在于:图像预处理模块中,所述预处理包括以下步骤:步骤S11、对图像执行纹理分析,区分矿石堆积区及细小沙砾区,保留矿石堆积区图像以待后续的分割处理;步骤S12、执行双边滤波对矿石堆积区图像进行滤波处理,消除图像噪声及有效保留矿石边缘;步骤S13、执行基于腐蚀的膨胀重建算法对滤波后的矿石堆积区图像进一步做形态学优化处理,即先对原始图像生成的灰度图像进行腐蚀,然后再基于腐蚀后的图像进行膨胀重建运算;步骤S14、执行自适应二值化处理对形态学优化后的矿石堆积区图像二值化,所述自适应二值化采用OSTU最佳阈值二值化;步骤S15、执行形态学开运算与闭运算,对二值化的图像进行消除细小孔洞与平滑轮廓优化处理;步骤S16、执行在二值图中去除面积小于预定值的连通域的操作;经过该图像预处理后的图像传送至图像分割模块进行进一步处理。
3.根据权利要求2所述的矿石粒度在线检测设备,其特征在于:所述纹理分析包括以下步骤:步骤S110、获取矿石粒度的原始图像;步骤S111、将所述原始图像转化为灰度图像;步骤S112、将转换后的灰度图像划分为N*M个子图像;步骤S113、生成所有子图像的灰度共生矩阵;步骤S114、归一化所有子图像的灰度共生矩阵;步骤S115、提取出共生矩阵的参数;步骤S116、将步骤S115提取的矩阵参数与限定值对比,大于限定值的为沙砾区域子图像,小于限定值的为矿石堆积区子图像。
4.根据权利要求2所述的矿石粒度在线检测设备,其特征在于:所述对粗分割图像的矿石轮廓提取Harris角点并筛检凹点,包括以下步骤:步骤S260、获取分水岭粗分割图像;步骤S261、在粗分割图像上提取每个矿石粒度轮廓图像;步骤S262、在粗分割图像上提取Harris角点;步骤S263、获取矿石粒度拟合椭圆短径d;步骤S264、以提取的Harris角点为圆心,以d的1/3为半径画圆;步骤S265、计算在矿石粒度区域与背景区域的圆弧长度所占的比例,并与预设的比例阈值比较,若满足则为凹点,否则为凸点;步骤S266、统计此矿石粒度的凹点特征。
5.根据权利要求1所述的矿石粒度在线检测设备,其特征在于:所述根据标定尺寸建模计算矿石粒度大小,包括以下步骤:步骤S310、在矿石轮廓图像中利用矿石轮廓的最佳拟合椭圆来表达矿石大小尺寸;步骤S311,利用椭圆长轴线段的两端点像素坐标分别计算出两端点在纵向与横向上的距离像素个数;步骤S312、分别与现场固定分析仪后标定的纵向标定参数与横向标定参数相乘,计算得到实际的纵向距离尺寸与横向距离尺寸;步骤S313、通过勾股定理计算出椭圆长轴线段的两端点之间的实际距离尺寸作为最终的真实矿石物理尺寸。
6.根据权利要求1所述的矿石粒度在线检测设备,其特征在于:所述矿石粒度分析仪包括:支架、壳体和图像采集仪;所述支架一端固定在地面上,另一端设置于传送带上方,用于固定壳体;所述壳体内设置两个高亮柔光LED灯和两个高透钢化玻璃;所述高亮柔光LED灯和高透钢化玻璃均为两个,高亮柔光LED灯发光面朝下,高透钢化玻璃设置在图像采集仪设置在高亮柔光LED灯发光面以下;两个高亮柔光LED灯中间设置有图像采集仪;所述壳体包括上壳体和下壳体,上壳体为一整块金属板,下壳体包括竖直的四面和镂空的底面,所述底面镂空开设在高透钢化玻璃和图像采集仪下方。
7.根据权利要求1所述的矿石粒度在线检测设备,其特征在于:所述客户端包括一个或多个个人计算机,通过WEB界面来控制所述矿石粒度分析系统,设置图像检测范围,屏蔽无用图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235011.6A CN109785378B (zh) | 2018-03-21 | 2018-03-21 | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235011.6A CN109785378B (zh) | 2018-03-21 | 2018-03-21 | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785378A CN109785378A (zh) | 2019-05-21 |
CN109785378B true CN109785378B (zh) | 2023-01-20 |
Family
ID=66495987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810235011.6A Active CN109785378B (zh) | 2018-03-21 | 2018-03-21 | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785378B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599006A (zh) * | 2020-05-22 | 2020-08-28 | 山东农业大学 | 一种玉米种子内部裂纹三维重建方法及系统 |
CN112329782A (zh) * | 2020-11-04 | 2021-02-05 | 中冶赛迪重庆信息技术有限公司 | 一种原料粒度确定方法、系统、终端及介质 |
CN112614139B (zh) * | 2020-12-17 | 2022-09-16 | 武汉工程大学 | 基于深度图的运输带矿石团块筛选方法 |
CN112785558A (zh) * | 2020-12-31 | 2021-05-11 | 赣州好朋友科技有限公司 | 铅锌矿石的识别方法、终端设备及存储介质 |
CN113240663B (zh) * | 2021-05-31 | 2023-03-14 | 西安建筑科技大学 | 一种基于边缘响应融合算法的传送带矿石粒度检测方法 |
CN113628171B (zh) * | 2021-07-19 | 2023-09-19 | 北京科技大学 | 一种基于机器视觉及数据驱动的球团生产方法及装置 |
CN114897789B (zh) * | 2022-04-14 | 2024-06-11 | 安徽工业大学 | 一种基于图像分割的烧结矿粒度检测方法及系统 |
CN115683962A (zh) * | 2023-01-03 | 2023-02-03 | 天津德通电气有限公司 | 一种用于选煤厂矿浆跑粗监测的矿浆粒度分析方法 |
CN116823827B (zh) * | 2023-08-29 | 2023-11-10 | 山东德信微粉有限公司 | 一种基于图像处理的矿石粉碎效果评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178383B1 (en) * | 1998-04-15 | 2001-01-23 | Cargill, Incorporated | On-line sampling and image analyzer for determining solid content in a fluid media |
CN101493932A (zh) * | 2009-03-05 | 2009-07-29 | 西安电子科技大学 | 基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法 |
CN102509087A (zh) * | 2011-11-24 | 2012-06-20 | 中国矿业大学(北京) | 一种基于图像灰度共生矩阵的煤岩识别方法 |
CN103413290A (zh) * | 2013-05-25 | 2013-11-27 | 北京工业大学 | 多特征与多层次结合的矿石粒度图像分割方法 |
CN106780504A (zh) * | 2017-01-22 | 2017-05-31 | 中国农业大学 | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 |
KR20170089234A (ko) * | 2016-01-26 | 2017-08-03 | 윈포시스(주) | 입자 분석 장치 |
-
2018
- 2018-03-21 CN CN201810235011.6A patent/CN109785378B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178383B1 (en) * | 1998-04-15 | 2001-01-23 | Cargill, Incorporated | On-line sampling and image analyzer for determining solid content in a fluid media |
CN101493932A (zh) * | 2009-03-05 | 2009-07-29 | 西安电子科技大学 | 基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法 |
CN102509087A (zh) * | 2011-11-24 | 2012-06-20 | 中国矿业大学(北京) | 一种基于图像灰度共生矩阵的煤岩识别方法 |
CN103413290A (zh) * | 2013-05-25 | 2013-11-27 | 北京工业大学 | 多特征与多层次结合的矿石粒度图像分割方法 |
KR20170089234A (ko) * | 2016-01-26 | 2017-08-03 | 윈포시스(주) | 입자 분석 장치 |
CN106780504A (zh) * | 2017-01-22 | 2017-05-31 | 中国农业大学 | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 |
Non-Patent Citations (10)
Title |
---|
分水岭变换在岩屑图像分割中的应用;沈清波等;《计算机应用》;20091001(第10期);全文 * |
基于分水岭和形态学重构的矿石图像分割方法;王志忠等;《物联网技术》;20170320(第03期);全文 * |
基于图像内容检索技术的矿石识别系统;牛晓强;《现代计算机(专业版)》;20070915(第09期);全文 * |
基于图像分析的堆浸铀矿石颗粒参数辨识;宁志刚等;《北京理工大学学报》;20180315(第03期);正文第1-6部分 * |
基于模糊增强的医学图像分割分水岭算法研究;张利红等;《激光与红外》;20131120(第11期);全文 * |
复杂矿石图像的特征提取与聚类;王兰莎等;《北京石油化工学院学报》;20101215(第04期);全文 * |
多特征聚类与粘连分离模型的细胞抹片图像分割与分类;王品等;《生物医学工程学杂志》;20170825(第04期);全文 * |
岩石有限应变测量反向轮法的计算机CSD软件设计;周继彬等;《地球科学-中国地质大学学报》;20010125(第01期);全文 * |
结合梯度重建和非线性处理的语义图像分割;杨文明等;《电路与系统学报》;20080815(第04期);全文 * |
结合距离变换与边缘梯度的分水岭血细胞分割;缪慧司等;《中国图象图形学报》;20160216(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109785378A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785378B (zh) | 一种基于图谱图像算法分析技术的矿石粒度在线检测设备 | |
CN110031477B (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN107133943B (zh) | 一种防震锤缺陷检测的视觉检测方法 | |
Moaveni et al. | Evaluation of aggregate size and shape by means of segmentation techniques and aggregate image processing algorithms | |
CN104483326B (zh) | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 | |
CN110070530B (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN102638013B (zh) | 基于视觉注意机制的标靶图像识别输电线路状态监测系统 | |
CN108764345B (zh) | 一种基于局部与全局聚类的水下大坝裂缝检测方法 | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN110441320B (zh) | 一种煤矸石检测方法、装置及系统 | |
CN105973771A (zh) | 矿热炉冶炼铬铁球团粒度检测装置及其检测方法 | |
CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
CN110059076A (zh) | 一种输变电线路设备的故障数据库半自动化建立方法 | |
CN113887308A (zh) | 一种基于图像多元特征的高炉料种识别方法、装置及系统 | |
CN115410039A (zh) | 基于改进YOLOv5算法的煤炭异物检测系统及方法 | |
CN113344874B (zh) | 一种基于高斯混合建模的行人越界检测方法 | |
CN112330653B (zh) | 一种基于图像识别技术的矿石粒度在线检测方法 | |
CN112422818B (zh) | 一种基于多元图像融合的智能化掉筛远程检测方法 | |
CN109977842A (zh) | 一种煤矿监控运动目标检测方法 | |
CN102680488A (zh) | 一种基于pca的块状农产品在线识别装置及方法 | |
Liancheng et al. | Ore granularity detection and analysis system based on image processing | |
CN111041194A (zh) | 一种提高矿粉球团矿生球质量的制备装置及其使用方法 |
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 |