CN111047555B - 基于图像处理技术的矿石图像粒度检测算法 - Google Patents
基于图像处理技术的矿石图像粒度检测算法 Download PDFInfo
- Publication number
- CN111047555B CN111047555B CN201911104451.9A CN201911104451A CN111047555B CN 111047555 B CN111047555 B CN 111047555B CN 201911104451 A CN201911104451 A CN 201911104451A CN 111047555 B CN111047555 B CN 111047555B
- Authority
- CN
- China
- Prior art keywords
- ore
- image
- granularity
- algorithm
- segmentation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000003709 image segmentation Methods 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000002245 particle Substances 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 20
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000011218 segmentation Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明属于矿山开发中的矿石粒度检测分析技术领域,尤其是涉及一种基于图像处理技术的矿石图像粒度检测算法,其特征在于包括如下步骤:(1)利用工业相机完成对矿石图像的采集;(2)对采集来的矿石图像进行预处理,依次进行图像灰度化、中值滤波去噪和二值化处理;(3)对得到的二值化图像应用链码技术进行距离变换和形态学重构;(4)采取Canny算子边缘检测和基于区域生长的分水岭算法相结合的矿石图像分割算法;(5)利用所得矿石参数及粒度模型对矿石粒度进行分析计算。本发明通过精准的矿石图像分割获得高精度、高准确率的粒度检测,降低破碎机的故障率,增高矿石产率。
Description
技术领域
本发明属于矿山开发中的矿石粒度检测分析技术领域,尤其是涉及一种基于图像处理技术的矿石图像粒度检测算法。
背景技术
矿石的粒度分布信息是能够直接反映破碎机破碎效果的重要数据指标,高效率、高精度的矿石粒度分布检测是实现矿石破碎优化的基础,通过观察矿石颗粒的粒度,能清晰地了解破碎过程中各级破碎机的工作状况,其参数信息甚至会直接影响矿山开发过程中的矿石产率。目前基于计算机视觉与图像处理技术的矿石粒度信息的检测已经普遍应用在矿山开发过程中,以能实时获取破碎后矿石的粒度信息并反馈到PLC控制系统,及时调节破碎机等选矿设备的参数,从而达到提高选矿效率、降低破碎机故障率、减少能耗、最大限度地利用矿产资源的目的,同时也会为矿山的生产带来巨大的经济效益。
但在其应用过程中也出现了有待于优化和解决的诸多问题。由于矿石颗粒通常具有数量多、易粘连、粒度差异大、形状不规则等特点。基于阈值分割的算法在很大程度上依赖于阈值的选择。针对矿石这类易粘连的颗粒,我们通常采用分水岭算法对其进行分割。但是单一的采用分水岭算法又容易引起过分割和欠分割现象的发生。
发明内容
本发明的目的是提出了一种基于图像处理技术的矿石图像粒度检测算法,通过精准的矿石图像分割获得高精度、高准确率的粒度检测,降低破碎机的故障率,增高矿石产率。
本发明的目的是通过下述技术方案来实现的:
本发明的基于图像处理技术的矿石图像粒度检测算法,其特征在于包括如下步骤:
(1)利用工业相机完成对矿石图像的采集;
(2)对采集来的矿石图像进行预处理,依次进行图像灰度化、中值滤波去噪和二值化处理;
(3)对得到的二值化图像应用链码技术进行距离变换和形态学重构;
(4)采取Canny算子边缘检测和基于区域生长的分水岭算法相结合的矿石图像分割算法;
(5)利用所得矿石参数及粒度模型对矿石粒度进行分析计算。
所述的步骤(1)和步骤(2)的具体步骤包括:
a.对矿石图像进行灰度化处理,将图像上各像素点的灰度值调节到RGB颜色分量的平均值,满足计算机图像分割处理的需要;
b.采用加权中值滤波去噪,把滤波窗口中灰度最大值用中值替换;
c.采取最大类间方差二值化算法,将两个邻域窗口最优阈值中较小的阈值认定为最佳阈值,以区分开目标矿石和矿石传送带周围的背景区域。
所述的步骤(3)包括把二值图中的前景目标灰度化,应用链码技术准确跟踪矿石颗粒边界;进行形态学重构变换,将距离变换后图像像素点灰度值与重构后的像素值做差,获取局部极大值区域,保护矿石图像的边缘信息。
所述的步骤(4)包括从x,y,45°,135°四个方向对Canny算子进行边缘检测,计算像素点梯度幅值,抑制非极大值;结合医学领域中的区域生长算法弥补分水岭算法存在的过分割与欠分割问题。
所述的步骤(5)包括精确快速地提取分割后目标矿石图像的边缘信息,获得矿石颗粒周长L及投影面积S参数,利用Kemeny的经验公式计算出目标矿石颗粒的粒径d,再根据椭球的体积公式,建立矿石体积的数学模型,从而求得矿石颗粒的体积参数;最后根据图像参数与实际矿石参数的比例关系,实现对矿石实际大小的测量。
本发明的优点:
本发明提出的基于图像处理技术的矿石图像粒度检测算法,将边缘检测算法与基于区域生长的分水岭算法结合,以此获得高精度的矿石粒度信息。并将参数信息反馈到破碎机的PLC控制系统,调整排矿口宽度、进出料速度等一系列可能造成破碎机故障率增加的因素。通过精准的矿石图像分割实现高精度、高准确率的粒度检测,降低破碎机的故障率,增高矿石产率。
附图说明
图1为本发明基于图像处理技术的矿石图像粒度检测功能实现流程图。
具体实施方式
下面结合附图进一步说明本发明的具体实施方式。
如图1所示,本发明的基于图像处理技术的矿石图像粒度检测算法,其特征在于包括如下步骤:
(1)利用工业相机完成对矿石图像的采集;
(2)对采集来的矿石图像进行预处理,依次进行图像灰度化、中值滤波去噪和二值化处理;
(3)对得到的二值化图像应用链码技术进行距离变换和形态学重构;
(4)采取Canny算子边缘检测和基于区域生长的分水岭算法相结合的矿石图像分割算法;
(5)利用所得矿石参数及粒度模型对矿石粒度进行分析计算。
所述的步骤(1)和步骤(2)的具体步骤包括:
a.对矿石图像进行灰度化处理,将图像上各像素点的灰度值调节到RGB颜色分量的平均值,满足计算机图像分割处理的需要;
b.采用加权中值滤波去噪,把滤波窗口中灰度最大值用中值替换;
c.采取最大类间方差二值化算法,将两个邻域窗口最优阈值中较小的阈值认定为最佳阈值,以区分开目标矿石和矿石传送带周围的背景区域。
所述的步骤(3)包括把二值图中的前景目标灰度化,应用链码技术准确跟踪矿石颗粒边界;进行形态学重构变换,将距离变换后图像像素点灰度值与重构后的像素值做差,获取局部极大值区域,保护矿石图像的边缘信息。
所述的步骤(4)包括从x,y,45°,135°四个方向对Canny算子进行边缘检测,计算像素点梯度幅值,抑制非极大值;结合医学领域中的区域生长算法弥补分水岭算法存在的过分割与欠分割问题。
所述的步骤(5)包括精确快速地提取分割后目标矿石图像的边缘信息,获得矿石颗粒周长L及投影面积S参数,利用Kemeny的经验公式计算出目标矿石颗粒的粒径d,再根据椭球的体积公式,建立矿石体积的数学模型,从而求得矿石颗粒的体积参数;最后根据图像参数与实际矿石参数的比例关系,实现对矿石实际大小的测量。
下面将结合说明书附图,针对具体实施方案对本发明做更详细完整的阐释说明。
1、要想在矿石图像分割步骤中得到理想的分割效果,首先要研究如何提高工业摄像机采集来的矿石图像的预处理效果,更好的消除潜在因素影响。
a.灰度化处理就是为了避免在一定的灰度范围中,由于各种不可抗因素而对采集的矿石图像造成无法分辨的结果。所以需要对矿石图像上各像素点的灰度值进行处理,将图像上各像素点的灰度值调节到RGB颜色分量的平均值,突出反映我们所需提取的有用信息,以达到图像增强的目的。
b.随后对得到的灰度图像进行图像滤波,由于我们最终目的是获得高精度的粒度参数,提高参数的准确度就需要我们标定出最接近理想状态的矿石图像轮廓边缘,所以在选取滤波方法这一环节,本发明采取了中值滤波这一方法去噪。中值滤波可以在消除图像噪声的同时,保护矿石颗粒的边缘信息。
中值滤波是一种非线性平滑滤波技术,选取一种二维模板,将滤波窗口n取奇数,这样的目的是为了愈加容易在区域中取得中心点。对输入的矿石图像,以任一像素为中心设置一个确定的邻域A,A的边长为2N+1(N=0,1,2,…)。将邻域内各像素的强度值按大小顺序排列,将数字图像或序列中的某一点用该点的周围区域中各个点的中值代替,遍历整幅图像,从而消除孤立像素点。但传统的中值滤波算法每次都要将滤波窗口内各像素的强度大小进行排序,虽然可以获得较好的滤波去噪效果,但却耗时耗力,工作效率也相对低下,难以满足高效、快速的矿石粒度检测要求。所以本发明在传统中值滤波的基础上稍加改进,把滤波窗口中灰度最大值用中值替换。
中值滤波在i处信号样本的输出值用下式来定义:
y(i)=Med[x(i-N),...,x(i),...X(i+N)]
(1)
其中X(i-N),...,X(i),...X(i+N)为滤波窗口内采集的信号样本,N为正整数。邻域A可以用x(i,j)来表示:
x(i,j)=max x(i-1:i+1,j-1:j+1) (2)
在中值滤波图像中,将像素灰度值大于最优阈值的像素点当作是矿石,反之认为是背景。
c.运用二值化算法,基于形态学图像处理,利用结构元对矿石图像进行腐蚀并对图像中的矿石颗粒进行探测。如果结构元探测的区域内包含所有的前景色,那么就用前景色像素点替换中心位置的点,如果结构元探测的区域内不全包含前景色,那么就用背景色取代该点,以此把目标矿石和它周围的非矿石背景准确分离开来。二值化的关键一步是设置一个较为准确的阈值,将小于这个阈值的像素点调整成0,而大于等于这个阈值的像素点调整成255。
运用最大类间方差二值化算法,取两个邻域窗口最优阈值中较小阈值的为最佳阈值。
在此方法中,第一步要得到中心像素P的两个邻域窗口(即和/>)的最优阈值和/>两个窗口大小分别为n*n和m*m。
式中,t为灰度级范围取值[0,1];l为最大灰度级(一般为255);为最大类间方差。若/>则认定/>为最佳阈值。
第二步,要利用最优阈值将中值滤波之后的灰度图f(x,y)二值化,fb(x,y)为二值化的结果。
最终得到的矿石颗粒二值化图像才能称为是完全意义上的黑白图像。由于采矿现场条件恶劣,所需采集的矿石颗粒图像周围环境比较复杂,存在矿石颗粒堆积重叠、光照不均匀、灰尘颗粒密集等不利于粒度检测的情况,但经过改进的最大类间方差算法可以很好地适应该环境,从而得到更好效果的二值图像。
2、随后我们需要对上一环节得到的二值化图像进行距离变换,距离变换的结果不是另一幅二值图像,而是一幅灰度级图像,图像中每个像素的灰度值为该像素与距其最近的背景像素间的距离。本发明中采用链码技术按不同层次轮廓点灰度级递增的方式逐层对目标物体进行遍历,直至完成图像的距离转换。改进后的距离变换算法可以准确跟踪矿石颗粒边界,并有效地完成矿石颗粒这种易粘连物体的分离。与此同时,还弥补了传统形态学距离变换算法多次腐蚀、多次扫描、易耗时的不足。最重要的是提高了图像分割的处理速度和分割精度,具有极高的现实意义。
3、经距离变换后的矿石颗粒图像仍然存在多个峰头,而在去除多余峰头的过程中很有可能引起过分割问题,因此我们还需要对其进行形态学重构。消除矿石图像中剩余的细小图像和那些不包含任何结构因素的像素点。本发明对矿石图像先进行闭运算后腐蚀,然后进行开运算,以清除微小的边界颗粒。对极值点进行调整,使距离变换后的矿石图像中像素点的灰度值与重构变换后的图像灰度值做差,以获取局部极大值区域。更好的保护矿石图像的边缘信息,从而优化和完善矿石图像分割效果。
4、本发明针对现有分割算法的问题,提出了多特征融合的多尺度矿石图像分割算法。目前的分割算法主要是针对图像亮度特征进行分割,但对复杂矿石图像处理难以达到理想的分割效果。本发明中,由于矿料皮带上运送的矿石边界和轮廓并不是特别明显,而且在色彩上来说也是十分接近,这时候若是单采用分水岭分割算法,会造成矿石图像的过分割和欠分割问题,因此本发明中采用基于边缘检测和区域分割相结合的矿石图像分割算法进行优化。
a.本发明选取改进后的Canny算子,克服了传统Canny算法使用一组固定参数处理不同图像的缺点,缓解了平滑滤波与保持图像边缘细节,连续边缘与假边缘的矛盾。
改进后的Canny算子从四个方向进行边缘检测,选择在3*3领域内计算梯度幅值,改善了2*2邻域内由于图像离散特性,易受噪声干扰的情况。梯度幅值计算公式如下:
Gx(i,j)=I(i,j+1)-I(i,j-1) (6)
Gy(i,j)=I(i+1,j)-I(i-1,j) (7)
G45°(i,j)=I(i-1,j+1)-I(i+1,j-1) (8)
G135°(i,j)=I(i+1,j+1)-I(i-1,j-1)
(9)
分别计算出x,y,45°,135°四个方向的偏导数Gx(i,j)、Gy(i,j)、G45°(i,j)及G135°(i,j),并以此计算x水平方向和y垂直方向的差分方程:
可得矿石图像的像素点梯度幅值为:
改进后的3*3领域中像素的梯度方向θ(i,j)∈(-90°,90°),将其领域划分为四个象限,随后沿像素的梯度方向判断该图像像素点的梯度幅值在邻域范围内是否为极大值。将灰度变化最大的保留下来,其他的不予保留,从而抑制非极大值。
b.为进一步削弱分水岭算法的过分割情况,利用医学领域中的区域生长算法对分水岭算法进行优化。
区域生长算法要先在矿石颗粒图像内设置种子区域,对种子区域的相邻像素进行估算,来确定他们是否应该被加入到种子区域,如果是,则被添加到该区域,使种子区域生长。而判断像素是否落入生长区间的准则是观察该像素的所有邻域像素点的灰度值是否均包含在预定值范围内。用邻域像素值来代替当前像素值,可以降低小结构被并入生长区域的概率。重复判断像素是否落入生长区间,直到没有新的像素被加入。
步骤一:设置阈值区间
首先要设定两个参数下限阈值Tdown和上限阈值Tup来构成生长区间,运用迭代算法思想求得阈值信息。
1)迭代法采取逼近的思想,求出图像的最大、最小灰度值,设为RateMAX和RateMIN,则初始阈值T0为:
2)根据T0,将图像的平均灰度值分为M1和M2两组。
3)利用下式分别求出两组的平均灰度值:
4)求出加权平均后的阈值为:
将步骤2)~4)重复N次,当阈值T不再变换时,结束迭代过程。此时的阈值设定为最佳阈值。阈值的选取会直接影响到种子生长区域的增涨,降低其机动性。
步骤二:定义初始生长区域
根据矿石颗粒图像像素点的灰度值,选取种子点坐标位置(x,y),在阈值相同和不同时进行分割。选取其邻域半径,来判断相邻像素是否位于分割区域内。
将改进后的Canny算子边缘检测和基于区域生长算法的分水岭算法相结合,不但可以精准定位矿石颗粒边缘,还能弥补分水岭算法存在的过分割与欠分割的不足。而且优化后的分割算法可以有效提升矿石分割效果,为之后的高精度粒度检测提供基础。
5、矿石图像粒度检测中所需要检测的参数主要有面积、周长、粒径和体积等。根据分水岭算法分割后的矿石图像,配合8链码技术,能够精确快速的提取目标矿石的边缘信息,根据边界信息就能够求得其周长lc及矿石颗粒的投影面积s参数。通过工业相机采集到的矿石图像中的目标矿石参数是二维数据,但是在计算破碎矿石的粒度信息时要使用的是矿石参数的三维数据,所以在实际统计过程中,我们需要从其二维数据中推测出相应矿石颗粒的三维数据信息。Kemeny的经验公式就很好的解决了矿石图像数据信息从二维到三维的转化,并发现矿石颗粒的粒径的大小既非它的最大线性长度也非其最小线性长度,而是与其等效的最佳匹配椭圆的长、短轴a和b有关。
通过研究利用Kemeny的经验公式便可以计算出目标矿石颗粒的粒径d为:
再根据椭球的体积公式,建立矿石体积的数学模型,可以求得颗粒的体积为:
通过上述方法得到的数据结果都是以像素为单位的,但是图像中像素的分辨率不是一定的,它会受外界环境的影响,工业相机拍照的高度不同,得到的像素结果就不同。在本发明中,用于图像采集的工业相机距离传输带的高度设置为1.3m。由于矿石图像的单位像素与实际的矿石单位尺寸成正比,可根据图像参数与实际矿石参数的比例关系,实现对矿石实际大小的测量。通过上述一系列过程,可以得到传送带上破碎矿石粒度分布信息。
综上所述,本发明所提及的矿石粒度检测方案,可以计算出高精度、高准确率的矿石粒度信息,从而反馈到破碎机PLC控制系统,调节破碎机相关硬件设备参数,降低破碎机的故障率,增加矿石产率。
本发明基于图像处理技术的矿石图像粒度检测算法,将边缘检测算法与基于区域生长的分水岭算法结合,以此获得高精度的矿石粒度信息,并将参数信息反馈到破碎机的PLC控制系统,调整排矿口宽度、进出料速度等可能造成破碎机故障率增加的参数,通过精准的矿石图像分割获得高精度、高准确率的粒度检测,降低破碎机的故障率,增高矿石产率。
Claims (2)
1.一种基于图像处理技术的矿石图像粒度检测算法,其特征在于包括如下步骤:
(1)利用工业相机完成对矿石图像的采集;
(2)对采集来的矿石图像进行预处理,依次进行图像灰度化、中值滤波去噪和二值化处理;
(3)对得到的二值化图像应用链码技术进行距离变换和形态学重构;
(4)采取Canny算子边缘检测和基于区域生长的分水岭算法相结合的矿石图像分割算法;
(5)利用所得矿石参数及粒度模型对矿石粒度进行分析计算;
所述的步骤(1)和步骤(2)的具体步骤包括:
a.对矿石图像进行灰度化处理,将图像上各像素点的灰度值调节到RGB颜色分量的平均值,满足计算机图像分割处理的需要;
b.采用加权中值滤波去噪,把滤波窗口中灰度最大值用中值替换;
c.采取最大类间方差二值化算法,将两个邻域窗口最优阈值中较小的阈值认定为最佳阈值,以区分开目标矿石和矿石传送带周围的背景区域;
所述的步骤(3)包括把二值图中的前景目标灰度化,应用链码技术准确跟踪矿石颗粒边界;进行形态学重构变换,将距离变换后图像像素点灰度值与重构后的像素值做差,获取局部极大值区域,保护矿石图像的边缘信息;
所述的步骤(4)包括从x,y,45°,135°四个方向对Canny算子进行边缘检测,计算像素点梯度幅值,抑制非极大值;结合医学领域中的区域生长算法弥补分水岭算法存在的过分割与欠分割问题。
2.根据权利要求1所述的基于图像处理技术的矿石图像粒度检测算法,其特征在于所述的步骤(5)包括精确快速地提取分割后目标矿石图像的边缘信息,获得矿石颗粒周长L及投影面积S参数,利用Kemeny的经验公式计算出目标矿石颗粒的粒径d,再根据椭球的体积公式,建立矿石体积的数学模型,从而求得矿石颗粒的体积参数;最后根据图像参数与实际矿石参数的比例关系,实现对矿石实际大小的测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104451.9A CN111047555B (zh) | 2019-11-13 | 2019-11-13 | 基于图像处理技术的矿石图像粒度检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911104451.9A CN111047555B (zh) | 2019-11-13 | 2019-11-13 | 基于图像处理技术的矿石图像粒度检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047555A CN111047555A (zh) | 2020-04-21 |
CN111047555B true CN111047555B (zh) | 2023-10-17 |
Family
ID=70232417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911104451.9A Active CN111047555B (zh) | 2019-11-13 | 2019-11-13 | 基于图像处理技术的矿石图像粒度检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047555B (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992328B (zh) * | 2019-11-28 | 2024-04-02 | 京东方科技集团股份有限公司 | 暗点检测方法和装置 |
CN111375457A (zh) * | 2020-04-22 | 2020-07-07 | 世邦工业科技集团股份有限公司 | 排矿通道的尺寸调节系统及其使用方法 |
CN111582161B (zh) * | 2020-05-07 | 2023-04-07 | 中国矿业大学 | 一种基于断口特征判据的矿物解离系统 |
CN111582162B (zh) * | 2020-05-07 | 2023-04-18 | 中国矿业大学 | 一种基于颗粒断口特征的矿物解离度获取方法 |
CN111582164B (zh) * | 2020-05-07 | 2023-04-07 | 中国矿业大学 | 一种基于断口特征判据的矿物解离方法 |
CN111833327A (zh) * | 2020-07-14 | 2020-10-27 | 中国建筑第二工程局有限公司 | 一种基于图像识别的砂石检测方法 |
CN111862135B (zh) * | 2020-08-03 | 2024-08-20 | 湖南尧泽科技有限公司 | 一种摇床矿带图像分割方法 |
CN112255148B (zh) * | 2020-09-27 | 2023-07-28 | 湖州新开元碎石有限公司 | 一种矿石颗粒度检测系统及检测方法 |
CN112183556B (zh) * | 2020-09-27 | 2022-08-30 | 长光卫星技术股份有限公司 | 一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法 |
CN112191355B (zh) * | 2020-10-09 | 2022-03-25 | 矿冶科技集团有限公司 | 矿石处理方法、装置、电子设备及计算机可读存储介质 |
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 |
CN112434570B (zh) * | 2020-11-09 | 2024-05-24 | 宜春钽铌矿有限公司 | 一种钽铌矿摇床矿带的图像识别方法 |
CN112330653B (zh) * | 2020-11-16 | 2024-05-03 | 鞍钢集团矿业有限公司 | 一种基于图像识别技术的矿石粒度在线检测方法 |
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 |
CN112465852B (zh) * | 2020-12-03 | 2024-01-30 | 国网山西省电力公司晋城供电公司 | 一种用于电力设备红外图像分割的改进区域生长方法 |
CN112598680B (zh) * | 2020-12-16 | 2023-01-24 | 北京理工大学 | 基于人工智能网络的黏连矿石的图像分割方法及系统 |
CN112767343B (zh) * | 2021-01-15 | 2021-09-10 | 中国矿业大学 | 一种带式输送机上煤料堆积密度在线计算方法 |
CN113083724A (zh) * | 2021-03-24 | 2021-07-09 | 北京霍里思特科技有限公司 | 矿石识别方法、检测机构、矿产分选机 |
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 |
CN113034573A (zh) * | 2021-04-01 | 2021-06-25 | 大连锐视达科技有限公司 | 一种球团粒径检测方法及系统 |
CN113192050B (zh) * | 2021-05-18 | 2024-06-28 | 神华神东煤炭集团有限责任公司 | 一种煤泥水在线监测装置、方法及电子设备 |
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 |
CN113674201B (zh) * | 2021-07-09 | 2024-07-26 | 福建南方路面机械股份有限公司 | 一种骨料粒径抽样监测方法 |
CN113592753B (zh) * | 2021-07-23 | 2024-05-07 | 深圳思谋信息科技有限公司 | 基于工业相机拍摄的图像的处理方法、装置和计算机设备 |
CN114283155B (zh) * | 2021-11-23 | 2023-07-04 | 赣州好朋友科技有限公司 | 矿石图像的分割方法、装置及计算机可读存储介质 |
CN114494305A (zh) * | 2021-12-24 | 2022-05-13 | 鞍钢集团矿业有限公司 | 一种球团生球粒径在线检测方法及系统 |
CN114359372A (zh) * | 2022-01-05 | 2022-04-15 | 山东工大中能科技有限公司 | 基于计算机视觉的矿车装载量检测方法、系统及装置 |
CN114324084B (zh) * | 2022-03-03 | 2022-07-12 | 天津美腾科技股份有限公司 | 一种矿浆粒度在线检测设备、方法和存储介质 |
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 |
CN115272319B (zh) * | 2022-09-27 | 2022-12-20 | 江苏亚振钻石有限公司 | 一种矿石粒度检测方法 |
CN115294106B (zh) * | 2022-09-28 | 2022-12-20 | 加乐新材料(南通)有限公司 | 一种乳胶溶液中颗粒的均匀度检测方法 |
CN115588051B (zh) * | 2022-09-29 | 2023-06-13 | 中国矿业大学(北京) | 矿石加工环节的激光雷达和相机空间位置自动标定方法 |
CN115690132A (zh) * | 2022-10-20 | 2023-02-03 | 北京霍里思特科技有限公司 | 一种图像处理方法和系统 |
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 |
CN117274193A (zh) * | 2023-09-21 | 2023-12-22 | 中铁十九局集团矿业投资有限公司 | 一种基于人工智能的铜矿数据分析方法及系统 |
CN117808808B (zh) * | 2024-03-01 | 2024-05-14 | 山东师范大学 | 一种矿石粒度检测方法、系统、电子设备及存储介质 |
CN118135141A (zh) * | 2024-03-25 | 2024-06-04 | 东北石油大学 | 一种基于岩石图像的孔隙三维重建方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318564A (zh) * | 2014-10-24 | 2015-01-28 | 北京矿冶研究总院 | 一种矿物颗粒分相的方法 |
CN108711149A (zh) * | 2018-05-16 | 2018-10-26 | 郑州大学 | 基于图像处理的矿岩粒度检测方法 |
-
2019
- 2019-11-13 CN CN201911104451.9A patent/CN111047555B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318564A (zh) * | 2014-10-24 | 2015-01-28 | 北京矿冶研究总院 | 一种矿物颗粒分相的方法 |
CN108711149A (zh) * | 2018-05-16 | 2018-10-26 | 郑州大学 | 基于图像处理的矿岩粒度检测方法 |
Non-Patent Citations (4)
Title |
---|
孙惠杰.改进的分水岭图像分割算法.哈尔滨工程大学学报.2014,第2节. * |
张国英.基于图像的原矿碎石粒度检测与分析系统.冶金自动化.2012,第1.3.1节. * |
张大蔓.基于图像分割的破碎颗粒粒度分布检测.中国优秀硕士学位论文全文数据库信息科技辑.2017,第2.3-5.1.1节. * |
许文祥.基于二项分布的双窗OTSU的矿石分割模型.有色金属(矿山部分).2019,第1节. * |
Also Published As
Publication number | Publication date |
---|---|
CN111047555A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047555B (zh) | 基于图像处理技术的矿石图像粒度检测算法 | |
CA3006240C (en) | A stepwise refinement detection method for pavement cracks | |
CN108711149B (zh) | 基于图像处理的矿岩粒度检测方法 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN109166125B (zh) | 一种基于多边缘融合机制的三维深度图像分割算法 | |
CN110334692B (zh) | 一种基于图像处理的盲道识别方法 | |
Huang et al. | Edge detection of ore and rock on the surface of explosion pile based on improved Canny operator | |
CN108694349B (zh) | 一种基于线阵相机的受电弓图像提取方法及装置 | |
CN101751603A (zh) | 在线棒型材图像自动计数设备及方法 | |
CN108550138A (zh) | 基于频率域滤波增强的耐火砖表面划痕识别方法 | |
CN108470173B (zh) | 一种矿石颗粒的分割方法 | |
CN103824304A (zh) | 传送带上矿石传送过程中故障诊断方法 | |
CN112330653A (zh) | 一种基于图像识别技术的矿石粒度在线检测方法 | |
CN114758043A (zh) | 一种基于3d云图的矿石块度智能识别方法及系统 | |
Lu et al. | Fusion-based color and depth image segmentation method for rocks on conveyor belt | |
CN113240735A (zh) | 一种边坡位移活动性监测方法 | |
Liancheng et al. | Ore granularity detection and analysis system based on image processing | |
CN112598680B (zh) | 基于人工智能网络的黏连矿石的图像分割方法及系统 | |
CN108596966A (zh) | 基于拟合平面法向量的耐火砖表面倾斜角的测量方法 | |
CN110223299B (zh) | 一种基于沉积过程的磨粒分割方法 | |
Qiao et al. | Research on Concrete Beam Crack Recognition Algorithm Based on Block Threshold Value Image Processing | |
CN112435228A (zh) | 一种基于高密度各向异性特征的机场道面裂缝检测方法 | |
CN118570397B (zh) | 煤矿主井井底积煤与尾绳的3d图像生成与分析系统 | |
CN114022473B (zh) | 一种基于红外图像的地平线检测方法 | |
Salehizadeh et al. | Size distribution estimation of stone fragments via digital image processing |
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 |