CN111507980B - 动态图像法检测矿石碎磨产品粒度分布的校正方法 - Google Patents

动态图像法检测矿石碎磨产品粒度分布的校正方法 Download PDF

Info

Publication number
CN111507980B
CN111507980B CN202010440265.9A CN202010440265A CN111507980B CN 111507980 B CN111507980 B CN 111507980B CN 202010440265 A CN202010440265 A CN 202010440265A CN 111507980 B CN111507980 B CN 111507980B
Authority
CN
China
Prior art keywords
particle size
fraction
dynamic image
particles
ore
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
Application number
CN202010440265.9A
Other languages
English (en)
Other versions
CN111507980A (zh
Inventor
左蔚然
刘伟超
邓荣东
李兵磊
郭宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202010440265.9A priority Critical patent/CN111507980B/zh
Publication of CN111507980A publication Critical patent/CN111507980A/zh
Application granted granted Critical
Publication of CN111507980B publication Critical patent/CN111507980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B1/00—Sieving, screening, sifting, or sorting solid materials using networks, gratings, grids, or the like
    • B07B1/46—Constructional details of screens in general; Cleaning or heating of screens
    • B07B1/4609—Constructional details of screens in general; Cleaning or heating of screens constructional details of screening surfaces or meshes
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Manufacture And Refinement Of Metals (AREA)

Abstract

本发明提出一种动态图像法检测矿石碎磨产品粒度分布的校正方法，其借助破碎、研磨制备的矿石颗粒自身的粒度分布特征对动态图像法的粒度检测结果进行校正，无需添加额外的硬件设施；校正方法简单易行、精确度高。本发明可用于矿石颗粒破碎、研磨的生产、测试与科研过程中动态图像法粒度检测结果的校正，也可用于其他类型颗粒物的动态图像法粒度检测结果的校正。

Description

动态图像法检测矿石碎磨产品粒度分布的校正方法
技术领域
本发明属于矿物加工应用领域，尤其涉及一种动态图像法检测矿石碎磨产品粒度分布的校正方法。
背景技术
在矿业生产中，快速、准确地获得矿石颗粒的粒度分布信息对生产过程控制和矿石颗粒碎磨性质测试具有重要的意义。粒度检测的动态图像法在矿业的生产、科研活动中具有广阔的应用前景。动态图像法可以与粒度检测范围更宽的机械筛分配合使用，在动态图像法的有效粒度检测范围内取代机械筛分，从而加快粒度检测的速度。
动态图像法一般采用振动给料机使颗粒分散并落入图像采集区，并在平行光源的照射下被远心镜头和CCD相机实时捕捉，然后通过图像数字化分析识别颗粒的粒度大小。颗粒在图像采集区下落的过程中，受其形状、到镜头的距离等因素影响，CCD相机捕捉的颗粒图像会偏大或偏小，导致粒度检测结果失真。
发明内容
针对现有技术存在的缺陷和不足，本发明提出一种动态图像法检测矿石碎磨产品粒度分布的校正方法，可以解决动态图像法检测矿石颗粒粒度时产生的粒度失真问题，使动态图像法获得的粒度检测结果与机械筛分一致。本发明具体采用以下技术方案：
一种动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于,包括以下步骤：
步骤S1：在不同的破碎、研磨条件下制备k份具有不同粒度分布的矿石颗粒样品；
步骤S2：通过机械筛分检测法获得各矿石颗粒样品在粒级1至粒级n的粒度分布，计算第j个矿石颗粒样品中粒度在动态图像法有效粒度检测范围内(粒级n1至粒级n2，1<n1<n2<n)的颗粒占样品总量的比例Cj；
步骤S3：将Cj代入公式TJij＝ai·rTij·Cj并利用最小二乘法回归计算参数ai的值；其中，RJij代表机械筛分检测法获得的第j个样品的第i个粒级颗粒在该样品粒级1至粒级n所有颗粒中所占比例；rTij代表动态图像法获得的第j个样品的第i个粒级颗粒在该样品粒级n1至粒级n2所有颗粒中所占比例；ai为适用于第i个粒级的参数；
步骤S4：采用公式：
Figure BDA0002503885130000021
对第j个样品的第i个粒级的粒度检测结果进行校正；其中，RTij代表动态图像法获得的第j个样品的第i个粒级颗粒在该样品粒级1至粒级n所有颗粒中所占比例，RTij等价于RJij。
优选地，在步骤S1中，所述粒度分布按照标准筛序进行表达，筛序中每个粒级的粒度上限与粒度下限的比例为
Figure BDA0002503885130000022
倍。
优选地，在动态图像法中，采用动态图像法测得的投影宽度来代表颗粒粒度。
优选地，在动态图像法中，采用等效球径或弗雷特长度代表颗粒粒度。
优选地，在步骤S1中，通过机械筛分移除粒度在所使用动态图像颗粒粒度分析仪的实际有效粒度检测范围外的矿石颗粒样品。
优选地，所述实际有效粒度检测范围的确定方法为：制备窄粒级颗粒，对比动态图像颗粒粒度分析仪检测到的矿石颗粒数量和矿石颗粒的实际数量，当前者占后者的比例不小于90％时，该窄粒级在所使用动态图像颗粒粒度分析仪的实际有效粒度检测范围内。
优选地，窄粒级颗粒实际颗粒数量按下式预测：
Figure BDA0002503885130000023
式中，mi代表第i个窄粒级中单个颗粒的平均质量；Mi代表第i个窄粒级所有被测颗粒的总质量；Ni代表第i个窄粒级的被测颗粒的数量；xi代表第i个窄粒级的几何平均粒度；b是与矿石颗粒种类、碎磨方式有关的常数，采用最小二乘法进行回归分析确定。
与现有技术相比，本发明及其优选方案借助破碎、研磨制备的矿石颗粒自身的粒度分布特征对动态图像法的粒度检测结果进行校正，无需添加额外的硬件设施；校正方法简单易行、精确度高。其可以用于矿石颗粒破碎、研磨的生产、测试与科研过程中动态图像法粒度检测结果的校正，也可用于其他类型颗粒物的动态图像法粒度检测结果的校正。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
本实施例优先采用动态图像法测得的投影宽度来代表颗粒粒度，也可以用等效球径或弗雷特长度代表颗粒粒度。
本实施例优先采用相邻筛孔孔径比例为
Figure BDA0002503885130000031
倍的标准筛序表达颗粒的粒度分布，也可采用其他任意筛序。以下所指“窄粒级颗粒”的含义为采用标准筛序的、粒度上限与粒度下限的比例为
Figure BDA0002503885130000032
倍的颗粒。
样品颗粒在动态图像颗粒粒度分析仪(以下简称分析仪)中被CCD相机捕捉到的概率与颗粒粒度和远心镜头配置相关。本实施例在采用分析仪检测颗粒粒度前，应先确认所使用的分析仪的实际有效粒度检测范围。确认分析仪实际有效粒度检测范围的方法具体为：
制备窄粒级颗粒，对比分析仪检测到的矿石颗粒数量和矿石颗粒的实际数量，当前者占后者的比例不小于90％时，可认为该窄粒级在所使用分析仪的实际有效粒度检测范围内。符合这一条件的窄粒级所组成的连续粒度范围即为所使用分析仪的实际有效粒度检测范围。
对于粒度较粗的窄粒级颗粒，可以通过计数的方式确定矿石颗粒的实际数量。对于粒度较细的窄粒级颗粒，由于其单位质量的颗粒数量较高，可以采用以下方式预测其实际数量：
将粒度较粗的窄粒级颗粒的平均粒度和实际颗粒数量代入到式(1)中，利用最小二乘法获得公式的参数数值。粒度较粗的窄粒级的数量和分布应满足最小二乘法回归计算的精度。
Figure BDA0002503885130000033
式(1)中，mi代表第i个窄粒级中单个颗粒的平均质量；Mi代表第i个窄粒级所有被测颗粒的总质量；Ni代表第i个窄粒级的被测颗粒的数量；xi代表第i个窄粒级的几何平均粒度(粒度上限与粒度下限的乘积的开方)；b是与矿石颗粒种类、碎磨方式有关的常数，采用最小二乘法进行回归分析来确定。
对于粒度较细的窄粒级颗粒，采用式(1)预测其单个颗粒的平均质量mi。用其被测颗粒的总质量Mi除以mi，即可预测其被测颗粒的总数量。
在本实施例中，通过破碎、研磨获得的矿石颗粒样品的粒度范围为粒级1至粒级n，分析仪的实际有效粒度检测范围为粒级n1至粒级n2(粒级1最细，粒级n最粗，1<n1<n2<n)。在通过破碎、研磨获得的第j份矿石颗粒样品中，粒度处于所使用分析仪的实际有效粒度检测范围内的颗粒的质量占样品总质量的比例Cj应在10％至90％之间。
首先，在不同的破碎、研磨条件下制备k份具有不同粒度分布的矿石颗粒样品，并采用机械筛分检测这k份样品的粒度分布(设机械筛分入料包含n个粒级，其中第1个粒级为最细的粒级，第n个粒级为最粗的粒级)。设分析仪的实际有效粒度检测范围内最细的粒级为第n1个粒级，最粗的粒级为第n2个粒级。对每份机械筛分产品，从中取第n1至n2个粒级作为分析仪检测粒度的入料。机械筛分产品中，第n1至n2个粒级颗粒质量占第1至第n个粒级颗粒质量的比值即为C。
采用分析仪对其入料样品进行粒度检测。将机械筛分和分析仪的粒度检测结果代入到式(2)当中利用最小二乘法获得公式的参数数值。样品的数量和分布应满足最小二乘法回归计算的精度。
RJij＝ai·rTij·Cj (2)
式(2)中，RJij代表在机械筛分中，第j个样品的第i个粒级颗粒的质量占其机械筛分入料样品总质量的比例(％)；rTij代表在动态图像法筛分中第j个样品的第i个粒级的颗粒占其分析仪入料总质量的比例(％)；ai为适用于第i个粒级的参数，其值的大小与矿石颗粒种类、碎磨方式和分析仪型号有关，采用最小二乘法进行回归分析来确定；在第j个样品中第n1至n2个粒级颗粒质量占第1至第n个粒级颗粒质量的比值记为Cj，n1≤i≤n2；1≤j≤k。
在确定ai的值后，按照式(3)对第k个样品的第i个粒级的粒度检测结果进行校正：
Figure BDA0002503885130000041
式中，RTij代表通过动态图像法筛分确定的第j个样品的第i个粒级颗粒的质量占其机械筛分入料样品总质量的比例(％)；由于
Figure BDA0002503885130000042
的值会与Cj有轻微的差异，因此式(3)通过除以
Figure BDA0002503885130000043
来确保
Figure BDA0002503885130000044
等于Cj。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的动态图像法检测矿石碎磨产品粒度分布的校正方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (7)

1.一种动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于，包括以下步骤：
步骤S1：在不同的破碎、研磨条件下制备k份具有不同粒度分布的矿石颗粒样品；
步骤S2：通过机械筛分检测法获得各矿石颗粒样品在粒级1至粒级n的粒度分布，计算第j个矿石颗粒样品中粒度在动态图像法有效粒度检测范围内的颗粒占样品总量的比例Cj；
步骤S3：将Cj代入公式RJij＝ai·rTij·Cj并利用最小二乘法回归计算参数ai的值；其中，RJij代表机械筛分检测法获得的第j个样品的第i个粒级颗粒在该样品粒级1至粒级n所有颗粒中所占比例；rTij代表动态图像法获得的第j个样品的第i个粒级颗粒在该样品粒级n1至粒级n2所有颗粒中所占比例；ai为适用于第i个粒级的参数；
步骤S4：采用公式
Figure FDA0002503885120000011
对第j个样品的第i个粒级的粒度检测结果进行校正；其中，RTij代表动态图像法获得的第j个样品的第i个粒级颗粒在该样品粒级1至粒级n所有颗粒中所占比例，RTij等价于RTij。
2.根据权利要求1所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：在步骤S1中，所述粒度分布按照标准筛序进行表达，筛序中每个粒级的粒度上限与粒度下限的比例为
Figure FDA0002503885120000012
倍。
3.根据权利要求1所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：在动态图像法中，采用动态图像法测得的投影宽度来代表颗粒粒度。
4.根据权利要求1所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：在动态图像法中，采用等效球径或弗雷特长度代表颗粒粒度。
5.根据权利要求2所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：在步骤S1中，通过机械筛分移除粒度在所使用动态图像颗粒粒度分析仪的实际有效粒度检测范围外的矿石颗粒样品。
6.根据权利要求5所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：所述实际有效粒度检测范围的确定方法为：制备窄粒级颗粒，对比动态图像颗粒粒度分析仪检测到的矿石颗粒数量和矿石颗粒的实际数量，当前者占后者的比例不小于90％时，该窄粒级在所使用动态图像颗粒粒度分析仪的实际有效粒度检测范围内。
7.根据权利要求6所述的动态图像法检测矿石碎磨产品粒度分布的校正方法，其特征在于：窄粒级颗粒的实际颗粒数量按下式预测：
Figure FDA0002503885120000021
式中，mi代表第i个窄粒级中单个颗粒的平均质量；Mi代表第i个窄粒级所有被测颗粒的总质量；Ni代表第i个窄粒级的被测颗粒的数量；xi代表第i个窄粒级的几何平均粒度；b是与矿石颗粒种类、碎磨方式有关的常数，采用最小二乘法进行回归分析确定。
CN202010440265.9A 2020-05-22 2020-05-22 动态图像法检测矿石碎磨产品粒度分布的校正方法 Active CN111507980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010440265.9A CN111507980B (zh) 2020-05-22 2020-05-22 动态图像法检测矿石碎磨产品粒度分布的校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010440265.9A CN111507980B (zh) 2020-05-22 2020-05-22 动态图像法检测矿石碎磨产品粒度分布的校正方法

Publications (2)

Publication Number Publication Date
CN111507980A CN111507980A (zh) 2020-08-07
CN111507980B true CN111507980B (zh) 2022-05-10

Family

ID=71872320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010440265.9A Active CN111507980B (zh) 2020-05-22 2020-05-22 动态图像法检测矿石碎磨产品粒度分布的校正方法

Country Status (1)

Country Link
CN (1) CN111507980B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344276B (zh) * 2021-06-17 2022-07-05 福州大学 一种矿石颗粒形状、质量、密度指标概率分布的预测方法
CN113702254B (zh) * 2021-08-30 2023-09-26 云南阿姆德电气工程有限公司 一种自动检测选矿矿石粒级的设备及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6590072B2 (ja) * 2017-03-30 2019-10-16 Ｊｆｅスチール株式会社 原料の粒度分布測定装置、粒度分布測定方法および空隙率測定装置

Also Published As

Publication number Publication date
CN111507980A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN110118775B (zh) 厂拌水泥稳定碎石骨料组成快速检测方法
CN111507980B (zh) 动态图像法检测矿石碎磨产品粒度分布的校正方法
US11391662B2 (en) Raw material particle size distribution measuring apparatus, particle size distribution measuring method, and porosity measuring apparatus
CN105699258B (zh) 一种细骨料在线检测装置及方法
Igathinathane et al. Comparison of particle size distribution of celestite mineral by machine vision ΣVolume approach and mechanical sieving
CN108171175A (zh) 一种深度学习样本增强系统及其运行方法
CN112916407A (zh) 用于分拣煤和矸石的方法
WO2022049549A1 (en) Artificial intelligence based tobacco particle measurement system
CN111968173A (zh) 一种混合料粒度分析方法及系统
Liao et al. On-line automatic optical inspection system for coarse particle size distribution
Yang et al. Research into different methods for measuring the particle-size distribution of aggregates: An experimental comparison
Maerz et al. Calibration of optical digital fragmentation measuring systems
CN112345387B (zh) 基于图像分析的测量煤样坚固性的方法及系统
CN111965081A (zh) 一种混合料粒度分析装置及系统
Santamarina et al. Development and testing of a zooming technique for fragmentation measurement
JPH05164677A (ja) 粒状性物体の粒度分布測定方法
WO2020204165A1 (ja) 粉率測定方法及び装置
CN113552028B (zh) 混合料视觉分析装置、混合料粒度组成检测方法及系统
CN114563315A (zh) 一种圆筒混合机制粒效果在线检测方法
Tysmans et al. Size and shape analysis of sedimentary grains by automated dynamic image analysis
JPH032425B2 (zh)
RU2778816C1 (ru) Способ и аппарат для измерения доли мелких частиц
Traversi et al. VBM granulometry for real applications in the fertilizer industry
Goulart et al. Grain surface simulator to averiguate the overlapping and noise problems on computer vision granullometry of fertilizers
Azari et al. Measurement of vibrated bulk density of coke particle blends using image texture analysis

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