CN111968173A - 一种混合料粒度分析方法及系统 - Google Patents
一种混合料粒度分析方法及系统 Download PDFInfo
- Publication number
- CN111968173A CN111968173A CN202010818005.0A CN202010818005A CN111968173A CN 111968173 A CN111968173 A CN 111968173A CN 202010818005 A CN202010818005 A CN 202010818005A CN 111968173 A CN111968173 A CN 111968173A
- Authority
- CN
- China
- Prior art keywords
- mixture
- image
- preset
- particle size
- area
- 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
- 239000000203 mixture Substances 0.000 title claims abstract description 597
- 238000000034 method Methods 0.000 title claims abstract description 74
- 239000002245 particle Substances 0.000 claims abstract description 361
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 62
- 239000000463 material Substances 0.000 claims description 103
- 238000009826 distribution Methods 0.000 claims description 31
- 238000003921 particle size analysis Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 19
- 239000000284 extract Substances 0.000 abstract description 5
- 238000010191 image analysis Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 96
- 238000005245 sintering Methods 0.000 description 22
- 230000000007 visual effect Effects 0.000 description 19
- 230000035699 permeability Effects 0.000 description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000007664 blowing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 239000000428 dust Substances 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000002156 mixing Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000005469 granulation Methods 0.000 description 3
- 230000003179 granulation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000009865 steel metallurgy Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06T7/0002—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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30136—Metal
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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种混合料粒度分析方法及系统,分析控制系统控制取料平料装置盛接混合料样本,混合料样本随小皮带移动并在脱离小皮带后做下落运动,相机采集混合料样本落入光源照射区域时的图像。分析控制系统对图像进行目标区域提取,得到多个混合料颗粒的混合料区域图像;根据像素标定系数,计算每个混合料区域图像中混合料颗粒的等效半径。根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和与混合料颗粒总体积的占比,得到混合料样本的粒度组成。可见,该方法及系统通过图像分析和体积占比的方式确定粒度组成,实时在线检测,检测结果更加准确,可以缩短混合料粒度调整的时间,进而有利于后序工艺参数的调整。
Description
技术领域
本申请涉及粒度组成检测技术领域,尤其涉及一种混合料粒度分析方法及系统。
背景技术
钢铁冶金领域中,将铁矿粉、焦炭、熔剂等配水混合,通过圆筒制粒机的制粒作用,获得具有一定粒度分布的混合料小球,然后在烧结台车上通过抽风烧结获得高炉炼铁所需的烧结矿。在制粒过程中,混合料小球的粒度分布能直接反映烧结透气性的好坏,良好的粒度组成能够保证烧结过程的透气性,从而有效提高烧结效率、烧结矿产量及质量。
为了使物料受热更均匀,增加透气性,降低能耗,控制混合料粒度大小是关键因素。现有技术中没有直接检测混合料粒度组成的手段,通常利用烧结风箱或大烟道抽风负压的高低反映物料透气性指标,从而间接定性表征混合料粒度组成,如果透气性状况较差,则可以通过改善制粒效果、加水量等因素调节透气性。
但是,该种方法从制粒机出口到烧结机上能够反映烧结透气性效果的位置需要十多分钟,有较大的滞后性,当发现台车上混匀料透气性不好需要改善粒度时,已经无法改变,从而会增加抽风系统的能耗,降低烧结效率,甚至降低烧结矿产量及质量。
发明内容
本申请提供了一种混合料粒度分析方法及系统,以解决现有的缺少混匀料粒度组成直接检测手段,和通过透气性指标间接定性表征混合料粒度组成效果不及时的问题。
第一方面,本申请提供了一种混合料粒度分析方法,包括以下步骤:
获取相机采集的混合料样本落在光源照射区域的图像并计算像素标定系数,所述混合料样本是指由取料平料装置在制粒机出料口盛接的混合料,所述像素标定系数用于表征图像像素与实际尺寸的比例关系;
对所述图像进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像;
根据所述像素标定系数,计算每个所述混合料区域图像中混合料颗粒的等效半径,所述等效半径是指混合料颗粒的实际半径;
根据所述等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和;
计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成。
进一步地,所述获取像素标定系数,包括:
获取相机采集的光源照射区域的标定图像,所述标定图像是指光源照射区域内未出现混合料样本时的图像;
提取所述标定图像中光源的像素长度和像素宽度,以及,获取所述光源的实际长度和实际宽度;
根据所述像素长度和实际长度,或者,根据所述像素宽度和实际宽度,计算像素标定系数。
进一步地,所述对图像进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像,包括:
获取所述图像的灰度值组成;
对所述图像进行全局阈值分割处理,提取出灰度值满足灰度阈值的包含混合料的较黑区域;
对所述包含混合料的较黑区域进行连通域分割处理,得到多个小区域;
获取预设最大检测区域面积和每个所述小区域的像素面积;
选取每个所述小区域的像素面积小于所述预设最大检测区域面积内对应的小区域图像,作为包括混合料颗粒的混合料区域图像。
进一步地,所述获取预设最大检测区域面积,包括:
根据所述像素标定系数K和预设单个混合料最大内径R0,按照式Rmax=(K·R0),确定单个混合料最大像素内径Rmax;
根据所述单个混合料最大像素内径,以及式Smax=Rmax 2·π,计算最大检测像素面积Smax;
根据所述最大检测像素面积和修正系数λ,以及式S=Smax·λ,确定预设最大检测区域面积S。
进一步地,所述根据像素标定系数,计算每个所述混合料区域图像中混合料颗粒的等效半径,包括:
获取每个所述混合料区域图像中混合料颗粒在图像上所占的像素值大小S1;
进一步地,所述根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和,包括:
根据每个混合料颗粒的等效半径,对所述混合料区域图像中的混合料颗粒按照预置粒度等级区间进行分级;
统计同一预置粒度等级区间对应的混合料颗粒的总数量;
式中,V为每个预置粒度等级区间对应的混合料颗粒体积和,n为同一预置粒度等级区间对应的混合料颗粒的总数量,Si为每个预置粒度等级区间对应的第i个混合料颗粒在图像上所占的像素值大小,K为像素标定系数。
进一步地,所述计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成,包括:
式中,V总为所有预置粒度等级区间对应的混合料颗粒的总体积,Vj为第j个预置粒度等级区间对应的混合料颗粒体积和,ηj为第j个预置粒度等级区间对应的混合料颗粒体积和与总体积的占比,j为预置粒度等级区间的设置数量。
进一步地,还包括:
获取在预设检测时长内,相机采集的混合料样本落在光源照射区域的数张图像;
提取每张图像对应的每个预置粒度等级区间对应的混合料颗粒体积和以及所有预置粒度等级区间对应的混合料颗粒的总体积;
计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值。
进一步地,所述计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值,包括:
式中,a为图像的总张数,Vji为第i张图像中第j个预置粒度等级区间对应的混合料颗粒体积和,V总i为第i张图像中所有预置粒度等级区间对应的混合料颗粒的总体积,为a张图像中的第j个预置粒度等级区间对应的粒度组成的平均值;
根据各个预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值。
进一步地,所述对图像进行目标区域提取,得到包括混合料颗粒的混合料区域图像之后,还包括:
对所述包括混合料颗粒的混合料区域图像进行腐蚀算法,剔除噪点图像;
对剔除噪点后的混合料区域图像进行图像恢复处理,得到修改后的混合料区域图像。
第二方面,本申请还提供了一种混合料粒度分析系统,包括:分析控制系统,以及分别与所述分析控制系统连接的制粒机、取料平料装置、小皮带、光源和相机;
所述取料平料装置位于所述小皮带的上方,所述取料平料装置的接料口与所述制粒机的出料口相对,所述取料平料装置盛接由所述制粒机出料口落下的混合料,将盛接得到的混合料样本落入到所述小皮带上,向远离所述制粒机的方向运输;
所述小皮带的沿运行方向的一端下方设置光源,所述光源的远离制粒机的一侧设置所述相机,所述相机和所述光源的中心线重合,所述小皮带上运输的混合料样本沿运行方向移动并在脱离所述小皮带后做下落运动,所述相机采集所述混合料样本落入所述光源照射区域时的图像;
所述相机将采集到的图像发送至所述分析控制系统,所述分析控制系统用于执行第一方面所述的混合料粒度分析方法,确定混合料样本的粒度组成。
由以上技术方案可知,本发明实施例提供的一种混合料粒度分析方法及系统,由分析控制系统控制取料平料装置盛接制粒机卸下的混合料,并将盛接的混合料样本落入到小皮带运动。在混合料样本脱离小皮带后做下落运输,由相机采集混合料样本落入光源照射区域时的图像。分析控制系统获取到图像后进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像;根据像素标定系数,计算每个混合料区域图像中混合料颗粒的等效半径。根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和;计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成。可见,本发明实施例提供的方法及系统,通过图像分析和体积占比的方式确定粒度组成,可以实时在线检测,检测结果更加准确,可以缩短混合料粒度调整的时间,使得通过透气性指标间接定性表征混合料粒度组成效果及时,进而有利于后序工艺参数的调整。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的混合料粒度分析系统的结构图;
图2为本发明实施例提供的混合料粒度分析系统的控制框图;
图3为本发明实施例提供的混合料粒度分析方法的流程图;
图4为本发明实施例提供的获取像素标定系数的方法流程图;
图5为本发明实施例提供的标定图像的示意图;
图6为本发明实施例提供的对图像进行识别处理的方法流程图;
图7为本发明实施例提供的混合料区域图像的示意图;
图8为本发明实施例提供的计算每个预置粒度等级区间对应的混合料颗粒体积和的方法流程图;
图9为本发明实施例提供的混合料粒度分析方法的另一流程图。
具体实施方式
为了实时在线并准确地检测烧结混合料的粒度组成,本发明实施例提供一种混合料粒度分析系统,采用基于视觉分析的方法进行检测,即利用相机拍摄混合料样本下落的图像,然后利用视觉分析算法,分析出每张图像中混合料的粒度组成。在一段时间内,通过分析一定数量的落料图像,获取到每种图像的混合料粒度组成分布值,并取该数量图像的每个粒度等级的粒度组成分布值的平均值,作为该段时间内的混合料的粒度组成。
图1为本发明实施例提供的混合料粒度分析系统的结构图;图2为本发明实施例提供的混合料粒度分析系统中相关可动可控部件的控制框图。参见图1和图2,为此,在进行混合料粒度组成检测时,本发明实施例提供的混合料粒度分析系统,包括:分析控制系统100,以及分别与分析控制系统100连接的制粒机200、取料平料装置300、小皮带400、光源500、相机600和混合料运输皮带700。
分析控制系统100可为软件系统并配置在计算机内,用于对混合料粒度分析过程中所采用的各设备或装置进行控制,例如,分析控制系统100产生控制信号,可控制制粒机200、取料平料装置300、小皮带400、光源500、相机600和混合料运输皮带700执行相应动作。
制粒机200用于对烧结物料进行混合制粒处理,得到混合料。制粒机200可采用圆筒制粒机,烧结原料(铁矿、燃料、白云石、石灰石、冷却返矿)利用圆筒制粒机进行混合制粒,经过一定的混合时间后,烧结原料混合成不同粒度等级的混合料。制粒机200的出料口位于混合料运输皮带700的一端上方,混合料运输皮带700用于输送制粒机经过混合制粒后得到的混合料。混合料运输皮带700可选用混合料胶带机,制粒机200中混合制粒得到的混合料落入到混合料胶带机上,通过胶带机输送到烧结机的混合料仓,进入后序烧结工序。
为保证烧结工序的透气性,需实时在线检测烧结混合料的粒度组成。为此,在取样进行粒度组成分析时,本实施例由取料平料装置300实现检测取样。取料平料装置300设置在制粒机200和混合料运输皮带700之间,取料平料装置300根据待取样的混合料成分、粒度大小、混合料水分值、混合料胶带机的宽度、胶带机速度、单次取样量等参数,来选择合适的取样器的采样头。单次取样量在500g~2000g左右,分析系统中的分析控制系统100可以控制取料平料装置300的取样次数,以及取样器启动和停止动作。
为便于进行混合料粒度分析,本实施例提供的系统,需将取料平料装置300盛接的小流量物料运送至视觉分析系统处,为此,在取料平料装置300的下方设置小皮带400,小皮带400位于取料平料装置300和混合料运输皮带700之间,小皮带400用于将取料平料装置300盛接的混合料运送至视觉分析系统。
取料平料装置300位于小皮带400的上方,可选的,取料平料装置300位于小皮带300的一端上方。取料平料装置300位于制粒机200的一侧,取料平料装置300的接料口与制粒机200的出料口相对。制粒机200的出料口与混合料运输皮带700正对,制粒机200向下卸料时落在混合料运输皮带700上,由混合料运输皮带700运送至后续烧结工序。制粒机200在卸料时,取料平料装置300通过接料口沿卸料流的外侧刮取少量混合料,得到混合料样本,混合料样本通过取料平料装置300的平料端进行平料处理。取料溜槽301刮取到的混合料样本进入取料平料装置300内,并由取料平料装置300的出料口落入到小皮带400上,由小皮带400带着混合料样本向远离制粒机200的方向运输。
为便于接取取料平料装置300卸下的混合料样本,小皮带400,位于取料平料装置300的下方,取料平料装置300盛接的混合料样本落入小皮带400上,向远离制粒机的方向运输,并在检测完毕后可以将混合料样本落回至混合料运输皮带上,不会对混合料造成损耗以及环境的污染。其中小皮带400的速度可通过变频器调节,调节范围为0.3~1.0m/s,以此可以通过改变小皮带的速度来改变取料平料装置300中落下的混合料样本落在小皮带400上的混合料样本的料层厚度。
取料平料装置300和小皮带400均未设置在制粒机200出料口的正下方,而是设置在制粒机200出料口的一侧,这样使得制粒机200向混合料运输皮带700卸料时,卸下的混合料不会被小皮带400阻挡,也不会被取料平料装置300刮取过多的混合料,取料平料装置300刮取的混合料仅需少量,能够满足混合料粒度分析即可。另外,混合料运输皮带700位于小皮带400和制粒机200的下方,以运输由制粒机200的出料口落下的混合料以及脱离小皮带400后并完成图像采集的混合料样本,实现物料的循环再利用,避免造成资源浪费和对现场环境的污染。
小皮带400的运行方向与混合料运输皮带700的运行方向可相反,也可相同。小皮带400和混合料运输皮带700的运行方向与后序烧结工序的设置方向和视觉分析系统的设置方向有关,以图1所示的混合料粒度分析系统的结构图,烧结工序位于混合料粒度分析系统的左侧,视觉分析系统位于右侧,因此,混合料运输皮带700的运行方向为由右向左,小皮带400的运行方向为由左向右。
本实施例中,小皮带400倾斜设置,小皮带400的倾斜角度通过调节小皮带400的支撑支架503的高度实现,小皮带400的位于制粒机200一侧的一端低于另一端。将小皮带400倾斜设置,可以便于由取料平料装置300落入到小皮带400的混合料在运输至另一端后,能够在脱离小皮带400时做自由落体运动,并使堆积在小皮带400上的混合料在落下后能够散开,以便于拍摄到清晰的图像。如果混合料会相互重叠在一起,不利于混合料粒度视觉识别分析效果。
小皮带400的另一端位于混合料运输皮带700的上方,但未延伸到混合料运输皮带700的外侧,也就是说,小皮带400的整体结构都位于混合料运输皮带700的上方且位于混合料运输皮带700的覆盖范围内,使得经由小皮带400另一端落下的混合料能够落入到混合料运输皮带700上,进而使得完成视觉分析图像采集后的混合料能够再次由大皮带混合料运输皮带700运送至后续烧结工序,避免造成混合料的浪费。
小皮带400的另一端处设有视觉分析系统,视觉分析系统用于拍摄由小皮带400另一端落下的混合料的图像。可选的,视觉分析系统包括光源500和相机600。小皮带400的沿运行方向的一端下方设置光源500,可选的,光源500采用背光式光源,背光光源安装在小皮带400的末端下部,采用亮度可调的光源,光源的高度尺寸为200~400mm,优选300mm,宽度尺寸为200~400mm,高度和宽度可以保持一致或者不一致。
相机600设置在光源500的远离制粒机200的一侧,相机600和光源500的中心线重合,当混合料样本经过自由落体运动进入相机视野中,由于体积阻挡会在背光源中光线路径产生黑色斑点,因此可用相机600用于采集混合料样本在脱离小皮带400后落入光源500照射区域时的图像,图像用于对混合料样本进行混合料粒度分析,以确定混合料样本的粒度组成。
光源500的顶部距离小皮带400的末端底部的垂直距离约400~600mm,优选500mm,该垂直距离基本可以保证混合料下落时,物料散开,使得相机600在拍照时,图像中的混合料是分开的,从而有利于视觉分析混合料的粒度组成。
由于在采集混合料图像时,混合料需由光源500的发光表面经过,因此,为了保证混合料能够由光源500的发光表面经过,避免光源500对混合料的下料路径造成阻挡,需要光源500的安装位置不要超过小皮带400另一端的端部。
混合料经由小皮带400的端部落下并经过光源500后,由相机600采集混合料经过光源500照射区域的图像。光源500的远离制粒机200的一侧设置相机600,相机600通过相机支架602固定在地面,使得相机600和光源500的中心线重合,相机600的镜头正对光源500的发光表面,使得混合料能够由光源500和相机600之间的区域落下。小皮带400上运输的混合料样本沿运行方向移动并在脱离小皮带400后做下落运动,相机600采集混合料样本落入光源500照射区域时的图像。
为了精确测量混合料的粒度分布,同时抑制运动拖影,可以选择高分辨率、高帧率的相机600,其帧速要求到达至少90帧/秒的速度,相机像素要求130万像素以上。且相机600的镜头要综合考虑精度要求、成像尺寸、拍摄物距等因素,选取35~50mm焦距,百万像素高清镜头。
由于如果光源500的发光表面存在沾料情况,会对后续的混合料粒度分析造成较大误差,因此,为了防止混合料落下时落入到光源500上表面,避免影响视觉分析结果,本实施例中,在光源500的上方设置挡灰板。
同样的,为了防止混合料落入到相机600的镜头上,影响采集图像的清晰度,本实施例中,在相机600的上方设置遮光罩601,遮光罩601覆盖混合料落料区域。遮光罩601的作用主要有遮光,即防止环境光的改变对现场检测结果的影响;另外由于此检测环境处于半封闭的室外环境,而混合料的自重比较轻,基本都处于mg级别,容易受到外力例如大风天气的影响,所以遮光罩也能起到遮风的效果,避免外力对混合料的自由落体运动造成影响。
挡灰板和遮光罩均是为了保护好背光光源、相机等易损器件,还可防止外部扬尘或者其他湿粉尘粘连到光源500的发光表面和相机600的镜头,从而影响视觉分析结果。
为了防止落料的粉尘粘连到相机600的镜头,或者背光光源500的发光表面上面,本发明实施例提供的混合料粒度分析系统,还可以在相机600的镜头上和光源500的表面分别设置吹气装置。采用压缩空气周期性的吹气装置,以免粉尘累积到镜头上面和光源500发光表面上。
吹气装置将光源500或相机600包围起来。吹气装置包括进气口和数个出气口,进气口与每个出气口连通。以光源500为例,进气口设置在与光源500的一条边对应的位置,出气口设置在与光源500的四个角对应的位置,每个角对应一个出气口,出气口的设置角度为与光源500的边呈45度角,使得由出气口流出的气体能够向光源500的中心吹送。
吹气装置外接进风管道,进风管道内是小压强的气流,外来的气流经由进气口进入吹气装置,并分别通过四个出气口向光源500的表面吹去,风吹方向与光源500的表面平行,且四个出气口的气流能够汇聚在光源500的中间位置,以吹掉落在光源500上的灰尘或混合料等,但是,不会对光源500照射区域内的混合料样本产生力的作用。
在相机600的镜头上设置吹气装置时,可采用与光源500同样的设置方式,区别在于出气口可设置在镜头的一侧,使得由出气口流出的气流能够由一侧吹向另一侧,出气方向与镜头表面平行。
相机600拍摄到混合料图像后,由分析控制系统100实现视觉分析。相机600与分析控制系统601连接,相机600将拍摄的图像发送至分析控制系统100,分析控制系统100在控制混合料粒度分析系统中各设备的运行速度,启停动作之外,还用于存储相机600拍摄的图像以及执行混合料粒度分析方法,对图像进行图像识别处理,确定混合料样本的粒度组成。该分析控制系统100可考虑用高性能工控机,并有较大容量的存储空间,用于存储一定数量的图片,图像分析处理程序可以在高性能工控机的CPU上运行。
可见,本发明实施例提供的混合料粒度分析系统,实现混合料的粒度组成在线检测,满足工艺生产要求,对提高烧结矿的产质量有较大帮助,并且提高烧结工厂智能化及自动化水平。该系统采用基于视觉分析的方法进行检测,即通过对混合料下落图像的拍摄和视觉分析,进而确定混合料的粒度组成。该系统在检测混合料的粒度组成时可实时在线检测,检测结果更加准确,可以缩短混合料粒度调整的时间,进而有利于后序工艺参数的调整。
图3为本发明实施例提供的混合料粒度分析方法的流程图。参见图3,本发明实施例提供的一种混合料粒度分析方法,该方法可由混合料粒度分析系统中的分析控制系统100执行,具体地,混合料粒度分析方法包括以下步骤:
S1、获取相机采集的混合料样本落在光源照射区域的图像并计算像素标定系数,混合料样本是指由取料平料装置在制粒机出料口盛接的混合料,像素标定系数用于表征图像像素与实际尺寸的比例关系。
分析控制系统100在进行混合料粒度分析时,分析控制系统100开启取料平料装置300,由取料平料装置300盛接经由制粒机200卸下的混合料。并将盛接的混合料样本卸入到小皮带400上,由小皮带400运送至光源500和相机600的所在位置。混合料样本运送到光源和相机处的具体过程可参照前述实施例提供的混合料粒度分析系统的相关描述,混合料样本运送所使用的相关设备可采用混合料粒度分析系统中的各设备,本实施例不再赘述。
混合料样本经由小皮带400运送并脱离小皮带400后,做自由落体运动,由相机采集混合料样本经过光源500照射区域的图像。图像中包括混合料颗粒与背景,背景包括光源发光表面。由于混合料样本在由小皮带400尾端落下时,混合料样本在惯性作用下逐渐分散,使得混合料样本是由聚集状态渐变为分散状态。因此,图像中的小流量混合料颗粒经过取料平料装置300成像之间大部分会存在间隙,但也可能相互黏连。
相机600的镜头视场内可看到一定区域面积的混合料样本,该部分混合料样本由数颗混合料颗粒组成。每颗混合料颗粒的粒径可能相同,也可能不同,呈现粒度分级状态。因此,相机600采集到的图像中会包括数颗不同粒径的混合料颗粒的成像。
分析控制系统100实时获取相机采集的混合料样本经过光源照射区域的图像,通过对图像进行分析,以确定图像中混合料颗粒的实际粒度。
在确定混合料粒度组成时,分析控制系统100需根据图像中的像素来确定混合料的实际尺寸,因此,需要先确定相机拍摄的图像与实际尺寸的比例关系,为此,需先将光源作为参照物,将相机采集到的光源的像素尺寸和实际尺寸,确定像素标定系数,像素标定系数用于表征图像像素与实际尺寸的比例关系。
图4为本发明实施例提供的获取像素标定系数的方法流程图;图5为本发明实施例提供的标定图像的示意图。具体地,参见图4和图5,分析控制系统在计算像素标定系数的过程,包括:
S11、获取相机采集的光源照射区域的标定图像,标定图像是指光源照射区域内未出现混合料样本时的图像。
S12、提取标定图像中光源的像素长度和像素宽度,以及,获取光源的实际长度和实际宽度。
S13、根据像素长度和实际长度,或者,根据像素宽度和实际宽度,计算像素标定系数。
在固定相机600、焦距的情况下,光源600的前方未出现混合料或其他干扰物,相机600先对光源500进行单独的图像采集,此时,采集到的标定图像中仅包括光源的成像。
分析控制系统100从标定图像中获取到光源的像素长度L和像素宽度D,像素长度是指光源在图像中沿长度方向所占像素点的数量,像素宽度是指光源在图像中沿宽度方向所占像素点的数量。
为确定参照物光源的像素尺寸与实际尺寸的像素标定系数,分析控制系统100还需获取光源的实际长度l和实际宽度d,实际长度是指光源在检测环境中的可视长度,实际宽度是指光源在检测环境中的可视宽度。
S2、对图像进行目标区域提取,得到包括混合料颗粒的混合料区域图像。
分析控制系统100对相机拍摄的图像进行目标区域提取,目标区域是指包括混合料颗粒但不包括干扰物的区域,提取出的目标区域仅包括混合料颗粒的混合料区域图像,进而可以准确地确定拍摄的混合料样本的粒度组成。
图6为本发明实施例提供的对图像进行识别处理的方法流程图;图7为本发明实施例提供的混合料区域图像的示意图。本实施例中,参见图6和图7,分析控制系统100对图像进行目标区域提取,得到包括混合料颗粒的混合料区域图像的过程,包括:
S21、获取图像的灰度值组成。
S22、对图像进行全局阈值分割处理,提取出灰度值满足灰度阈值的包含混合料的较黑区域。
S23、对包含混合料的较黑区域进行连通域分割处理,得到多个小区域。
S24、获取预设最大检测区域面积和每个小区域的像素面积。
S25、选取每个小区域的像素面积小于预设最大检测区域面积内对应的小区域图像,作为包括混合料颗粒的混合料区域图像。
相机600采集到的图像通常为灰度图像,分析控制系统100在0-255的灰度图上识别图像的灰度值组成。图像中纯黑区域的灰度值为0,纯白区域的灰度值为255。为提取出包含混合料的区域,需先设定灰度阈值,本实施例中设定在灰度阈值内的灰度值对应的区域即为包含混合料的区域。
为此,分析控制系统100在0-255的灰度图上对图像进行全局阈值分割处理,提取出灰度值较低的区域,即满足灰度阈值的区域,获得包含混合料的较黑区域。全局阈值分割的方法可采用图像处理领域常用的方法,此处不再赘述。
本实施例中,设定灰度阈值为0-60,即像素点范围为0-60。最小灰度值为0,最大灰度值为60,将图像中满足该灰度值范围的所有点作为一个区域提取出来,所有提取出来的区域均为包含混合料的较黑区域。其中,较黑区域是指灰度值位于0-60之间的区域。
由于混合料样本中包括不同粒径的混合料颗粒,而粒径过于大的混合料颗粒不在检测范围内,因此,需将粒径过大的混合料颗粒滤除掉,只留下满足粒径检测要求的区域。对包含混合料的较黑区域进行连通域分割处理,将一整个较黑区域中不相邻的区域分割成多个小区域,每个小区域包括一个混合料颗粒。
由于混合料颗粒的粒径不同,因此,每个小区域在图像中具有不同的像素面积,像素面积是指每个小区域所占像素值大小。在利用像素大小选取包含混合料颗粒的区域时,需将每个小区域的像素面积与预设最大检测区域面积进行对比。最大检测区域面积根据混合料粒度分析时检测的最大粒径确定的面积来确定,如果某个小区域的像素面积位于预设最大检测区域面积之内,说明该小区域为满足检测最大粒径的要求,即对应的混合料颗粒的粒径小于或等于检测最大粒径。
在完成所有小区域的像素面积与预设最大检测区域面积的对比之后,将像素面积小于预设最大检测区域面积内对应的小区域确定为包括混合料颗粒的混合料区域,进而提取出包括混合料颗粒的混合料区域图像,仅针对该图像进行混合料粒度分析,可以提高分析结果的准确性。
在确定预设最大检测区域面积时,本实施例提供的方法,采用依据预设单个混合料最大内径来确定,该方法包括:
步骤241、根据像素标定系数K和预设单个混合料最大内径R0,按照式Rmax=(K·R0),确定单个混合料最大像素内径Rmax。
步骤S242、根据单个混合料最大像素内径,以及式Smax=Rmax 2·π,计算最大检测像素面积Smax。
步骤S243、根据最大检测像素面积和修正系数λ,以及式S=Smax·λ,确定预设最大检测区域面积S。
检测所需最大粒径为混合料颗粒的实际尺寸,即预设单个混合料最大内径R0为实际尺寸,而图像中的最大检测面积为像素面积,因此,需根据像素标定系数进行转换,确定图像中的单个混合料最大像素内径。
根据式Rmax=(K·R0)确定单个混合料最大像素内径Rmax后,由于每个小区域可等效为圆形,因此,可确定每个小区域的最大检测面积为Smax=Rmax 2·π。本实施例中,预设单个混合料最大内径R0可设为15mm,也可根据实际应用情况设定为其他值,此处不做具体限定。
在利用像素大小选择区域时,由于混合料颗粒存在不规则性,为了防止有部分混合料颗粒被排除在外,本实施例,对确定出的最大检测面积进行修正,即扩大最大检测面积。利用修正系数扩大最大检测面积,确定预设最大检测区域面积S,修正系数可设定为1.5,也可为其他值,本实施例不做具体限定。
而后将每个小区域的像素面积与预设最大检测区域面积限定的面积范围0~S进行对比,将像素面积位于0~S之间的小区域提取出来,作为包括混合料颗粒的混合料区域。
由于混合料颗粒会存在粘连的现象,使得一个小区域内可能包括两个或多个黏在一起的混合料颗粒,此时,分析控制系统100会将该小区域对应的混合料颗粒判定为同一颗混合料颗粒,使得混合料粒度组成检测结果出现误差。因此,为保证混合料粒度组成的检测准确性,需将提取的包括混合料颗粒的混合料区域进行噪点剔除处理。
具体地,噪点剔除处理方法包括:对包括混合料颗粒的混合料区域图像进行腐蚀算法,剔除噪点图像;对剔除噪点后的混合料区域图像进行图像恢复处理,得到修改后的混合料区域图像。
将提取的混合料区域应用带有圆形结构元素的Minkowski减法,作为结构元素的圆半径设置为2个像素单元,对其进行腐蚀算法,把关注度较弱且对结果影响不大、容易产生误差的噪点剔除;再通过同等大小圆形结构元素的Minkowski加法应用于处理后的区域,恢复原有区域大小,此区域即为提取的混合料区域,进而得到修改后的混合料区域图像。
S3、根据像素标定系数,计算混合料区域图像中混合料颗粒的等效半径,等效半径是指混合料颗粒的实际半径。
在提取出进行混合料粒度分析的混合料区域图像后,对每个混合料区域进行图像像素与实际尺寸的转换,为此,根据像素标定系数,确定混合料颗粒的等效半径,即实际半径。
每个混合料颗粒在图像上均会占据不同数量的像素点,而不同数量的像素点即可确定混合料颗粒的像素面积S1,进而确定混合料颗粒的像素半径。根据像素标定系数K和等效半径r,即可确定混合料颗粒的像素半径为K·r。
S4、根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和。
按照前述方法分别计算出每个混合料区域图像对应的混合料颗粒的等效半径后,即可根据预置粒度等级区间进行粒径分级,粒径分级可表征混合料粒度组成的分级情况。
在预设单个混合料最大内径设定为15mm时,可将0~15mm的混合料进行粒度分级,划分成(0mm~1mm]、(1mm~3mm]、(3mm~5mm]、(5mm~7mm]、(7mm~15mm]、15mm以上的1#~6#区间。1#~6#区间即为预置粒度等级区间,将每个混合料颗粒的等效半径按照每种预置粒度等级区间进行划分粒径分级,例如,将等效半径位于0mm~1mm的混合料颗粒划分至第一预置粒度等级区间,将等效半径位于1mm~3mm的混合料颗粒划分至第二预置粒度等级区间,……,将等效半径位于>15mm的混合料颗粒划分至第六预置粒度等级区间。每个预置粒度等级区间均对应有多个混合料颗粒。
由于混合料颗粒的形状存在不规则的形状,而相机拍摄为二维形状,固将其近似成一个等效的球体,来估算每个混合料颗粒在三维方向的大小,从而计算混合料颗粒的体积。本实施例中,采用计算体积的方式来检测混合料粒度组成。因此,分别计算每个混合料颗粒的体积,进而可以确定每一个预置粒度等级区间对应的混合料颗粒体积和。
图8为本发明实施例提供的计算每个预置粒度等级区间对应的混合料颗粒体积和的方法流程图。参见图8,本实施例中,根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和,包括:
S41、根据每个混合料颗粒的等效半径,对混合料区域图像中的混合料颗粒按照预置粒度等级区间进行分级。
S42、统计同一预置粒度等级区间对应的混合料颗粒的总数量。
式中,V为每个预置粒度等级区间对应的混合料颗粒体积和,n为同一预置粒度等级区间对应的混合料颗粒的总数量,Si为每个预置粒度等级区间对应的第i个混合料颗粒在图像上所占的像素值大小,K为像素标定系数。
按照预置粒度等级区间对每个混合料区域图像对应的混合料颗粒进行粒度分级,即可得到不同粒级的混合料组,每个预置粒度等级区间对应数个混合料颗粒。
由于每个混合料颗粒在二维图像中可近似为圆形,根据前述实施例示例的混合料颗粒的等效半径划分得到的(0mm~1mm]、(1mm~3mm]、(3mm~5mm]、(5mm~7mm]、(7mm~15mm]、15mm以上的1#~6#区间,即可确定(0~K]、(K~3K]、(3K~5K]、(5K~7K]、(7K~15K]、15K以上的1#~6#像素区间。
如果某个混合料颗粒的等效半径满足某个像素区间,例如满足区间0~K,则输出值1#区间并计算混合料颗粒的数量+1,最终将所有混合料颗粒划分至对应的像素区间,并统计每个像素区间包括的混合料颗粒数量,1#~6#像素区间的个数分别为n1、n2、n3、n4、n5、n6。
S5、计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成。
由于混合料的密度一致,其体积占比即其质量占比,因此在确定出每种预置粒度等级区间对应的混合料颗粒体积和之后,即可根据体积占比的算法,确定图像中所包含的混合料样本的粒度组成。
具体地,根据体积占比确定混合料样本的粒度组成,包括:
式中,V总为所有预置粒度等级区间对应的混合料颗粒的总体积,Vj为第j个预置粒度等级区间对应的混合料颗粒体积和,ηj为第j个预置粒度等级区间对应的混合料颗粒体积和与总体积的占比,j为预置粒度等级区间的设置数量。
将体积占比(η1、η2、η3、η4、η5、η6)作为图像中所呈现的混合料样本的粒度组成。
可见,本实施例提供的混合料粒度分析方法,采用基于视觉分析的方法进行检测,即利用相机拍摄混合料样本下落的图像,然后利用视觉分析算法,计算每个预置粒度等级区间的混合料颗粒的体积占比,分析出图像中混合料的粒度组成。该方法可以在检测混合料的粒度组成时可实时在线检测,检测结果更加准确,可以缩短混合料粒度调整的时间,进而有利于后序工艺参数的调整。
由于相机采集的一张混合料图像的粒度组成分布值仅仅代表混合料某一瞬间的混合料粒度组成,不能代表该时段的混合料粒度组成分布。因此,本实施例提供的混合料粒度分析方法,在某一时间段内取a张图像,分别计算每种图像的混合料粒度组成分布,取每个预置粒度等级区间对的粒度组成分布值的平均值,作为该时间段内的混合料粒度组成分布值。
图9为本发明实施例提供的混合料粒度分析方法的另一流程图。具体地,参见图9,本发明实施例提供的方法,还包括:
S6、获取在预设检测时长内,相机采集的混合料样本落在光源照射区域的数张图像。
S7、提取每张图像对应的每个预置粒度等级区间对应的混合料颗粒体积和以及所有预置粒度等级区间对应的混合料颗粒的总体积。
S8、计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值。
由于一张混合料图像代表性不足,需要通过单位时间段T1(预设检测时长)内,T1的取值为范围2~10s,连续拍摄a张混合料图像,然后利用视觉算法分析a张图像的混合料粒度分布,取a张粒度分布值的平均值作为T1时间段内的混合料的粒度组成分布值,a的取值范围一般取10~50。
为了保证混合料粒度组成分析的准确性,本实施例采用的方法,可通过在预设检测时长内相机拍摄的多组混合料图像进行分析。每张图像的混合料粒度组成的分析过程可参照前述实施例提供的步骤S1至S5所示的全部内容,此处不再赘述。
按照步骤S1至S5的内容,获取每张图像对应的每个预置粒度等级区间对应的混合料颗粒体积和Vj以及所有预置粒度等级区间对应的混合料颗粒的总体积V总,再分别计算各张图像对应的同种预置粒度等级区间对应的粒度组成的平均值。
假设a张混合料图像的第一预置粒度等级区间的混合料颗粒体积和分别为V11,V12…V1a,第二预置粒度等级区间的混合料颗粒体积和分别为V21,V22…V2a,第三预置粒度等级区间的混合料颗粒体积和分别为V31,V32…V3a,第四预置粒度等级区间的混合料颗粒体积和分别为V41,V42…V4a,第五预置粒度等级区间的混合料颗粒体积和分别为V51,V52…V5a,第六预置粒度等级区间的混合料颗粒体积和分别为V61,V62…V6a。a张混合料图像的所有预置粒度等级区间对应的混合料颗粒的总体积之和为则由a张混合料图像的同种预置粒度等级区间的体积和之和除以a张混合料图像的总体积之和,计算每一级的粒度组成分布值的平均值,作为该时段内混合料的粒度组成分布值。
具体地,本实施例中,计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值,包括:
步骤81、按照式计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值;式中,a为图像的总张数,Vji为第i张图像中第j个预置粒度等级区间对应的混合料颗粒体积和,V总i为第i张图像中所有预置粒度等级区间对应的混合料颗粒的总体积,为a张图像中的第j个预置粒度等级区间对应的粒度组成的平均值。
步骤82、根据各个预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值。
以设定六个预置粒度等级区间为例,j取值1、2、3、4、5、6。
可见,本发明实施例提供的方法,以预设检测时长内相机拍摄的a张图像作为检测依据,先确定每张图像所呈现的混合料检测样本的粒度组成,再由a张混合料图像的同种预置粒度等级区间的体积和之和除以a张混合料图像的总体积之和,计算各张图像的粒度组成平均值,作为预设检测时长内的混合料的粒度组成检测最终结果,以提高检测结果的准确性。
由以上技术方案可知,本发明实施例提供的一种混合料粒度分析方法及系统,由分析控制系统控制取料平料装置盛接制粒机卸下的混合料,并将盛接的混合料样本落入到小皮带运输。在混合料样本脱离小皮带后做下落运动,由相机采集混合料样本落入光源照射区域时的图像。分析控制系统获取到图像后进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像;根据像素标定系数,计算每个混合料区域图像中混合料颗粒的等效半径。根据等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和;计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成。可见,本发明实施例提供的方法及系统,通过图像分析和体积占比的方式确定粒度组成,可以实时在线检测,检测结果更加准确,可以缩短混合料粒度调整的时间,使得通过透气性指标间接定性表征混合料粒度组成效果及时,进而有利于后序工艺参数的调整。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的混合料粒度分析方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (11)
1.一种混合料粒度分析方法,其特征在于,包括以下步骤:
获取相机采集的混合料样本落在光源照射区域的图像并计算像素标定系数,所述混合料样本是指由取料平料装置在制粒机出料口盛接的混合料,所述像素标定系数用于表征图像像素与实际尺寸的比例关系;
对所述图像进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像;
根据所述像素标定系数,计算每个所述混合料区域图像中混合料颗粒的等效半径;
根据所述等效半径和预置粒度等级区间,计算每个预置粒度等级区间对应的混合料颗粒体积和;
计算每个预置粒度等级区间对应的混合料颗粒体积和与所有预置粒度等级区间对应的混合料颗粒总体积的占比,得到混合料样本的粒度组成。
2.根据权利要求1所述的方法,其特征在于,所述计算像素标定系数,包括:
获取相机采集的光源照射区域的标定图像,所述标定图像是指光源照射区域内未出现混合料样本时的图像;
提取所述标定图像中光源的像素长度和像素宽度,以及,获取所述光源的实际长度和实际宽度;
根据所述像素长度和实际长度,或者,根据所述像素宽度和实际宽度,计算像素标定系数。
3.根据权利要求1所述的方法,其特征在于,所述对图像进行目标区域提取,得到多个包括混合料颗粒的混合料区域图像,包括:
获取所述图像的灰度值组成;
对所述图像进行全局阈值分割处理,提取出灰度值满足灰度阈值的包含混合料的较黑区域;
对所述包含混合料的较黑区域进行连通域分割处理,得到多个小区域;
获取预设最大检测区域面积和每个所述小区域的像素面积;
选取每个所述小区域的像素面积小于所述预设最大检测区域面积内对应的小区域图像,作为包括混合料颗粒的混合料区域图像。
8.根据权利要求1所述的方法,其特征在于,还包括:
获取在预设检测时长内,相机采集的混合料样本落在光源照射区域的数张图像;
提取每张图像对应的每个预置粒度等级区间对应的混合料颗粒体积和以及所有预置粒度等级区间对应的混合料颗粒的总体积;
计算每张图像中同种预置粒度等级区间对应的粒度组成的平均值,确定预设检测时长内混合料的粒度组成分布值。
10.根据权利要求1所述的方法,其特征在于,所述对图像进行目标区域提取,得到包括混合料颗粒的混合料区域图像之后,还包括:
对所述包括混合料颗粒的混合料区域图像进行腐蚀算法,剔除噪点图像;
对剔除噪点后的混合料区域图像进行图像恢复处理,得到修改后的混合料区域图像。
11.一种混合料粒度分析系统,其特征在于,包括:分析控制系统,以及分别与所述分析控制系统连接的制粒机、取料平料装置、小皮带、光源和相机;
所述取料平料装置位于所述小皮带的上方,所述取料平料装置的接料口与所述制粒机的出料口相对,所述取料平料装置盛接由所述制粒机出料口落下的混合料,将盛接得到的混合料样本落入到所述小皮带上,向远离所述制粒机的方向运输;
所述小皮带的沿运行方向的一端下方设置光源,所述光源的远离制粒机的一侧设置所述相机,所述相机和所述光源的中心线重合,所述小皮带上运输的混合料样本沿运行方向移动并在脱离所述小皮带后做下落运动,所述相机采集所述混合料样本落入所述光源照射区域时的图像;
所述相机将采集到的图像发送至所述分析控制系统,所述分析控制系统用于执行权利要求1所述的混合料粒度分析方法,确定混合料样本的粒度组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818005.0A CN111968173B (zh) | 2020-08-14 | 一种混合料粒度分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818005.0A CN111968173B (zh) | 2020-08-14 | 一种混合料粒度分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968173A true CN111968173A (zh) | 2020-11-20 |
CN111968173B CN111968173B (zh) | 2024-07-02 |
Family
ID=
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111965081A (zh) * | 2020-08-14 | 2020-11-20 | 湖南长天自控工程有限公司 | 一种混合料粒度分析装置及系统 |
WO2023279556A1 (zh) * | 2021-07-09 | 2023-01-12 | 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 |
CN116000290A (zh) * | 2023-03-27 | 2023-04-25 | 青岛贝诺磁电科技有限公司 | 冶金供料过程中自动加料控制方法和系统 |
CN117607143A (zh) * | 2023-10-16 | 2024-02-27 | 江苏跃畅新能源科技有限公司 | 一种固体破碎混合物料分选效率检测装置和方法 |
CN117788554A (zh) * | 2024-02-23 | 2024-03-29 | 东莞市兆丰精密仪器有限公司 | 管道参数测量方法、电子设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2012948A (en) * | 1977-12-29 | 1979-08-01 | Sumitomo Metal Ind | Investigation of Particle Size Distribution |
CA2503974A1 (en) * | 2002-11-27 | 2004-06-17 | E. I. Du Pont De Nemours And Company | Method and apparatus for measuring amounts of non-cohesive particles in a mixture |
US20160178539A1 (en) * | 2014-12-18 | 2016-06-23 | Università Degli Studi Di Bergamo | Method of analysing ground coffee |
CN108447072A (zh) * | 2018-02-05 | 2018-08-24 | 山东大学 | 一种晶体颗粒的图像分割方法及系统 |
CN110838128A (zh) * | 2019-11-07 | 2020-02-25 | 华侨大学 | 一种图像法集料堆叠空隙率预测方法和系统 |
CN111351739A (zh) * | 2020-03-24 | 2020-06-30 | 中冶长天国际工程有限责任公司 | 一种基于图像与堆密度的混合料粒度组成检测方法及系统 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2012948A (en) * | 1977-12-29 | 1979-08-01 | Sumitomo Metal Ind | Investigation of Particle Size Distribution |
CA2503974A1 (en) * | 2002-11-27 | 2004-06-17 | E. I. Du Pont De Nemours And Company | Method and apparatus for measuring amounts of non-cohesive particles in a mixture |
US20160178539A1 (en) * | 2014-12-18 | 2016-06-23 | Università Degli Studi Di Bergamo | Method of analysing ground coffee |
CN108447072A (zh) * | 2018-02-05 | 2018-08-24 | 山东大学 | 一种晶体颗粒的图像分割方法及系统 |
CN110838128A (zh) * | 2019-11-07 | 2020-02-25 | 华侨大学 | 一种图像法集料堆叠空隙率预测方法和系统 |
CN111351739A (zh) * | 2020-03-24 | 2020-06-30 | 中冶长天国际工程有限责任公司 | 一种基于图像与堆密度的混合料粒度组成检测方法及系统 |
Non-Patent Citations (5)
Title |
---|
AARON R. COENEN 等: "Aggregate structure characterisation of asphalt mixtures using two-dimensional image analysis", 《ROAD MATERIALS AND PAVEMENT DESIGN》, 11 September 2012 (2012-09-11), pages 433 - 454, XP055607848, DOI: 10.1080/14680629.2012.711923 * |
ALEXANDER L. KLEIN 等: "Apparatus to control and visualize the impact of a high-energy laser pulse on a liquid target Editor’s Pick", 《REVIEW SCIENTIFIC INSTRUMENT》, vol. 88, no. 9, 11 September 2017 (2017-09-11), pages 1 - 3 * |
JAE-KYUN AHN 等: "Large-Scale 3D Point Cloud Compression Using Adaptive Radial Distance Prediction in Hybrid Coordinate Domains", 《IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING》, vol. 9, no. 3, 30 April 2015 (2015-04-30), pages 422 - 434, XP055534968, DOI: 10.1109/JSTSP.2014.2370752 * |
张敏: "基于数学形态学的医学图像目标检测", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》, no. 7, 15 July 2013 (2013-07-15), pages 136 - 206 * |
王晶 等: "针对高分辨率遥感影像分割的改进连通域标记方法", 《计算机工程与应用》, 1 April 2005 (2005-04-01), pages 37 - 39 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111965081A (zh) * | 2020-08-14 | 2020-11-20 | 湖南长天自控工程有限公司 | 一种混合料粒度分析装置及系统 |
WO2023279556A1 (zh) * | 2021-07-09 | 2023-01-12 | 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 |
CN116000290A (zh) * | 2023-03-27 | 2023-04-25 | 青岛贝诺磁电科技有限公司 | 冶金供料过程中自动加料控制方法和系统 |
CN117607143A (zh) * | 2023-10-16 | 2024-02-27 | 江苏跃畅新能源科技有限公司 | 一种固体破碎混合物料分选效率检测装置和方法 |
CN117607143B (zh) * | 2023-10-16 | 2024-06-25 | 江苏跃畅新能源科技有限公司 | 一种固体破碎混合物料分选效率检测装置和方法 |
CN117788554A (zh) * | 2024-02-23 | 2024-03-29 | 东莞市兆丰精密仪器有限公司 | 管道参数测量方法、电子设备以及存储介质 |
CN117788554B (zh) * | 2024-02-23 | 2024-05-28 | 东莞市兆丰精密仪器有限公司 | 管道参数测量方法、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111965081A (zh) | 一种混合料粒度分析装置及系统 | |
JP6037125B2 (ja) | 光学式粒状物選別機 | |
CN110476053B (zh) | 原料的粒度分布测定装置、粒度分布测定方法以及空隙率测定装置 | |
JP6152845B2 (ja) | 光学式粒状物選別機 | |
JP6697561B2 (ja) | コンベヤ上の原料の質量を決定するための方法およびシステム | |
JP6519034B2 (ja) | 粉率測定装置および粉率測定システム | |
JP5569799B2 (ja) | 色彩選別機 | |
CN102023045B (zh) | 一种非接触式煤仓煤位光电测量方法 | |
KR101926641B1 (ko) | 건설폐기물 중의 유기 이물질과 무기 이물질의 선별을 위한 분석시스템과 이를 이용한 순환골재 생산방법 | |
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 | |
CN107649234A (zh) | 一种破碎机破碎粒径自动调节装置及方法 | |
AU2009202528A1 (en) | Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system | |
EP0391530B1 (en) | Method of measuring average particle size of granular material | |
CN103364315B (zh) | 一种烧结固体燃料粒度在线检测方法及检测装置 | |
CN107909584B (zh) | 一种通过冷料监控的沥青混合料级配预估方法 | |
CN111179236A (zh) | 一种用于造球机的生球粒度分析方法及装置 | |
CN111968173A (zh) | 一种混合料粒度分析方法及系统 | |
CN111968173B (zh) | 一种混合料粒度分析方法及系统 | |
Koh et al. | Improving particle size measurement using multi-flash imaging | |
CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 | |
CN117129388A (zh) | 一种基于图像检测的石料颗粒级配检测装置与方法 | |
CN111507980A (zh) | 动态图像法检测矿石碎磨产品粒度分布的校正方法 | |
JP6806176B2 (ja) | コンベア上の塊状物質周囲のミスト判定方法及びコンベア上の塊状物質の性状測定方法 | |
CN113409297A (zh) | 骨料体积计算方法、粒形级配数据生成方法、系统和设备 | |
JP2002221481A (ja) | 粒度測定装置 |
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 |