CN112330653A - 一种基于图像识别技术的矿石粒度在线检测方法 - Google Patents
一种基于图像识别技术的矿石粒度在线检测方法 Download PDFInfo
- Publication number
- CN112330653A CN112330653A CN202011277872.4A CN202011277872A CN112330653A CN 112330653 A CN112330653 A CN 112330653A CN 202011277872 A CN202011277872 A CN 202011277872A CN 112330653 A CN112330653 A CN 112330653A
- Authority
- CN
- China
- Prior art keywords
- image
- ore
- result
- granularity
- information
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 239000002245 particle Substances 0.000 claims abstract description 18
- 238000012795 verification Methods 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 239000002390 adhesive tape Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003921 particle size analysis Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G06T7/0002—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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于图像识别技术的矿石粒度在线检测方法,其特征在于包括如下步骤:S1、通过CCD工业相机采集胶带运输机上矿石的图像信息,并输送到计算机控制系统的图像处理系统;经过图像预处理,图像增强处理等图像识别技术的处理过程,获得比较清晰的矿石颗粒图像,最后,经过人工验证,将人工计算粒度分析的结果与图像粒度分析的结果进行比较,并根据误差情况进行参数验证,获得更接近实际的矿石粒度。本发明的优点是:1)对图像进行亮点调节处理,既可以使连接在一起的颗粒断开,又可以弥补利用分水岭算法可能造成的过度分割问题;2)经过人工验证后,检测的结果更加真实可靠,为自动化控制系统提供及时准确的反馈信息。
Description
技术领域
本发明专利属于选矿检测技术领域,具体涉及一种基于图像识别技术的矿石粒度在线检测方法。
背景技术
选矿厂破碎筛分作业的最主要指标是破碎产品粒度,破碎产品粒度的信息能够直接反映破碎过程中各段破碎机的工作效率状况,因此,破碎产品粒度的在线检测是对矿石破碎过程进行优化控制的前提,只有实时掌握破碎产品的粒度情况,才能够及时反馈信息,从而控制调整破碎机给矿量、排矿口以及筛分机械等影响因素,实现破碎筛分作业优化控制。
目前国内的大部分选矿厂生产中对于破碎产品矿石粒度的检测以人眼判断为主,传统的矿石粒度检测通常采用离线筛分称重进行,但是由于环境艰苦,体力劳动强度大,需要停机取样检测,而且延续时间长,实际误差控制精度有限,检测到的矿石粒度信息不能实时反馈给控制系统。也有采用图像法在线检测矿石粒度的专利技术,如申请号为“201711121080.6”的发明专利 “一种基于智能视觉的高性能矿石粒度视觉检测系统”,和申请号为“201810464568.7”的发明专利“基于图像处理的矿岩粒度检测方法”,但上述两专利申请没有解决矿物颗粒到拍摄相机距离不等、待检测的矿物颗粒表面有大量微小颗粒粘连等问题,导致存在检测结果误差较大影响实际应用的问题。
另外,现有技术当中的通过图像识别技术对矿石粒度进行在线检测方法中,都没有采用人工方法进行验证,这可能导致机器识别的误差较大,长期运行更可能产生累积误差,通过人工验证方法可有效消除机器识别误差和长期运行更可能产生累积误差,增加检测系统的可信度。
发明内容
针对现有技术存在的上述问题,本发明专利的目的在于提供一种通过人工方法验证的基于图像识别技术的矿石粒度在线检测方法。
本发明的目的是通过下述技术方案实现的:
本发明的一种基于图像识别技术的矿石粒度在线检测方法,其特征在于包括下述步骤:
S1、通过CCD工业相机采集胶带运输机上矿石的图像信息,并输送到计算机控制系统的图像处理系统;
S2、图像预处理
以胶带中心线为基准,按物料实际宽度切割出正方形图像;
S3、图像增强处理
包括图像灰度线性增强、图像的灰度转换及二值化;
S4、矿石图像的距离变换和形态学重构
通过距离变换把二值图中的前景目标灰度化,使其转化为能够使用分水岭算法进行分割而不产生过分割现象的灰度图像,将灰度值定义为其到背景像素的最短距离,
S5、图像的形态学膨胀及梯度化
利用形态学梯度化和分水岭算法对图像进行分割的方法有效地确定矿石图像的边界信息,进而可以得到误差较小的矿石颗粒的分割;
S6、图像的分水岭算法分割;
S7、人工验证
将人工计算粒度分析的结果与图像粒度分析的结果进行比较,以验证图像粒度分析结果的精确度,并根据误差情况进行参数修正。
采集磨机给矿胶带上的矿石图像信息,以胶带中心线为基准,按物料实际宽度切割出正方形图像,按破碎合格标准打出筛网方格,人工计算出筛格的点数。计算出整个图片筛格方格数量,人工计算不合格颗粒所占的筛格数x,既破碎合格标准筛上量y,通过公式z=y/x×100%,z既为筛上比率。分别计算出10~100组人工计算的破碎合格标准筛上量的比率,求出平均值,再求出相对应的图像分析破碎合格标准筛上量的比率,求出平均值,以验证图像粒度分析结果的精确度,并用两者的差值修正图像分析的结果,以得到更加接近实际的粒度检测的精确度。
与现有技术相比,本发明的优点是:
本发明对图像进行亮点调节处理,既可以使连接在一起的颗粒断开,又可以弥补利用分水岭算法可能造成的过度分割问题。
本发明将人工筛分粒度分析的结果与图像粒度分析的结果进行比较,并根据误差情况进行参数验证,使检测的结果更加真实可靠。
本专利的在线检测方法,可准确、快速获得矿石颗粒的粒度信息,为自动化控制系统提供及时的反馈信息。
附图说明
图1为本发明的预测方法结构框图。
具体实施方式
本发明的目的是通过下述技术方案实现的:
如图1所示,本发明的一种基于图像识别技术的矿石粒度在线检测方法,其特征在于包括下述步骤:
S1、通过CCD工业相机采集胶带运输机上矿石的图像信息,并输送到计算机控制系统的图像处理系统;
S2、图像预处理
以胶带中心线为基准,按400mm×400mm的规格切割出正方形图像;
S3、图像增强处理
包括图像灰度线性增强、图像的灰度转换及二值化,增强矿石与其背景的区分度,经过中值滤波消除图像噪声,得到矿石图像准确矿石边缘信息;利用双窗口大津算法二值化把目标矿石和它周围的非矿石背景准确分离;
S4、矿石图像的距离变换和形态学重构
通过距离变换把二值图中的前景目标灰度化,使其转化为能够使用分水岭算法进行分割而不产生过分割现象的灰度图像,将灰度值定义为其到背景像素的最短距离;
S5、图像的形态学膨胀及梯度化;
利用形态学梯度化和分水岭算法对图像进行分割的方法有效地确定矿石图像的边界信息,进而可以得到误差较小的矿石颗粒的分割;
S6、图像的分水岭算法分割
通过分水岭算法准确捕捉到到矿石图像的灰度变化,准确地得到矿石图像中闭合的连通区域。通过形态学膨胀及梯度化的处理方法使得矿石图像内部孔洞和外部粉尘等噪声信息得到清除优化,解决了过分割与欠分割的问题;
S7、人工验证
将人工计算粒度分析的结果与图像粒度分析的结果进行比较,以验证图像粒度分析结果的精确度,并根据误差情况进行参数修正。
采集磨机给矿胶带上的矿石图像信息,按300mm×300mm的规格切割出正方形图像,按12毫米打出筛网方格,人工计算出筛格的点数。整个图片筛格为625方格,人工计算不合格颗粒所占的筛格数x,既12mm×12mm筛上量,y=x/625×100%,y既为筛上比率。分别计算出10~100组人工计算的-12mm筛上量的比率,求出平均值,再求出相对应的图像分析的12mm筛上量的比率,求出平均值,以验证图像粒度分析结果的精确度,并根据两者的差值修正图像分析的结果,以得到更加接近实际的粒度数据。
Claims (1)
1.一种基于图像识别技术的矿石粒度在线检测方法,其特征在于包括如下步骤:
S1、通过CCD工业相机采集胶带运输机上矿石的图像信息,并输送到计算机控制系统的图像处理系统;
S2、图像预处理
以胶带中心线为基准,按物料实际宽度切割出正方形图像;
S3、图像增强处理;
包括图像灰度线性增强、图像的灰度转换及二值化;
S4、矿石图像的距离变换和形态学重构;
通过距离变换把二值图中的前景目标灰度化,使其转化为能够使用分水岭算法进行分割而不产生过分割现象的灰度图像,将灰度值定义为其到背景像素的最短距离;
S5、图像的形态学膨胀及梯度化;
利用形态学梯度化和分水岭算法对图像进行分割的方法有效地确定矿石图像的边界信息,进而可以得到误差较小的矿石颗粒的分割;
S6、图像的分水岭算法分割;
S7、人工验证
将人工计算粒度分析的结果与图像粒度分析的结果进行比较,并根据误差情况进行参数验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277872.4A CN112330653B (zh) | 2020-11-16 | 2020-11-16 | 一种基于图像识别技术的矿石粒度在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277872.4A CN112330653B (zh) | 2020-11-16 | 2020-11-16 | 一种基于图像识别技术的矿石粒度在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330653A true CN112330653A (zh) | 2021-02-05 |
CN112330653B CN112330653B (zh) | 2024-05-03 |
Family
ID=74318286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011277872.4A Active CN112330653B (zh) | 2020-11-16 | 2020-11-16 | 一种基于图像识别技术的矿石粒度在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330653B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192050A (zh) * | 2021-05-18 | 2021-07-30 | 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 |
CN113628171A (zh) * | 2021-07-19 | 2021-11-09 | 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 |
CN115272319A (zh) * | 2022-09-27 | 2022-11-01 | 江苏亚振钻石有限公司 | 一种矿石粒度检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108197625A (zh) * | 2017-12-18 | 2018-06-22 | 北京云星宇交通科技股份有限公司 | 一种校正车牌识别的方法及系统 |
CN110135275A (zh) * | 2019-04-19 | 2019-08-16 | 苏交科集团股份有限公司 | 一种集料颗粒识别方法 |
CN111047555A (zh) * | 2019-11-13 | 2020-04-21 | 鞍钢集团矿业有限公司 | 基于图像处理技术的矿石图像粒度检测算法 |
-
2020
- 2020-11-16 CN CN202011277872.4A patent/CN112330653B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108197625A (zh) * | 2017-12-18 | 2018-06-22 | 北京云星宇交通科技股份有限公司 | 一种校正车牌识别的方法及系统 |
CN110135275A (zh) * | 2019-04-19 | 2019-08-16 | 苏交科集团股份有限公司 | 一种集料颗粒识别方法 |
CN111047555A (zh) * | 2019-11-13 | 2020-04-21 | 鞍钢集团矿业有限公司 | 基于图像处理技术的矿石图像粒度检测算法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192050A (zh) * | 2021-05-18 | 2021-07-30 | 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 |
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 |
CN113628171A (zh) * | 2021-07-19 | 2021-11-09 | 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 |
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 |
CN115272319A (zh) * | 2022-09-27 | 2022-11-01 | 江苏亚振钻石有限公司 | 一种矿石粒度检测方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112330653B (zh) | 2024-05-03 |
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 | |
CN112330653B (zh) | 一种基于图像识别技术的矿石粒度在线检测方法 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
CN104700092B (zh) | 一种基于模板和特征匹配相结合的小字符数字识别方法 | |
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 | |
CN105551064B (zh) | 一种基于图像特征估计堆料体积变化率的方法 | |
CN107154042B (zh) | 一种包衣机视觉检测方法与装置 | |
CN105719266B (zh) | 基于纹理特征聚类的磁瓦表面缺陷检测方法 | |
CN113324864B (zh) | 一种基于深度学习目标检测的受电弓碳滑板磨耗检测方法 | |
CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN106780437B (zh) | 一种快速qfn芯片塑封图像获取与放大方法 | |
CN114758043A (zh) | 一种基于3d云图的矿石块度智能识别方法及系统 | |
CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
Zhao et al. | Recognition of flooding and sinking conditions in flotation process using soft measurement of froth surface level and QTA | |
CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
CN101477065B (zh) | 基于缺陷边界值变化次数的ic缺陷分类方法 | |
CN108615039A (zh) | 基于计算机视觉的弹壳表面缺陷自动检测方法 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
Liancheng et al. | Ore granularity detection and analysis system based on image processing | |
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 | |
CN117330582A (zh) | 一种高分子pe薄膜表面晶点检测系统 | |
CN110728676A (zh) | 一种基于滑动窗口算法的纹理特征度量方法 | |
CN109214415B (zh) | 一种矿石破碎研磨效果评判方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240819 Address after: Qianshan Zhen Shan Yin Zi Cun, Qianshan District, Anshan City, Liaoning Province Patentee after: Ansteel Group Guanbaoshan Mining Co.,Ltd. Country or region after: China Address before: 114001 No. 219, No. 39, Tiedong District, Liaoning, Anshan Patentee before: ANSTEEL GROUP MINING Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |