CN112434570B - 一种钽铌矿摇床矿带的图像识别方法 - Google Patents
一种钽铌矿摇床矿带的图像识别方法 Download PDFInfo
- Publication number
- CN112434570B CN112434570B CN202011239542.6A CN202011239542A CN112434570B CN 112434570 B CN112434570 B CN 112434570B CN 202011239542 A CN202011239542 A CN 202011239542A CN 112434570 B CN112434570 B CN 112434570B
- Authority
- CN
- China
- Prior art keywords
- image
- shaking table
- ore
- space
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- RHDUVDHGVHBHCL-UHFFFAOYSA-N niobium tantalum Chemical compound [Nb].[Ta] RHDUVDHGVHBHCL-UHFFFAOYSA-N 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005286 illumination Methods 0.000 claims abstract description 16
- 239000012141 concentrate Substances 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 7
- 238000000926 separation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 229910052787 antimony Inorganic materials 0.000 description 1
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000009856 non-ferrous metallurgy Methods 0.000 description 1
- 239000004482 other powder Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种钽铌矿摇床矿带的图像识别方法,包括:步骤1,预处理采集的摇床矿带图像,处理后将图像转换到灰度空间;步骤2,对转换后的图像进行不均匀光照补偿处理得到补偿后的结果图像;步骤3,用最大熵阈值化算法求得结果图像的阈值T;步骤4,用阈值T对图像进行二值化处理得到黑白二值图像;步骤5,对黑白二值图像进行形态学先开后闭运算求出白色区域内最大连通区域,得出连通区域的最小外接矩形即为精矿带矩形区域。该方法能补偿外界光源亮度变化、矿带表面反光以及矿带很窄很薄等疑难问题,解决由于采集的矿带图像中摇床边界较为模糊,外界光源亮度不均和反光,仅通过图像分割算法,无法实现对摇床的色带边界更加精准检测的问题。
Description
技术领域
本发明涉及摇床矿带识别领域,尤其涉及一种钽铌矿摇床矿带的图像识别方法。
背景技术
摇床是钽铌矿选矿工艺中最重要的重选设备。通过物理选矿的方式,最终将精矿、中矿等不同品位的矿浆分离出来,它具有富集比高、一次选别就可得到最终精矿以及使用范围广等优点。除了钽铌矿,摇床重选还适用于分选锡矿、钨矿、铋矿、锑矿、贫铁矿等各种难选的矿石,以及具有相应密度差的其他粉体物料。
目前钽铌矿摇床进行选矿过程中,摇床上形成的矿带分离常由工人通过肉眼观察矿带边界特征信息来调整接矿板,达到精矿、中矿、尾矿的分离,并获得满足要求的精矿品位。但存在选矿指标波动大、效率低且劳动强度大等问题。为解决该问题,目前有昆明理工大学的和丽芳等研究者开发的利用矿带图像灰度动态分割摇床矿带的方法,其主要原理为:通过摄像头获取摇床矿带图像,将矿带图像信息输入计算机,然后利用图像处理软件对获取的矿带图像进行灰度化处理,再对灰度图像预处理,进行低通滤波滤除噪声,最后采用基于PSO的阈值分割技术,对预处理后的灰度矿带图像进行分割,根据图像的灰度特征,将摇床矿带灰度图像分成精矿、中矿和尾矿三部分,实现对摇床矿带的分割。但基于PSO的阈值分割算法计算复杂度很高,检测实时性受到了限制;预处理算法仅用到了低通滤波除噪声,预处理算法过于单一,面向钽铌矿摇床矿带边界模糊以及外界灯光污染来讲分割精度不高;该方法在钽铌矿带识别,阈值不易收敛。
另外,还有赣州有色冶金研究所的杨文龙等研究者,设计的一种选矿摇床矿带识别及接矿板自动调节装置,其主要由矿带识别装置和接矿板驱动装置构成,其工作原理为通过在摇床上方安装矿带识别装置,可以对床面上的矿物的分层状态进行图像信息提取并进行图像处理,处理后的数据传将输给摇床控制器,经过逻辑运算处理后驱动接矿板步进电机进行动作,电机的正反转动将带动接矿装置上的丝杠转动,从而带动螺母向前或后运行,进而对接矿板进行位置实时调节。
但钽铌矿摇床的矿带特征较为复杂,常规精矿为深黑色,中矿尾矿为浅白色,但其精矿和中矿边界并不清晰,存在白色向黑色逐渐变暗过度带;同时床面底漆颜色杂乱、车间环境光变化等也对矿带识别造成了干扰;另外,钽铌矿摇床边界较为模糊,并且外界光源亮度存在变化性,光过强时矿带表面出现反光,仅采用图像分割算法并无法准确识别得出摇床矿带,并且目前的设备方法计算复杂度高,也存在识别实时性差的问题。
发明内容
基于现有技术所存在的问题,本发明的目的是提供一种钽铌矿摇床矿带的图像识别方法,能解决现有图像识别摇床矿带的方法,因钽铌矿摇床边界较为模糊,并且外界光源亮度存在变化性,光过强时矿带表面出现反光,现有图像识别方法存在的无法准确识别得出摇床矿带的问题。
本发明的目的是通过以下技术方案实现的:
本发明实施方式提供一种钽铌矿摇床矿带的图像识别方法,包括:
步骤1,对采集的色彩空间为RGB空间的摇床矿带图像进行预处理,将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到灰度空间;
步骤2,对转换到灰度空间的所述摇床矿带图像进行不均匀光照补偿处理得到补偿后的结果图像;
步骤3,用最大熵阈值化算法求得所述结果图像的阈值T;
步骤4,利用所述阈值T对所述结果图像进行二值化处理得到黑白二值图像;
步骤5,对所述黑白二值图像进行形态学先开后闭运算求出白色区域的最大连通区域,得出所述连通区域的最小外接矩形即为精矿带矩形区域。
由上述本发明提供的技术方案可以看出,本发明实施例提供的钽铌矿摇床矿带的图像识别方法,其有益效果为:
通过对摇床矿带图像进行预处理;然后将色彩空间由RGB转到灰度空间进行不均匀光照补偿处理后,接着使用最大熵阈值化算法和二值化处理得到二值图像,最后对得到的二值图像进行形态学先开后闭运算,求得的连通区域的最小外接矩形即为精矿带矩形区域。该方法不需要人工干预,能直接利用图像阈值分割技术对摇床床面上的矿带图像进行实时数字化识别和分割。该方法集成在摇床巡检机器人上将产生以下积极作用:利用图像技术识别矿带特征,消除人工识别误差,增强一致性,选矿指标波动小;摄像机可以定时拍摄,实现高效率巡检,矿物回收效率提高;解放人力,帮助企业降本增效,调整企业产业结构。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的钽铌矿摇床矿带的图像识别方法流程图。
具体实施方式
下面结合本发明的具体内容,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
参见图1,本发明实施例提供一种钽铌矿摇床矿带的图像识别方法,包括:
步骤1,对采集的色彩空间为RGB空间的摇床矿带图像进行预处理,将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到灰度空间;
步骤2,对转换到灰度空间Gray的所述摇床矿带图像进行不均匀光照补偿处理得到补偿后的结果图像;
步骤3,用最大熵阈值化算法求得所述结果图像的阈值T;
步骤4,利用所述阈值T对所述结果图像进行二值化处理得到黑白二值图像;
步骤5,对所述黑白二值图像进行形态学先开后闭运算求白色区域的最大连通区域,得出所述连通区域的最小外接矩形即为精矿带矩形区域。
上述识别方法中,所述对采集的摇床矿带图像进行预处理为:
对所述摇床矿带图像依次进行裁剪、模糊和缩放处理。具体的,对所述摇床矿带图像进行裁剪处理为:按3000×400像素进行裁剪得到裁剪图像块;
对得到的所述裁剪图像块进行一次5×5像素的高斯模糊处理后进行一次0.5倍缩放处理,对缩放处理后的图像再进行第二次5×5像素的高斯模糊处理后进行第二次0.5倍缩放处理。
上述识别方法中,对转换到灰度空间的所述摇床矿带图像进行不均匀光照补偿处理为:
采用分块插值法,或Retinex图像增强法,或同态滤波法中的任一种。
上述识别方法中,所述对转换到灰度空间的所述摇床矿带图像用分块差值法进行不均匀光照处理为:
步骤21,求取所述摇床矿带图像的灰度空间的平均灰度Mean;
步骤22,将所述摇床矿带图像分为N×M个方块,求出每个方块的平均值,得到子块的灰度矩阵D,N、M均为整数;
步骤23,用所述灰度矩阵D的每个元素减去所述灰度空间的平均灰度,得到子块的灰度差值矩阵E;
步骤24,用双立方插值法,将所述灰度矩阵E插值成与所述灰度空间一样大小的灰度分布矩阵R;
步骤25,将灰度空间减去灰度分布矩阵R得到均匀光照补偿后的结果图像,即完成分块插值法的处理。
上述识别方法中,所述步骤3的用最大熵阈值化算法求得所述结果图像的阈值T中,加入阈值校正因子α对阈值T进行校正,即T:=α×T,这里α的范围为0.5~1.5。
上述识别方法中,所述步骤4的利用所述阈值T对所述结果图像进行二值化处理得到黑白二值图像中,将所述结果图像中像素点灰度值大于所述阈值T的像素点的灰度值置为0,所述结果图像中像素点灰度值小于等于所述阈值T的像素点的灰度值置为255,得到黑白二值化图像,即完成最大熵阈值法处理。
上述识别方法中,所述将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到灰度空间为:
将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到YUV的Y空间、HSV的V空间、HSL的L空间、Lab的L空间中的任一种。
本发明的识别方法,通过采用预处理、转换到灰度空间Gray、不均匀光照补偿等处理,能补偿外界光源亮度变化、矿带表面反光以及矿带很窄很薄等疑难问题,解决了采集的矿带图像中,钽铌矿摇床边界较为模糊,并且外界光源亮度存在变化性,光过强时矿带表面出现反光,仅通过图像分割算法,并无法实现对摇床的色带边界更加精准检测的问题。该方法具有很高的识别精度和很强的鲁棒性。
下面对本发明实施例具体作进一步地详细描述。
本实施例是一种基于最大熵的钽铌矿矿带分割方法,分割的流程如图1所示。
参见图1,本发明实施例提供一种钽铌矿摇床矿带的图像识别方法,该方法的处理过程如下:
步骤S1,采集摇床矿带图像:用工业相机对摇床矿带进行拍照,将采集到的图像信号输入计算机,所述图像的色彩空间为RGB空间;
步骤S2,对摇床矿带图像进行预处理:对采集的图像进行裁剪、模糊和缩放处理,得到经过预处理后的图像,本实施例中按3000×400像素进行裁剪得到裁剪图像块;对裁剪图像块采用的是高斯模糊,大小为5×5像素;缩放倍数为0.5,进行两次高斯模糊和缩放操作,具体是一次高斯模糊接一次缩放;
步骤S3,将预处理后的图像进行色彩空间转换,从RGB空间转换到灰度空间Gray,得到灰度图像;
步骤S4,对得到的灰度图像以分块插值法进行不均匀光照补偿,具体如下:
步骤S41)求取灰度图像的平均灰度Mean;
步骤S42)按照一定大小,将灰度图像分为N×M个方块图像,求出每块图像的平均灰度值,得到子块的灰度矩阵D;N、M均为整数,得到的方块个数乘以块大小不大于灰度图像的大小即可;
步骤S43)用灰度矩阵D的每个元素减去所述灰度图像的平均灰度,得到子块的灰度差值矩阵E;
步骤S44)用双立方插值法,将灰度差值矩阵E插值成与所述灰度(Gray)一样大小的灰度分布矩阵R;
步骤S45)得到均匀光照补偿后的结果图像=灰度空间(Gray)-灰度分布矩阵R;
步骤S5,对结果图像按最大熵阈值化算法求得阈值T,加入阈值校正因子α阈值T进行校正,即阈值T:=α×T,这里α=0.90;
步骤S6,利用阈值T对结果图像进行二值化处理,将结果图像中像素点灰度值大于阈值T的像素点的灰度值置为0,将结果图像中像素点灰度值小于等于阈值T的像素点的灰度值置为255,得到黑白二值图像;
步骤S7,对黑白二值图像进行形态学先开后闭运算,求得白色区域的最大连通区域;
步骤S8,求步骤S7中连通区域的最小外接矩形即为精矿带矩形区域。
最后应说明的是,以上仅用以说明本发明的技术方案而非限制,尽管参照较佳方案对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案(比如颜色模型空间、步骤的先后顺序等)进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。本发明所述的方法可编制为应用于计算机系统的程序,并运行于本发明所述的计算机网络系统中。
上述方法中,将图像从RGB空间转换到灰度空间步骤:灰度空间不局限于YUV的Y空间,也可以是HSV的V空间,HSL的L空间,Lab的L空间等等。
上述方法中,对灰度图像进行不均匀光照处理步骤:除了本实施案例中用到的方法,还可以使用Retinex图像增强法、同态滤波法等用于处理光照不均匀和反光等问题的处理方法。
上述方法中,在最大熵阈值算法基础上得到校正阈值步骤:根据传统的最大熵阈值算法得到阈值之后,可以根据矿带特点,加入阈值校正因子α阈值T进行校正,即T:=α×T。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (7)
1.一种钽铌矿摇床矿带的图像识别方法,其特征在于,包括:
步骤1,对采集的色彩空间为RGB空间的摇床矿带图像进行预处理,将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到灰度空间;
步骤2,对转换到灰度空间的所述摇床矿带图像进行不均匀光照补偿处理得到补偿后的结果图像;
步骤3,用最大熵阈值化算法求得所述结果图像的阈值T,所述结果图像的阈值T中,加入阈值校正因子α对阈值T进行校正,这里α的范围为0.5~1.5;
步骤4,利用所述阈值T对所述结果图像进行二值化处理得到黑白二值图像;
步骤5,对所述黑白二值图像进行形态学先开后闭运算求出白色区域的最大连通区域,得出所述连通区域的最小外接矩形即为精矿带矩形区域。
2.根据权利要求1所述的钽铌矿摇床矿带的图像识别方法,其特征在于,对采集的摇床矿带图像进行预处理为:
对所述摇床矿带图像依次进行裁剪、模糊和缩放处理。
3.根据权利要求2所述的钽铌矿摇床矿带的图像识别方法,其特征在于,对所述摇床矿带图像进行裁剪处理为:按3000×400像素进行裁剪得到裁剪图像块;
对得到的所述裁剪图像块进行一次5×5像素的高斯模糊处理后进行一次0.5倍缩放处理,对缩放处理后的图像再进行第二次5×5像素的高斯模糊处理后进行第二次0.5倍缩放处理。
4.根据权利要求1所述的钽铌矿摇床矿带的图像识别方法,其特征在于,所述对转换到灰度空间的所述摇床矿带图像进行不均匀光照补偿处理为:
采用分块插值法、Retinex图像增强法、同态滤波法中的任一种。
5.根据权利要求4所述的钽铌矿摇床矿带的图像识别方法,其特征在于,对转换到灰度空间的所述摇床矿带图像用分块插值法进行不均匀光照补偿处理为:
步骤21,求取所述摇床矿带图像的灰度空间的平均灰度;
步骤22,将所述摇床矿带图像分为N×M个方块,求出每个方块的平均灰度值,得到子块的灰度矩阵D,N、M均为整数;
步骤23,用所述灰度矩阵D的每个元素减去所述灰度空间的平均灰度,得到子块的灰度插值矩阵E;
步骤24,用双立方插值法,将所述灰度插值矩阵E插值成与所述灰度空间一样大小的灰度分布矩阵R;
步骤25,将灰度空间减去灰度分布矩阵R得到均匀光照补偿后的结果图像,即完成分块插值法的处理。
6.根据权利要求1至5任一项所述的钽铌矿摇床矿带的图像识别方法,其特征在于,所述步骤4的利用所述阈值T对所述结果图像进行二值化处理得到黑白二值图像中,将所述结果图像中像素点灰度值大于所述阈值T的像素点的灰度值置为0,所述结果图像中像素点灰度值小于等于所述阈值T的像素点的灰度值置为255,得到黑白二值化图像,即完成最大熵阈值法处理。
7.根据权利要求1至5任一项所述的钽铌矿摇床矿带的图像识别方法,其特征在于,所述将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到灰度空间为:
将预处理后的所述摇床矿带图像的色彩空间由RGB空间转换到YUV的Y空间、HSV的V空间、HSL的L空间、Lab的L空间中的任一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239542.6A CN112434570B (zh) | 2020-11-09 | 2020-11-09 | 一种钽铌矿摇床矿带的图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239542.6A CN112434570B (zh) | 2020-11-09 | 2020-11-09 | 一种钽铌矿摇床矿带的图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434570A CN112434570A (zh) | 2021-03-02 |
CN112434570B true CN112434570B (zh) | 2024-05-24 |
Family
ID=74700797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239542.6A Active CN112434570B (zh) | 2020-11-09 | 2020-11-09 | 一种钽铌矿摇床矿带的图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434570B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052043B (zh) * | 2021-03-17 | 2024-06-07 | 深圳荆虹科技有限公司 | 一种降低误检率的手部检测方法及装置 |
CN113304869B (zh) * | 2021-06-03 | 2024-04-19 | 昆明理工大学 | 一种摇床矿带自动识别及接取方法与装置 |
CN113343988A (zh) * | 2021-07-06 | 2021-09-03 | 北矿机电科技有限责任公司 | 摇床矿带识别方法、系统及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6122042A (en) * | 1997-02-07 | 2000-09-19 | Wunderman; Irwin | Devices and methods for optically identifying characteristics of material objects |
JP2011203119A (ja) * | 2010-03-25 | 2011-10-13 | Nippon Steel Corp | スラグ微粒子の識別方法 |
CN102527489A (zh) * | 2012-01-16 | 2012-07-04 | 昆明理工大学 | 一种利用矿带图像灰度动态分割摇床矿带的方法 |
CN104008368A (zh) * | 2014-05-13 | 2014-08-27 | 重庆大学 | 一种基于最大熵阈值分割的火灾识别方法 |
JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
CA3077924A1 (en) * | 2013-12-11 | 2015-06-11 | Her Majesty The Queen In Right Of Canada, As Represented By The Ministerof National Defence | Methods for in-scene atmospheric compensation by endmember matching |
CN105844628A (zh) * | 2016-03-21 | 2016-08-10 | 昆明理工大学 | 一种基于磷虾优化算法的摇床矿带分带图像分割法 |
JP2016221456A (ja) * | 2015-05-29 | 2016-12-28 | 住友金属鉱山株式会社 | テーブル比重選鉱システムにおける照明装置 |
CN108428239A (zh) * | 2018-03-20 | 2018-08-21 | 东南大学 | 基于图像纹理特征提取的智能割草机边界识别方法 |
CN110443807A (zh) * | 2019-06-27 | 2019-11-12 | 中国地质大学(武汉) | 一种基于亮度均衡的光照不均匀图像阈值分割方法 |
CN110969630A (zh) * | 2019-11-11 | 2020-04-07 | 东北大学 | 一种基于RDU-net网络模型的矿石大块率检测方法 |
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 |
CN111862135A (zh) * | 2020-08-03 | 2020-10-30 | 湖南大奇智能科技有限公司 | 一种摇床矿带图像分割方法 |
-
2020
- 2020-11-09 CN CN202011239542.6A patent/CN112434570B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6122042A (en) * | 1997-02-07 | 2000-09-19 | Wunderman; Irwin | Devices and methods for optically identifying characteristics of material objects |
JP2011203119A (ja) * | 2010-03-25 | 2011-10-13 | Nippon Steel Corp | スラグ微粒子の識別方法 |
CN102527489A (zh) * | 2012-01-16 | 2012-07-04 | 昆明理工大学 | 一种利用矿带图像灰度动态分割摇床矿带的方法 |
JP2015040724A (ja) * | 2013-08-21 | 2015-03-02 | 住友金属鉱山株式会社 | 鉱物分析装置および鉱物分析方法 |
CA3077924A1 (en) * | 2013-12-11 | 2015-06-11 | Her Majesty The Queen In Right Of Canada, As Represented By The Ministerof National Defence | Methods for in-scene atmospheric compensation by endmember matching |
CN104008368A (zh) * | 2014-05-13 | 2014-08-27 | 重庆大学 | 一种基于最大熵阈值分割的火灾识别方法 |
JP2016221456A (ja) * | 2015-05-29 | 2016-12-28 | 住友金属鉱山株式会社 | テーブル比重選鉱システムにおける照明装置 |
CN105844628A (zh) * | 2016-03-21 | 2016-08-10 | 昆明理工大学 | 一种基于磷虾优化算法的摇床矿带分带图像分割法 |
CN108428239A (zh) * | 2018-03-20 | 2018-08-21 | 东南大学 | 基于图像纹理特征提取的智能割草机边界识别方法 |
CN110443807A (zh) * | 2019-06-27 | 2019-11-12 | 中国地质大学(武汉) | 一种基于亮度均衡的光照不均匀图像阈值分割方法 |
CN110969630A (zh) * | 2019-11-11 | 2020-04-07 | 东北大学 | 一种基于RDU-net网络模型的矿石大块率检测方法 |
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 |
CN111862135A (zh) * | 2020-08-03 | 2020-10-30 | 湖南大奇智能科技有限公司 | 一种摇床矿带图像分割方法 |
Non-Patent Citations (3)
Title |
---|
图像阈值分割方法研究进展20年(1994―2014);吴一全;孟天亮;吴诗婳;;数据采集与处理(第01期);全文 * |
西藏Hyperion数据蚀变矿物识别初步研究;甘甫平, 王润生, 杨苏明;国土资源遥感;20021220(第04期);全文 * |
雷达与多光谱图像融合技术在矿产勘查中的应用研究;赵珍梅;李祥强;雷华;李银海;;地质与勘探;20070328(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112434570A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434570B (zh) | 一种钽铌矿摇床矿带的图像识别方法 | |
Chen et al. | A novel color edge detection algorithm in RGB color space | |
CN104809422A (zh) | 基于图像处理的qr码识别方法 | |
CN108389216B (zh) | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 | |
CN102800094A (zh) | 一种快速彩色图像分割方法 | |
CN102779273A (zh) | 一种基于局部对比模式的人脸识别方法 | |
CN110428450B (zh) | 应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法 | |
CN107705254B (zh) | 一种基于街景图的城市环境评估方法 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
CN117253024B (zh) | 一种基于机器视觉的工业盐质检管控方法及系统 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
CN115631117A (zh) | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 | |
CN114331873A (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
CN101315664A (zh) | 用于文字识别的文本图像预处理方法 | |
CN112508024A (zh) | 一种变压器电气铭牌钢印字体智能识别方法 | |
CN117409000B (zh) | 一种坡面的雷达图像处理方法 | |
CN117094996B (zh) | 基于fpga和lsd算法的直线检测系统及其控制方法 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
CN115131336B (zh) | 一种显示屏四色背景画面下的暗线缺陷检测方法 | |
CN117132487A (zh) | 一种显微镜图像处理方法 | |
CN114494728B (zh) | 一种基于深度学习的小目标检测方法 | |
CN101702238A (zh) | 基于浮雕图像的运动分割方法 | |
Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes |
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 |