CN113628155A - 一种圆盘造球机的生球粒径检测方法及系统 - Google Patents
一种圆盘造球机的生球粒径检测方法及系统 Download PDFInfo
- Publication number
- CN113628155A CN113628155A CN202010332613.0A CN202010332613A CN113628155A CN 113628155 A CN113628155 A CN 113628155A CN 202010332613 A CN202010332613 A CN 202010332613A CN 113628155 A CN113628155 A CN 113628155A
- Authority
- CN
- China
- Prior art keywords
- image
- green
- edge
- pellet
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 150
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 239000008188 pellet Substances 0.000 claims abstract description 209
- 238000012545 processing Methods 0.000 claims abstract description 115
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims description 54
- 239000000203 mixture Substances 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 230000000877 morphologic effect Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000004148 unit process Methods 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 25
- 238000005453 pelletization Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001365789 Oenanthe crocata Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009851 ferrous metallurgy Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J2/00—Processes or devices for granulating materials, e.g. fertilisers in general; Rendering particulate materials free flowing in general, e.g. making them hydrophobic
- B01J2/14—Processes or devices for granulating materials, e.g. fertilisers in general; Rendering particulate materials free flowing in general, e.g. making them hydrophobic in rotating dishes or pans
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
-
- 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
Abstract
本申请公开了一种圆盘造球机的生球粒径检测方法,包括:获取所述造球机的出球区域的原始图像信息;对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;基于所述生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。该方法采用机器视觉的检测方法能够自动检测生球粒径,检测准确性高、效率高,并且安全,从而解决了人工检测费时费力、不准确等问题。此外本申请还公开了一种圆盘造球机的生球粒径检测系统。
Description
技术领域
本申请涉及圆盘造球机技术领域,特别涉及一种圆盘造球机的生球粒径检测方法。此外,本申请还涉及一种圆盘造球机的生球粒径检测系统。
背景技术
在钢铁冶金工业中,目前生球焙烧工艺方法主要是竖炉法、带式焙烧机法和链篦机-回转窑法。我国广泛采用链篦机-回转窑作为铁精矿生球生产线的主要方法。造球工序是铁精矿生球生产线的重要工序,生球质量及产量的稳定和提高主要依赖于造球工序,造球机是造球工序中的核心设备。
圆盘造球机倾斜一定角度并通过自身旋转,使物料滚动成球,而且能对球产生一定的压实力,达到一定的强度,再根据颗粒大小自动分级原理,排出尺寸合格的生球。造球机出球稳定后,所需的给料量基本上与排出的生球量相等。
造球机的成球率是造球工序的关键参数,在保证生球质量的前提下,成球率越高,生球的产量也就越高,并且会大大节省各种能耗和设备损耗,降低了企业的生产成本。
通过识别出圆盘造球机的出球区的生球粒径及对应的数量,可以计算出成球率,因此识别出生球粒径的分布信息,并通过调整圆盘造球机的加水量等运行参数,使得生球颗粒的粒径分布在合理的范围(一般是直径8mm-16mm),可以极大的提高圆盘造球机的成球率。
目前生球的粒径识别,都是通过人工取样筛分法,即从造球机的出球区,获取一批生球,然后利用几种不同规格的筛子,筛出不合格的生球和合格的生球,然后计算生球的总重量,以及合格生球的重量,来计算出该台造球机的成球率。
采用人工筛分,识别出生球粒径及相应数量,来计算造球机的成球率方法,费时费力,检测效率低,实时性低,生球颗粒硬度低,筛分过程中易碎造成测量不准确,其检测结果不能用于造球机的造球实时控制,只能作为一个参考值,且生产现场的高噪音、强粉尘的恶劣工作环境不利于操作工人的身体健康。
发明内容
本申请要要解决的技术问题为提供一种圆盘造球机的生球粒径检测方法,该方法采用机器视觉的检测方法能够自动检测生球粒径,检测准确性高、效率高,并且安全。从而解决了人工检测导致的费时费力、不准确、不安全等问题。此外本申请另一个要解决的技术问题为提供一种圆盘造球机的生球粒径检测系统。
为解决上述技术问题,本申请还提供一种圆盘造球机的生球粒径检测方法,包括:
获取所述造球机的出球区域的原始图像信息;
对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
基于所述生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。
可选的,所述第一次图像处理包括如下步骤:
对所述原始图像信息进行灰度处理,得到灰度图像;
对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像。
可选的,
所述对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像的步骤,包括:
采用自适应阈值分割得到二值图像;遍历所述灰度图像,将当前像素点的灰度值与其邻域灰度均值做比较,若当前像素点灰度值小于邻域灰度均值,则将当前像素点灰度值设置为255,反之设置为0;
所述对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像的步骤,包括:
遍历所述二值化图像,计算当前像素点的灰度梯度,若该梯度大于预定的阈值则将该当前像素点认定为边缘点,反之,则不是边缘点;
所述灰度梯度为当前像素点在图像坐标系中的X方向和Y方向的变化绝对值之和。
可选的,
所述第二次图像处理包括如下步骤:
对所述原始图像信息进行灰度处理,得到灰度图像;
对所述灰度图像进行第一次形态学重建,得到第一次形态学重建图像;
对所述第一次形态学重建图像进行第二次形态学重建图像,得到第二次形态学重建图像;
对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
基于所述第二次形态学重建图像和所述二值化图像,得到所述生球颗粒的标记图像。
可选的,
所述第三次图像处理包括如下步骤:
基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;
对所述实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到所述生球颗粒的像素粒径。
可选的,
所述通过圆周扫描法获得实际生球颗粒的边缘点的步骤,包括:
在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。
可选的,
在进行所述第三次图像处理之前,还包括如下步骤:
对所述原始图像信息进行滤波处理,得到滤波图像;
对所述滤波图像进行二值化处理,得到二值化图像;
检测所述二值化图像是否存在重叠生球颗粒区域;
如果是,则对所述重叠生球颗粒区域进行第四次图像处理;
如果否,则进行所述第三次图像处理。
可选的,
所述第四次图像处理包括如下步骤:
基于所述二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量;
通过高斯混合模型的建立和求解,对所述重叠生球颗粒区域进行单个生球颗粒分割;
对于分割后的单个生球颗粒图像,进行圆拟合,实现生球颗粒轮廓重构。
可选的,
所述基于所述二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量的步骤,包括:
通过确定所述重叠生球颗粒区域中存在的中心亮度区域的数量,来确定单个生球颗粒的数量。
可选的,
所述通过高斯混合模型的建立和求解,对所述重叠生球颗粒区域进行单个生球颗粒分割的步骤,包括:
对所述重叠区域的生球颗粒图像取反操作,并进行欧氏距离变化,得到所述重叠生球区域的距离变换二维图像;
基于所述距离变换二维图像,得到所述重叠生球颗粒区域的距离变换三维图像;
基于单个生球颗粒的高斯分布图像,用高斯混合模型描述所述距离变换三维图像;在所述高速混合模型中,每个高斯分布为一个组件,代表所述重叠生球颗粒区域中的一个生球颗粒;
对所述高斯混合模型求解,实现对所述重叠生球颗粒区域的单个生球颗粒分割。
可选的,
所述对于分割后的单个生球颗粒图像,进行圆拟合,实现生球颗粒轮廓重构的步骤,包括:
对于分割后的单个生球颗粒图像,基于最小二乘法,进行圆拟合,实现生球颗粒轮廓重构。
此外,为解决上述另一个技术问题,本申请还提供一种圆盘造球机的生球粒径检测系统,其特征在于,包括:
获取单元,用于获取所述造球机的出球区域的原始图像信息;
第一图像处理单元,用于对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
第二图像处理单元,用于对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
第三次图像处理单元,用于基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
计算单元,用于基于所述生球颗粒的像素粒径,以及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。
可选的,
所述第一图像处理单元包括:
灰度处理单元,用于对所述原始图像信息进行灰度处理,得到灰度图像;
二值处理单元,用于对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
边缘提取单元,用于对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像。
可选的,
所述二值处理单元在处理图像时,采用自适应阈值分割得到二值图像;遍历所述灰度图像,将当前像素点的灰度值与其邻域灰度均值做比较,若当前像素点灰度值小于邻域灰度均值,则将当前像素点灰度值设置为255,反之设置为0;
所述边缘提取单元在处理图像时,遍历所述二值化图像,计算当前像素点的灰度梯度,若该梯度大于预定的阈值则将该当前像素点认定为边缘点,反之,则不是边缘点;
所述灰度梯度为当前像素点在图像坐标系中的X方向和Y方向的变化绝对值之和。
可选的,
所述第三图像处理单元包括:
圆周扫描单元,用于基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;
圆拟合匹配单元,用于对所述实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到所述生球颗粒的像素粒径。
可选的,
所述圆周扫描单元在处理图像时,在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。
可选的,
在进行所述第三处理单元之前,还包括如下:
滤波单元,用于对所述原始图像信息进行滤波处理,得到滤波图像;
二值化单元,用于对所述滤波图像进行二值化处理,得到二值化图像;
检测判断单元,用于检测所述二值化图像是否存在重叠生球颗粒区域;
如果是,则对所述重叠生球颗粒区域通过第四图像处理单元进行第四次图像处理;
如果否,则通过所述第三图像处理单元进行所述第三次图像处理。
可选的,
所述第四图像处理单元包括:
聚类单元,用于基于所述二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量;
建立求解单元,用于通过高斯混合模型的建立和求解,对所述重叠生球颗粒区域的进行单个生球颗粒分割;
重构单元,用于对于分割后的单个生球颗粒图像,进行圆拟合,实现颗粒轮廓重构。
可选的,
所述聚类单元工作时,通过确定所述重叠生球颗粒区域中存在的中心亮度区域的数量,来确定单个生球颗粒的数量。
可选的,
所述建立求解单元工作时,
对所述重叠区域的生球颗粒图像取反操作,并进行欧氏距离变化,得到所述重叠生球颗粒区域的距离变换二维图像;
基于所述距离变换二维图像,得到所述重叠生球颗粒区域的距离变换三维图像;
基于单个生球颗粒的高斯分布图像,用高斯混合模型描述所述距离变换三维图像;在所述高速混合模型中,每个高斯分布为一个组件,代表所述重叠生球颗粒区域中的一个生球颗粒;
对所述高斯混合模型求解,实现对所述重叠生球颗粒区域的单个生球颗粒分割。
可选的,
所述重构单元工作时,对于分割后的单个生球颗粒图像,基于最小二乘法,进行圆拟合,实现生球颗粒轮廓重构。
在一种实施例中,本申请所提供的一种圆盘造球机的生球粒径检测方法,包括:获取所述造球机的出球区域的原始图像信息;对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;基于所述生球颗粒的像素粒径,以及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。
显然,该方法采用机器视觉的检测方法能够自动检测生球粒径,检测准确性高、效率高,并且安全。从而解决了人工检测导致的费时费力、不准确、不安全等问题。
此外,本申请所提供的一种圆盘造球机的生球粒径检测装置,其技术效果与上文相同,在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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的附图。
图1为本申请一种实施例中圆盘造球机的结构示意图;
图2为图1中圆盘造球机的造球盘出球示意图;
图3为本申请一种实施例中一种圆盘造球机的生球粒径检测系统的机器视觉识别系统组成图;
图4为图2中的造球机出球区的生球图像图;
图5为图2中的造球机稳定区的生球图像图;
图6为本申请一种实施例中一种圆盘造球机的生球粒径检测方法的逻辑流程图;
图7为本申请另一种实施例中另一种圆盘造球机的生球粒径检测方法的逻辑流程图;
图8为本申请中出球区图像阈值分割及连通区域检测效果示意图;
图9为本申请中出球区图像阈值分割及连通区域检测逻辑流程图;
图10为本申请中基于高斯混合模型的重叠生球分割过程示意图;
图11为采用图10中的方法后的生球分割效果图;
图12为本申请一种实施例中圆盘造球机的生球粒径检测系统的功能框图。
其中图1至图3中部件名称与附图标记之间对应关系为:
底座101、中心轴102、电动机103、造球盘104、刮刀架105、刮刀106、生球皮带107、料仓108、供料皮带109、喷水管110、摄像头111、摄像头支撑112、入料点113、挡板114、出球区115;
工业相机201、光源控制器202、工控机203、触摸屏204、其他控制器205。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本申请一种实施例中圆盘造球机的结构示意图。
在一种实施例中,如图1所示,本申请的圆盘造球机包括底座101、中心轴102、电动机103、圆盘(也就是造球盘104)、刮刀架105、刮刀106和生球皮带107;此外,该圆盘造球机还包括料仓108、供料皮带109、喷水管110、摄像头111及摄像头支撑112。
在上述结构中,其中中心轴可调节圆盘(也就是造球盘)的倾角,电动机转速的调节可改变造球盘的转速;刮刀架支撑于造球盘上,底部刮刀用于推动造球盘中物料运动及防止粘连;料仓中的物料经过设有称量部件的供料皮带输送至造球盘,物料量大小可动态调节;设喷水管将水滴落在物料落入造球盘的位置,或将水滴落在造球盘中球长大的区域;生球从造球盘出来后落入生球皮带,该生球皮带供多套造球盘共同使用。
请参考图2,图2为图1中圆盘造球机的造球盘出球示意图。
如图2所示,该结构包括造球盘104、入料点113、挡板114、出球区115及生球皮带107。本发明采用高速工业相机对准圆盘造球机的出球区进行实时拍照,如图2阴影部分所示为出球区,工控机实时采集出球区的出球情况图像,,利用图像处理算法,计算获得出球区的生球粒径及对应粒径下的生球数量,同时把生球的粒径和数量写入数据库,智能造球控制系统根据生球粒径及数量,以及造球工艺参数、以及智能造球控制模型,实时调节圆盘造球机的加水量、转速等参数,最大化的提高造球机的合格球的比例,来实现圆盘造球机的智能化、无人化运行。
对采集的图像通过图像分析处理算法获取生球粒径及对应粒径下的生球数量,结合工艺要求合格生球的粒径范围,可以计算出合格球的比例,一般合格球的粒径范围是8~16mm粒径范围可设置,根据不同厂家自身情况予以设置,
请参考图3,图3为本申请一种实施例中一种圆盘造球机的生球粒径检测系统的机器视觉识别系统组成图。
在本申请中,该圆盘造球机的生球粒径检测系统包括机器视觉识别系统,如图3所示,该机器视觉识别系统包括工业相机201(含镜头)、光源控制器202、工控机203、触摸屏204、其他控制器205等,分别设计如下:
工业相机201:为了精确测量出球的粒径,同时抑制运动拖影,可以选择高分辨率、高帧率的相机,要求130万像素及以上,帧率为96帧及以上。
其中,工业相机的镜头的选择综合考虑精度要求、成像尺寸、拍摄物距等因素,选取35mm及以上焦距的高清镜头。
光源控制器202:选用大功率高亮LED光源,抑制外界光照变化的影响;设计多光源、多角度打光方案,消除光照阴影。
工控机203:作为一种举例,可以采用适合现场恶劣环境的宽温工控机,要求CPU主频速度为2.0GHZ,内存为4GB,硬盘空间为120G等参数及以上。
触摸屏204:选择工业级的触摸屏即可满足需求,尺寸在10寸及以上。
请参考图4和图5,图4为图2中的造球机出球区的生球图像图;图5为图2中的造球机稳定区的生球图像图。
如图4和图5所示,这是现场拍摄的造球机的出球区和稳定区的图片,从图像可以看出,图像处理算法难度非常大,主要原因如下:
1.生球与背景对比度较差,使用简单的阈值分割算法无法获得好的效果;
2.生球形状不规则,对光的反射也不规则,影响算法对生球的准确定位;
3.生球之间相互粘连或者重叠,严重影响分割的准确性,加大了算法实现难度。
此外,需要说明的是,在现有技术中,分割重叠目标的图像处理方法主要包括分水岭算法、活动轮廓模和凹点检测方法,其缺点分别介绍如下:
分水岭算法是一种基于数学形态学的分割方法,其优点是计算速度快,能够快速分割重叠目标,不足之处在于分水岭算法对噪声相当敏感,容易造成过分割现象。
活动轮廓模型主要思想是使用连续曲线来表示分割目标边缘,确定轮廓曲线的能量函数和起始点位置,将图像分割过程转变为求解能量泛函数最小值的过程。活动轮廓模型的缺陷在于其求解过程比较复杂,易受初始点选取的影响,且对于复杂目标的分割效果不明显。
凹点检测法主要通过重叠目标的轮廓形状信息和凹凸度判断来实现目标分割。凹点检测方法对重叠目标分割效果比较理想,但是该算法要求重叠目标中的各个对象形状大小差异基本一致,因此算法适应性比较差,而且不规则的轮廓容易造成检测出错误的凹点,导致错误分割的现象发生。
综合以上现有算法存在的问题,本发明提供了一种新的适合生球粒径识别的图像处理算法,即采用生球分割及边缘提取算法,具体介绍如下:
请参考图6和图7,图6为本申请一种实施例中一种圆盘造球机的生球粒径检测方法的逻辑流程图;图7为本申请另一种实施例中另一种圆盘造球机的生球粒径检测方法的逻辑流程图。
如图6所示,在一种实施例中,本申请所提供的一种圆盘造球机的生球粒径检测方法,包括如下步骤:
步骤S101:获取造球机的出球区域的原始图像信息;
步骤S102:对于原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
步骤S103:对原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
步骤S104:基于生球颗粒的边缘图像和生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
步骤S105:基于生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到生球颗粒的实际粒径。
在上述实施例中,可以做出进一步改进。比如,可以具体设计第一次图像处理的具体流程,介绍如下:
第一次图像处理包括如下步骤:
对原始图像信息进行灰度处理,得到灰度图像;
对灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
对二值化图像进行边缘算子提取,得到生球颗粒的边缘图像。
结合图7可知,第一次图像处理也就是图7中的“图像预处理”过程。在该过程中,如图7所示,首先,通过图像阈值分割得到生球和背景之间的阈值分割图像(即二值图像),然后通过边缘算子得到生球的边缘图像,由于生球和背景对比度较差,因此该边缘图像并不一定是生球的准确边缘。
需要说明的是,在图7中,输入灰度图像之前,需要先获取原始图像信息,亦即通过前文中的工业相机获得。然后,再对原始图像信息进行灰度处理,得到灰度图像。
在该步骤中,对于二值化处理具体过程,可以做出具体介绍。比如,作为一种举例,采用自适应阈值分割得到二值图像,遍历图像,将当前像素点的灰度值与其邻域灰度均值做比较,当前像素点灰度值小于邻域灰度均值则将当前像素点灰度值设置为255,反之设置为0。
此外,在上述步骤中,还可以对边缘算子提取做出具体介绍。比如,采用canny算子获取边缘图像,遍历图像,计算当前像素点的灰度梯度(当前像素点在X方向和Y方向的变化绝对值之和),该梯度大于阈值则该像素点认定为边缘点,反之则不是边缘点。
在上述实施例中,可以做出进一步改进。比如,可以具体设计第二次图像处理的具体流程,介绍如下:
结合图7,第二次图像处理也就是图7中的“标记点提取”流程。在该步骤中,如图7所示,第二次图像处理包括如下步骤:
对原始图像信息进行灰度处理,得到灰度图像;
对灰度图像进行第一次形态学重建,得到第一次形态学重建图像;
对第一次形态学重建图像进行第二次形态学重建图像,得到第二次形态学重建图像;
对灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
基于第二次形态学重建图像和二值化图像,得到生球颗粒的标记图像。
需要说明的是,在上述步骤中,其次,通过两次形态学重建,结合阈值分割得到的二值图像,得到生球颗粒标记图像。
在上述实施例中,还可以做出进一步改进。比如,可以具体设计第三次图像处理的具体流程,介绍如下:
结合图7,第三次图像处理也就是图7中“图像分割”流程。在该步骤中,如图7所示,第三次图像处理包括如下步骤:
基于生球颗粒的边缘图像和生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;
对实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到生球颗粒的像素粒径。
在上述技术方案中,作为一种举例,通过圆周扫描法获得实际生球颗粒的边缘点的步骤,包括:
在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。需要说明的是,由生球颗粒标记图像和边缘提取图像,得到真实的生球边缘点,在此基础上使用圆匹配法计算得出生球的像素粒径。
最后,根据相机标定得到的图像像素坐标与实际物理坐标之间的换算关系式,得出生球的实际粒径并输出结果。
显然,该方法采用机器视觉的检测方法能够自动检测生球粒径及对应粒径下的生球数量,检测准确性高、效率高,并且安全。
实际算法处理过程中,图像中不仅有单独状态的颗粒,还存在重叠和粘连在一起的生球颗粒,而且,由于外界光线干扰和背景反光的影响,图像还会出现光照不均的现象。为了能有效分割出颗粒,我们需要另外做出算法及流程设计,具体请参考图8至图11,图8为本申请中出球区图像阈值分割及连通区域检测效果示意图;图9为本申请中出球区图像阈值分割及连通区域检测逻辑流程图;图10为本申请中基于高斯混合模型的重叠生球分割过程示意图;图11为采用图10中的方法后的生球分割效果图。
在该种技术方案中,需对生球颗粒图像进行滤波和二值化预处理,同时进行连通域分析检测,阈值分割连通域分析检测效果图如图8所示,阈值分割及连通域分析检测流程如图9所示。
具体的,在该种实施例中,在进行第三次图像处理之前,还包括如下步骤:
对原始图像信息进行滤波处理,得到滤波图像;得到的图像如图8中(b)图所示;
对滤波图像进行二值化处理,得到二值化图像;得到的图像如图8中(c)图所示;
检测二值化图像是否存在重叠生球颗粒区域;
如果是,则对重叠生球颗粒区域进行第四次图像处理;比如图8中(e)图所示;
如果否,则进行第三次图像处理;比如图8中(d)图所示。
在上述方案中,如果检测没有重叠,则进行第三次图像处理,也就是图7中的图像分割流程处理。
如果检测到连通区域,也就是检测到生球颗粒重叠区域,则进行第四次图像处理。
作为一种举例,可以对第四次图像处理作出具体设计。比如,如图9所示,
基于二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量;
通过高斯混合模型的建立和求解,对重叠生球颗粒区域的进行单个生球颗粒分割;
对于分割后的单个生球颗粒图像,进行圆拟合,实现生球颗粒轮廓重构。
在上述实施例中,可以做出进一步改进。
比如,基于二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量的步骤,包括:通过确定重叠生球颗粒区域中存在的中心亮度区域的数量,来确定单个生球颗粒的数量。
此外,通过高斯混合模型的建立和求解,对重叠生球颗粒区域进行单个生球颗粒分割的步骤,包括:对重叠区域的生球颗粒图像取反操作,并进行欧氏距离变化,得到重叠生球颗粒区域的距离变换二维图像;基于距离变换二维图像,得到重叠生球颗粒区域的距离变换三维图像;基于单个生球颗粒的高斯分布图像,用高斯混合模型描述距离变换三维图像;在高速混合模型中,每个高斯分布为一个组件,代表重叠生球颗粒区域中的一个生球颗粒;对高斯混合模型求解,实现对重叠生球颗粒区域的单个生球颗粒分割。
对于分割后的单个生球颗粒图像,进行圆拟合,实现生球颗粒轮廓重构的步骤,包括:对于分割后的单个颗粒图像,采用最小二乘法进行圆拟合,实现生球颗粒轮廓重构。
下边结合具体场景,并结合图10和图11对上述技术方案作出具体介绍:
得到连通域后,对于粘连重叠的生球,通过建立高斯混合模型的方法将分割问题转换为分类方法来解决。如图10所示,通过连通区域检测可以得到重叠生球颗粒的二值图像,图像取反操作后进行欧式距离变换可以如得到图10(c)所示距离变换图像。将图10(e)距离变换三维分布图,与图10(d)单个高斯分布图像对比可知,图10(e)可以用一个二维高斯混合模型(GMM)进行描述,该GMM由4个独立的高斯分布组成,每个高斯分布为一个组件,代表重叠生球颗粒中的一个生球颗粒。通过对GMM的求解,可以实现对重叠生球颗粒的分割。
对建立的高斯混合模型求解后,重叠生球颗粒中的单个生球颗粒被粗略分割出来,参考图11中(b)。由于重叠生球颗粒中相互接触部分是被堆压在一起的,所以分割后得到的生球颗粒轮廓是不完整,参考图11中(c)图。为了对单个生球颗粒粒径进行测量,必须对缺失轮廓进行重构。采用基于最小二乘法的圆周拟合算法对轮廓进行重构,可以得到如图11中(d)图的分割结果,缺失的轮廓已经完全恢复出来。
此外,在上述技术方案中,对高斯混合模型建立和求解做出具体介绍如下:
根据重叠生球颗粒距离变换三维图像的特征,高斯混合模型的建立过程如下所示,设GMM中的观测数据为p=(x,y),其中(x,y)表示距离变换图像上灰度值不为零的像素点的位置,另设d(pi)为距离变换图像上点(x,y)出像素的灰度值大小。在建立的高斯混合模型中,将观测数据pi出现的次数默认为d(pi)次,则高斯混合模型中观测数据总数为:
其中n表示距离变换图像中灰度值不为零的像素点数目。定义任意观测数据由以下高斯混合概率模型生成:
上式中,θi=(μi,∑i),为未知参数。观测数据点pi被建模为统计上独立,所以图像像素点集P={p1,p2 L pN}的联合概率密度可以建模为:
为了求解未知参数θ=(μ1 L μπ,∑1 L ∑π),即需要求得满足式(5)的最大似然函数的参数
对式(6)进行求解,首先明确隐变量,观测数据pi所代表的像素点是这样产生的,首先依照概率aπ选择第π个高斯混合模型φ(p|θπ)(即重叠生球颗粒中的第π个颗粒),然后根据第π个分模型的概率分布φ(p|θπ)生成观测数据pi(即图像像素点)。以未知量隐变量γik来表示观测数据的生成过程。EM算法中以期望值来表示的隐变量的迭代过程,即有:
此外,与上述方法实施例相对应,本申请还提供一套装置实施例,请参考图12,图12为本申请一种实施例中一种圆盘造球机的生球粒径检测系统的功能框图。在该装置实施例中,
本申请还提供一种圆盘造球机的生球粒径检测系统,包括:
获取单元,用于获取造球机的出球区域的原始图像信息;
第一图像处理单元,用于对于原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
第二图像处理单元,用于对原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
第三次图像处理单元,用于基于生球颗粒的边缘图像和生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
计算单元,用于基于生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到生球颗粒的实际粒径。
在上述实施例中,可以做出进一步改进。比如,第一图像处理单元包括:
灰度处理单元,用于对原始图像信息进行灰度处理,得到灰度图像;
二值处理单元,用于对灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
边缘提取单元,用于对二值化图像进行边缘算子提取,得到生球颗粒的边缘图像。
需要说明的是,二值处理单元在处理图像时,采用自适应阈值分割得到二值图像;遍历灰度图像,将当前像素点的灰度值与其邻域灰度均值做比较,若当前像素点灰度值小于邻域灰度均值,则将当前像素点灰度值设置为255,反之设置为0;边缘提取单元在处理图像时,遍历二值化图像,计算当前像素点的灰度梯度,若该梯度大于预定的阈值则将该当前像素点认定为边缘点,反之,则不是边缘点;灰度梯度为当前像素点在图像坐标系中的X方向和Y方向的变化绝对值之和。
此外,在上述实施例中,第三图像处理单元包括:圆周扫描单元,用于基于生球颗粒的边缘图像和生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;圆拟合匹配单元,用于对实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到生球颗粒的像素粒径。
需要说明的是,圆周扫描单元在处理图像时,在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。
此外,还可以做出如下具体设计:
在进行第三图像处理单元之前,还包括如下:
滤波单元,用于对原始图像信息进行滤波处理,得到滤波图像;
二值化单元,用于对滤波图像进行二值化处理,得到二值化图像;
检测判断单元,用于检测二值化图像是否存在重叠生球颗粒区域;
如果是,则对重叠生球颗粒区域通过第四图像处理单元进行第四次图像处理;
如果否,则通过第三图像处理单元进行第三次图像处理。
在上述实施例中,第四图像处理单元包括:
聚类单元,用于基于二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量;建立求解单元,用于通过高斯混合模型的建立和求解,对重叠生球颗粒区域的进行单个生球颗粒分割;重构单元,用于对于分割后的单个生球颗粒图像,进行圆拟合,实现生球颗粒轮廓重构。
进一步的,聚类单元工作时,通过确定重叠生球颗粒区域中存在的中心亮度区域的数量,来确定单个生球颗粒的数量。建立求解单元工作时,对重叠区域的生球颗粒图像取反操作,并进行欧氏距离变化,得到重叠生球颗粒区域的距离变换二维图像;基于距离变换二维图像,得到重叠生球颗粒区域的距离变换三维图像;基于单个颗粒的高斯分布图像,用高斯混合模型描述距离变换三维图像;在高速混合模型中,每个高斯分布为一个组件,代表重叠生球颗粒区域中的一个生球颗粒;对高斯混合模型求解,实现对重叠生球颗粒区域的单个颗粒分割。
此外,重构单元工作时,对于分割后的单个生球颗粒图像,基于最小二乘法,进行圆拟合,实现生球颗粒轮廓重构。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等,意味着结合该实施例描述的具体特征、部件或特性包括在至少一个实施例中。因此,本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外,在一个或多个实施例中,具体特征、部件或特性可以任何合适的方式进行组合。因此,在无限制的情形下,结合一个实施例示出或描述的具体特征、部件或特性可全部或部分地与一个或多个其他实施例的特征、部件或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“终端”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (16)
1.一种圆盘造球机的生球粒径检测方法,其特征在于,包括:
获取所述造球机的出球区域的原始图像信息;
对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
基于所述生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。
2.如权利要求1所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述第一次图像处理包括如下步骤:
对所述原始图像信息进行灰度处理,得到灰度图像;
对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像。
3.如权利要求2所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像的步骤,包括:
采用自适应阈值分割得到二值图像;遍历所述灰度图像,将当前像素点的灰度值与其邻域灰度均值做比较,若当前像素点灰度值小于邻域灰度均值,则将当前像素点灰度值设置为255,反之设置为0;
所述对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像的步骤,包括:
遍历所述二值化图像,计算当前像素点的灰度梯度,若该梯度大于预定的阈值则将该当前像素点认定为边缘点,反之,则不是边缘点;
所述灰度梯度为当前像素点在图像坐标系中的X方向和Y方向的变化绝对值之和。
4.如权利要求1所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述第二次图像处理包括如下步骤:
对所述原始图像信息进行灰度处理,得到灰度图像;
对所述灰度图像进行第一次形态学重建,得到第一次形态学重建图像;
对所述第一次形态学重建图像进行第二次形态学重建图像,得到第二次形态学重建图像;
对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
基于所述第二次形态学重建图像和所述二值化图像,得到所述生球颗粒的标记图像。
5.如权利要求1所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述第三次图像处理包括如下步骤:
基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;
对所述实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到所述生球颗粒的像素粒径。
6.如权利要求5所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述通过圆周扫描法获得实际生球颗粒的边缘点的步骤,包括:
在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。
7.如权利要求6所述的一种圆盘造球机的生球粒径检测方法,其特征在于,在进行所述第三次图像处理之前,还包括如下步骤:
对所述原始图像信息进行滤波处理,得到滤波图像;
对所述滤波图像进行二值化处理,得到二值化图像;
检测所述二值化图像是否存在重叠生球颗粒区域;
如果是,则对所述重叠生球颗粒区域进行第四次图像处理;
如果否,则进行所述第三次图像处理。
8.如权利要求7所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述第四次图像处理包括如下步骤:
基于所述二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量;
通过高斯混合模型的建立和求解,对所述重叠生球颗粒区域的进行单个颗粒分割;
对于分割后的单个生球颗粒图像,进行圆拟合,实现生球轮廓重构。
9.如权利要求8所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述基于所述二值化图像,确定重叠生球颗粒区域中单个生球颗粒的数量的步骤,包括:
通过确定所述重叠生球颗粒区域中存在的中心亮度区域的数量,来确定单个生球的数量。
10.如权利要求8所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述通过高斯混合模型的建立和求解,对所述重叠生球颗粒区域的进行单个生球颗粒分割的步骤,包括:
对所述重叠区域的生球颗粒图像取反操作,并进行欧氏距离变化,得到所述重叠生球颗粒区域的距离变换二维图像;
基于所述距离变换二维图像,得到所述重叠生球颗粒区域的距离变换三维图像;
基于单个生球颗粒的高斯分布图像,用高斯混合模型描述所述距离变换三维图像;在所述高速混合模型中,每个高斯分布为一个组件,代表所述重叠生球颗粒区域中的一个生球颗粒;
对所述高斯混合模型求解,实现对所述重叠生球颗粒区域的单个颗粒分割。
11.如权利要求8所述的一种圆盘造球机的生球粒径检测方法,其特征在于,所述对于分割后的单个颗粒图像,进行圆拟合,实现生球颗粒轮廓重构的步骤,包括:
对于分割后的单个生球颗粒图像,基于最小二乘法,进行圆拟合,实现生球颗粒轮廓重构。
12.一种圆盘造球机的生球粒径检测系统,其特征在于,包括:
获取单元,用于获取所述造球机的出球区域的原始图像信息;
第一图像处理单元,用于对于所述原始图像信息进行第一次图像处理,得到生球颗粒的边缘图像;
第二图像处理单元,用于对所述原始图像信息进行第二次图像处理,得到生球颗粒的标记图像;
第三次图像处理单元,用于基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,进行第三次图像处理,得到生球颗粒的像素粒径;
计算单元,用于基于所述生球颗粒的像素粒径,及图像像素坐标与实际物理坐标之间的换算关系式,得到所述生球颗粒的实际粒径。
13.如权利要求12所述的一种圆盘造球机的生球粒径检测系统,其特征在于,所述第一图像处理单元包括:
灰度处理单元,用于对所述原始图像信息进行灰度处理,得到灰度图像;
二值处理单元,用于对所述灰度图像进行图像阈值分割,得到区分生球和背景的二值化图像;
边缘提取单元,用于对所述二值化图像进行边缘算子提取,得到所述生球颗粒的边缘图像。
14.如权利要求13所述的一种圆盘造球机的生球粒径检测方法,其特征在于,
所述二值处理单元在处理图像时,采用自适应阈值分割得到二值图像;遍历所述灰度图像,将当前像素点的灰度值与其邻域灰度均值做比较,若当前像素点灰度值小于邻域灰度均值,则将当前像素点灰度值设置为255,反之设置为0;
所述边缘提取单元在处理图像时,遍历所述二值化图像,计算当前像素点的灰度梯度,若该梯度大于预定的阈值则将该当前像素点认定为边缘点,反之,则不是边缘点;
所述灰度梯度为当前像素点在图像坐标系中的X方向和Y方向的变化绝对值之和。
15.如权利要求12所述的一种圆盘造球机的生球粒径检测系统,其特征在于,所述第三图像处理单元包括:
圆周扫描单元,用于基于所述生球颗粒的边缘图像和所述生球颗粒的标记图像,通过圆周扫描法获得实际生球颗粒的边缘点;
圆拟合匹配单元,用于对所述实际生球颗粒的边缘点,采用最小二乘法进行圆拟合,得到所述生球颗粒的像素粒径。
16.如权利要求15所述的一种圆盘造球机的生球粒径检测系统,其特征在于,所述圆周扫描单元在处理图像时,在图像坐标系中,以标记点中心为搜索起点,分别沿着X轴正反两个反向、Y轴正反两个方向及XY轴两个斜对角方向搜索边缘点,搜索得到的边缘点,便认定为是实际的生球边缘点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010332613.0A CN113628155A (zh) | 2020-04-24 | 2020-04-24 | 一种圆盘造球机的生球粒径检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010332613.0A CN113628155A (zh) | 2020-04-24 | 2020-04-24 | 一种圆盘造球机的生球粒径检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113628155A true CN113628155A (zh) | 2021-11-09 |
Family
ID=78376263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010332613.0A Pending CN113628155A (zh) | 2020-04-24 | 2020-04-24 | 一种圆盘造球机的生球粒径检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628155A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115055111A (zh) * | 2022-05-30 | 2022-09-16 | 福建南方路面机械股份有限公司 | 行星混炼造粒设备的监测及反馈装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06187437A (ja) * | 1992-12-16 | 1994-07-08 | Nireco Corp | 円形粒子の測定方法 |
CN107063946A (zh) * | 2016-12-23 | 2017-08-18 | 天津市三特电子有限公司 | 视频生球粒径仪及其生球粒径状态检测方法 |
CN109631912A (zh) * | 2019-01-10 | 2019-04-16 | 中国科学院光电技术研究所 | 一种深空球形目标被动测距方法 |
CN110348533A (zh) * | 2019-07-17 | 2019-10-18 | 中国海洋大学 | 一种基于svm的浮游生物粒径谱检测方法 |
-
2020
- 2020-04-24 CN CN202010332613.0A patent/CN113628155A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06187437A (ja) * | 1992-12-16 | 1994-07-08 | Nireco Corp | 円形粒子の測定方法 |
CN107063946A (zh) * | 2016-12-23 | 2017-08-18 | 天津市三特电子有限公司 | 视频生球粒径仪及其生球粒径状态检测方法 |
CN109631912A (zh) * | 2019-01-10 | 2019-04-16 | 中国科学院光电技术研究所 | 一种深空球形目标被动测距方法 |
CN110348533A (zh) * | 2019-07-17 | 2019-10-18 | 中国海洋大学 | 一种基于svm的浮游生物粒径谱检测方法 |
Non-Patent Citations (3)
Title |
---|
XIN WU等: "An image-based method for online measurement of the size distribution of iron green pellets using dual morphological reconstruction and circle-scan", POWDER TECHNOLOGY, vol. 347, 1 April 2019 (2019-04-01), pages 186 - 198, XP085644971, DOI: 10.1016/j.powtec.2019.03.007 * |
刘小燕等: "基于形态学重建和GMM的球团颗粒图像分割", 仪器仪表学报, vol. 40, no. 3, 15 March 2019 (2019-03-15), pages 230 - 238 * |
吴鑫: "基于机器视觉的球团矿造球过程粒径在线检测方法研究", 中国博士学位论文全文数据库 (工程科技Ⅰ辑), 15 January 2023 (2023-01-15), pages 023 - 3 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115055111A (zh) * | 2022-05-30 | 2022-09-16 | 福建南方路面机械股份有限公司 | 行星混炼造粒设备的监测及反馈装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN109872300B (zh) | 一种摩擦片外观缺陷的视觉显著性检测方法 | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CN109632808A (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
Wu et al. | An image-based method for online measurement of the size distribution of iron green pellets using dual morphological reconstruction and circle-scan | |
CN102608016A (zh) | 基于Canny边界检测的复杂颗粒平均尺寸测量方法 | |
CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
Lin et al. | Surface defect detection of machined parts based on machining texture direction | |
Yang et al. | Detection of size of manufactured sand particles based on digital image processing | |
CN116309577A (zh) | 一种高强传送带物料智能检测方法及系统 | |
CN106989672A (zh) | 一种基于机器视觉的工件测量方法 | |
CN113628155A (zh) | 一种圆盘造球机的生球粒径检测方法及系统 | |
Ping et al. | Whole surface defect detection method for bearing rings based on machine vision | |
Chen et al. | Image analysis algorithm and verification for on-line molecular sieve size and shape inspection | |
CN112102287B (zh) | 一种基于图像的生球裂纹自动检测与识别方法 | |
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 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN105405137B (zh) | 基于机器视觉的轴质量检测方法 |
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 |