CN115615885A - 一种尾砂絮凝沉降智能分析方法和系统 - Google Patents
一种尾砂絮凝沉降智能分析方法和系统 Download PDFInfo
- Publication number
- CN115615885A CN115615885A CN202211053113.9A CN202211053113A CN115615885A CN 115615885 A CN115615885 A CN 115615885A CN 202211053113 A CN202211053113 A CN 202211053113A CN 115615885 A CN115615885 A CN 115615885A
- Authority
- CN
- China
- Prior art keywords
- solid
- liquid separation
- image
- tailing
- separation interface
- 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
- 238000004062 sedimentation Methods 0.000 title claims abstract description 110
- 238000005189 flocculation Methods 0.000 title claims abstract description 76
- 230000016615 flocculation Effects 0.000 title claims abstract description 76
- 238000004458 analytical method Methods 0.000 title claims abstract description 45
- 238000000926 separation method Methods 0.000 claims abstract description 96
- 239000007788 liquid Substances 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000004907 flux Effects 0.000 claims abstract description 16
- 239000007787 solid Substances 0.000 claims abstract description 16
- 239000002562 thickening agent Substances 0.000 claims description 72
- 238000007906 compression Methods 0.000 claims description 19
- 230000006835 compression Effects 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 30
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000005352 clarification Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000006228 supernatant Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 230000008719 thickening Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011268 mixed slurry Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G01N15/04—Investigating sedimentation of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Dispersion Chemistry (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本发明涉及膏体技术智能分析领域,尤其涉及一种尾砂絮凝沉降智能分析方法和系统,方法包括:采集包含尾砂絮凝沉降过程的视频;并将含有固液分离界面的视频帧图像确定为待处理图像;得到每个待处理图像中的固液分离界面所在位置的高度,并按照视频帧图像在视频中的先后顺序,绘制成尾砂固液分离界面沉降曲线,尾砂固液分离界面沉降曲线的横轴为沉降时间,纵轴为固液分离界面所在位置的高度;根据尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量;能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
Description
技术领域
本发明涉及膏体技术智能分析领域,尤其涉及一种尾砂絮凝沉降智能分析方法和系统。
背景技术
安全环保的膏体技术已成为现代矿山的发展趋势。浓密工艺是膏体技术的首要环节,尾砂絮凝沉降是保证浓密工艺顺利进行的关键。因此,尾砂絮凝沉降的分析,对膏体技术具有重要影响。
目前,尾砂絮凝沉降实验仍需要实验人员进行大量重复性操作、实验精度不高、人工决策多、测量误差大。亟待提出新的分析方法及其装置,降低实验人员重复工作量,提高尾砂絮凝沉降的实验精度和智能分析能力。
发明内容
本发明提供了一种尾砂絮凝沉降智能分析方法和系统,用于解决现有尾砂絮凝沉降工作量大、重复率高、人员依赖性强、分析精度低等问题。
本发明的一种尾砂絮凝沉降智能分析方法的技术方案如下:
采集包含尾砂絮凝沉降过程的视频;
提取所述视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
得到每个待处理图像中的固液分离界面所在位置的高度;
按照视频帧图像在所述视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,所述尾砂固液分离界面沉降曲线的横轴为沉降时间,所述尾砂固液分离界面沉降曲线的纵轴为固液分离界面所在位置的高度;
根据所述尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量。
本发明的一种尾砂絮凝沉降智能分析方法的有益效果如下:
能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
本发明的一种尾砂絮凝沉降智能分析系统的技术方案如下:
包括采集模块、提取确定模块、高度确定模块、绘制模块和计算模块;
所述采集模块用于:采集包含尾砂絮凝沉降过程的视频;
所述提取确定模块用于:提取所述视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
所述高度确定模块用于:得到每个待处理图像中的固液分离界面所在位置的高度;
所述绘制模块用于:按照视频帧图像在所述视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,所述尾砂固液分离界面沉降曲线的横轴为沉降时间,所述尾砂固液分离界面沉降曲线的纵轴为固液分离界面所在位置的高度;
所述计算模块用于:根据所述尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量。本发明的一种尾砂絮凝沉降智能分析系统的有益效果如下:
能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
附图说明
图1为本发明实施例的一种尾砂絮凝沉降智能分析方法的流程示意图;
图2为尾砂固液分离界面沉降曲线的示意图;
图3为本发明实施例的一种尾砂絮凝沉降智能分析系统的结构示意图;
具体实施方式
如图1所示,本发明实施例的一种尾砂絮凝沉降智能分析方法,包括如下步骤:
S1、采集包含尾砂絮凝沉降过程的视频;具体地:
在尾砂絮凝沉降实验过程中,采用摄像头采集视频,将摄像头通过USB连接计算机视频处理软件,载入视频文件;通过视频处理软件,获得视频文件的帧数、帧宽、帧高、帧率、时长等视频信息。
S2、提取视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
固液分离界面指:在尾砂絮凝沉降中,上层澄清区与下层混浊浓缩尾砂浆之间的界面。
S3、得到每个待处理图像中的固液分离界面所在位置的高度;
其中,高度指:固液分离界面相对于尾砂絮凝沉降实验所用容器的底部之间的距离。
S4、按照视频帧图像在视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,尾砂固液分离界面沉降曲线的横轴为沉降时间,尾砂固液分离界面沉降曲线纵轴为固液分离界面所在位置的高度;
S5、根据尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量,具体地:
1)根据固液分离界面沉降高度随沉降时间的变化,计算平均沉降速度V,具体地:
从第一次出现固液分离界面时的固液分离界面所在位置的高度与最终固液分离界面稳定时的固液分离界面所在位置的高度之间的高度偏差值,与从第一次出现固液分离界面的时刻直至固液分离界面稳定的时刻之间的比值,即为平均沉降速度V;
2)根据尾砂固液分离界面沉降曲线,绘制自由沉降区直线和压缩沉降区直线;拟合沉降曲线非线性关系模型、自由沉降区和压缩沉降区线性关系模型;计算自由沉降直线与压缩沉降直线的交点A坐标,获得与交点A同一沉降时间下的沉降曲线上的点B坐标;过点B做沉降曲线的切线,计算切线斜率K和切线纵坐标截距H,具体地:
如图2所示,尾砂固液分离界面沉降曲线包括:自由沉降区域F-D、干涉沉降区域D-B-C、压缩沉降区域C-E。尾砂絮凝沉降过程中,上部分逐渐澄清,形成上层澄清区,A点是直线FD与直线CE的交点,B点是与A点同一横坐标(沉降时间)下的沉降曲线上的点,过B点做沉降曲线的切线,斜率为K,纵截距为H,初始沉降高度F点的纵坐标为H0,图2中的“沉降高度”表示固液分离界面所在位置的高度;
利用凯奇理论公式计算得到固体通量G,凯奇理论公式为:其中,G是固体通量,单位为:t/(h·m2),ρS表示尾砂密度,单位为t/m3,c0表示尾砂初始体积分数(%),H0表示初始沉降高度,单位为mm,H表示是B点切线纵截距,也是B点的沉降高度,mm;K是B点切线斜率,也是B点的沉降速度,mm/s。
本发明能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
可选地,在上述技术方案中,S3中,得到每个待处理图像中的固液分离界面所在位置的高度,包括:
S30、在任一待处理图像上框选取含有固液分离界面的待分析区域,对待分析区域进行二值化处理,得到二值化图像,采用阈值分割法对二值化图像进行识别,获取尾砂絮凝沉降过程中的上层澄清区,利用bwareaopen函数,去除上层澄清区图像中的小面积对象,利用regionprops函数,获取上层澄清区图像的特征,根据上层澄清区图像的特征确定上层澄清区的质心坐标和区域尺寸,根据质心坐标和区域尺寸,得到该待处理图像中的固液分离界面所在位置的高度,直至得到每个待处理图像中的固液分离界面所在位置的高度。
其中,小面积对象指:能够视为噪声的小面积区域,程序里设计为Area参数小于2000的噪声的小面积区域。
其中,通过bwareaopen函数,删除上层澄清区图像中的小面积对象,能够减少噪声的干扰,利用regionprops函数,测量上层澄清区图像的特征,上层澄清区图像的特征包括质心坐标(x0,y0)和区域尺寸(L,W),因此,从上层澄清区的图像特征中能够获取质心坐标(x0,y0)和区域尺寸(L,W),利用质心坐标(x0,y0)和区域尺寸(L,W),计算固液分离界面的位置高度y,y=y0+W/2,L表示上层澄清区的长度,W表示上层澄清区的宽度,其中,上层澄清区图像包括含有上层澄清区的图像。待分析区域可根据实际情况设置,待分析区域含有固液分离界面即可。
可选地,在上述技术方案中,还包括:
可选地,在上述技术方案中,还包括:
S5、根据浓密机直径,确定浓密机的泥层压缩区的高度;
S6、根据浓密机直径和用户指定的浓密机的锥体角度,确定浓密机的锥体的高度。
其中,可通过经验公式,计算浓密机的澄清区的高度、浓密机的自由沉降区的高度、浓密机的泥层压缩区的高度以及浓密机的锥体的高度,实现浓密机尺寸的智能推荐。具体如下:
浓密机的泥层压缩区的高度=D×d,d表示系数,d的取值范围在0.89~0.97之间,具体d可为0.9;
浓密机的锥体的高度=0.5×D×tanβ,其中,β表示用户指定的浓密机的锥体角度,β=30°、45°、60°、90°或120°;
还可人为在经验范围内确定浓密机的澄清区的高度,浓密机的澄清区高度的经验范围一般在0.5~0.8m之间,具体可为0.65米;
还可人为在经验范围内确定浓密机的自由沉降区的高度,浓密机的自由沉降区的高度的经验范围一般在0.3~0.6m之间,具体可为0.45m;
由此可计算得到浓密机的筒体的高度=浓密机的澄清区的高度+浓密机的自由沉降区的高度+浓密机的泥层压缩区的高度,还可计算得到浓密机的总高度=浓密机的澄清区的高度+浓密机的自由沉降区的高度+浓密机的泥层压缩区的高度+浓密机的锥体的高度=浓密机的筒体的高度+浓密机的锥体的高度,根据上述参数即浓密机的澄清区的高度、浓密机的自由沉降区的高度、浓密机的泥层压缩区的高度、浓密机的锥体的高度、浓密机的筒体的高度、浓密机的总高度进行浓密机的推荐。
其中,可通过人机交互界面,用户输入浓密机所需的生产能力即实际生产需求和指定的锥体角度,自动计算浓密机的澄清区的高度、浓密机的自由沉降区的高度、浓密机的泥层压缩区的高度以及浓密机的锥体的高度。
在尾砂絮凝沉降过程中,尾砂颗粒由于高分子絮凝剂的作用发生吸附和架桥,颗粒聚集形成尺寸更大的絮体,絮体之间由于空间位阻效应,形成网状结构。在重力作用下,絮网结构加速下沉,形成固液分离界面,实现尾砂颗粒与水的分离。通过观测界面的变化,可以获得尾砂絮凝沉降的效果,进而指导尾砂浓密及其设备选型等工作。
下面通过另外一个实施例对本发明的一种尾砂絮凝沉降智能分析方法进行说明,具体包括:
S100、采集尾砂絮凝沉降过程目标区域的视频资源;
采用尾砂絮凝沉降实验筒进行实验,依次注入一定质量分数的实验尾砂浆体和絮凝剂溶液;上下翻转絮凝沉降实验筒,实现二者的混合;将实验筒静置,开始采集沉降实验视频信息。具体包括:
S1001、在尾砂絮凝沉降实验过程中,采用摄像头采集视频文件:
在实验筒中心点对面20cm处,固定摄像头,对准实验筒内混合浆体区域,采集视频信息,保存视频文件为avi、mp4、wmv、mpeg等常见视频文件格式。
S1002、将摄像头通过USB连接计算机视频处理软件,载入视频文件:
摄像头与计算机连接后,通过计算机上安装的视频处理软件,打开尾砂絮凝沉降实验视频文件,实现视频的播放、暂定、停止、截图等功能。
S1003、通过视频处理软件,获得视频文件的帧数、帧宽、帧高、帧率、时长等视频信息。
S101、将视频文件转换为图像序列,获得图像文件;
S102、批量进行图像处理,识别固液分离界面位置;
S1020、在某帧图像中框选重点监测与智能分析区域:
利用人机交互界面,允许用户通过鼠标框选重点分析的矩形区域,显著减少图像背景和噪声对分析的影响。
S1021、对区域内图像进行二值化处理;
S1022、采用阈值分割法进行图像识别;
S1023、获取上层澄清区域尺寸参数和质心坐标:
合理的阈值能够将沉降图像分为明显的两块分区,上部分的白色澄清区和下部分的黑色尾砂区。通过连通区属性,确定白色澄清区质心坐标和长宽尺寸,计算获得白色澄清区底边位置,即固液分离界面的位置。
S1024、确定尾砂絮凝沉降固液分离界面位置。
S103、绘制尾砂絮凝沉降过程的尾砂固液分离界面沉降曲线:
通过图像识别每一帧固液分离界面的位置,确定分离界面沉降时间的变化,自主绘制尾砂絮凝沉降过程的尾砂固液分离界面沉降曲线;
S104、对沉降曲线智能分析,计算主要沉降参数:
凯奇沉降理论是沉降过程分析的经典理论之一。其将尾砂絮凝沉降曲线分为自由沉降、干涉沉降和压缩3个区域。通过确定3个区域的分界点和干涉区的特征点,可以计算尾砂沉降的固体通量,从而指导浓密机的尺寸选择。
S1040、根据固液分离界面沉降高度随沉降时间的变化,计算平均沉降速度V;
S1041、根据絮凝尾砂浆沉降曲线,绘制自由沉降区直线和压缩沉降区直线;
S1042、拟合沉降曲线非线性关系模型、自由沉降区和压缩沉降区线性关系模型;
S1043、计算自由沉降直线与压缩沉降直线的交点A坐标,获得与交点A同一沉降时间下的沉降曲线上的点B坐标;
S1044、过点B做沉降曲线的切线,计算切线斜率K和切线纵坐标截距H;
其中,G是固体通量,t/(h·m2);
ρs是尾砂密度,t/m3;
c0是尾砂初始体积分数,%;
H0是初始沉降高度,mm;
H是B点切线纵截距,也是B点的沉降高度,mm;
K是B点切线斜率,也是B点的沉降速度,mm/s。
S105、根据实际生产需求,智能推荐浓密机尺寸。
S1050、通过人机交互界面,用户输入浓密机所需的生产能力和选定的锥体角度;
S1051、根据浓密机生产能力和单位处理能力,计算机软件计算浓密机直径;
其中,D是浓密机直径,m;
Q浓密机所需生产能力,t/h。
S1052、根据经验公式,计算浓密机澄清区、自由沉降区、泥层压缩区和锥体的高度,实现浓密机尺寸的智能推荐。
本发明的一种尾砂絮凝沉降智能分析方法,采集尾砂絮凝沉降过程目标区域的视频资源;将视频文件转换为图像序列,获得图像文件;批量进行图像处理,识别固液分离界面位置;绘制尾砂絮凝沉降过程的尾砂固液分离界面沉降曲线;对沉降曲线智能分析,计算主要沉降参数;根据实际生产需求,智能推荐浓密机尺寸,具备视频采集、格式转换、图像处理、智能识别、智能分析、人机交互和设备尺寸推荐等功能,能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
在上述各实施例中,虽然对步骤进行了编号S1、S2等,但只是本申请给出的具体实施例,本领域的技术人员可根据实际情况调整S1、S2等的执行顺序,此也在本发明的保护范围内,可以理解,在一些实施例中,可以包含如上述各实施方式中的部分或全部。
如图3所示,本发明实施例的一种尾砂絮凝沉降智能分析系统200,包括采集模块210、提取确定模块220、高度确定模块230、绘制模块240和计算模块250;
采集模块210用于:采集包含尾砂絮凝沉降过程的视频;
提取确定模块220用于:提取视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
高度确定模块230用于:得到每个待处理图像中的固液分离界面所在位置的高度;
绘制模块240用于:按照视频帧图像在视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,尾砂固液分离界面沉降曲线的横轴为沉降时间,尾砂固液分离界面沉降曲线的纵轴为固液分离界面所在位置的高度;
计算模块250用于:根据尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量。
能够有效减少尾砂絮凝沉降实验工作量、降低实验人员操作误差、提高实验智能化水平和分析精准度、缩短实验周期、节约成本。
可选地,在上述技术方案中,高度确定模块230具体用于:
在任一待处理图像上框选取含有固液分离界面的待分析区域,对待分析区域进行二值化处理,得到二值化图像,采用阈值分割法对二值化图像进行识别,获取尾砂絮凝沉降过程中的上层澄清区,利用bwareaopen函数,去除上层澄清区图像中的小面积对象,利用regionprops函数,获取上层澄清区图像的特征,根据上层澄清区图像的特征确定上层澄清区的质心坐标和区域尺寸,根据质心坐标和区域尺寸,得到该待处理图像中的固液分离界面所在位置的高度,直至得到每个待处理图像中的固液分离界面所在位置的高度。
可选地,在上述技术方案中,还包括确定模块,确定模块用于:
根据固体通量和实际生产需求,确定浓密机直径。
可选地,在上述技术方案中,确定模块还用于:
根据浓密机直径,确定浓密机的泥层压缩区的高度;
根据浓密机直径和用户指定的浓密机的锥体角度,确定浓密机的锥体的高度。
上述关于本发明的一种尾砂絮凝沉降智能分析系统200中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种尾砂絮凝沉降智能分析方法的实施例中的各参数和步骤,在此不做赘述。
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。
因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种尾砂絮凝沉降智能分析方法,其特征在于,包括:
采集包含尾砂絮凝沉降过程的视频;
提取所述视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
得到每个待处理图像中的固液分离界面所在位置的高度;
按照视频帧图像在所述视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,所述尾砂固液分离界面沉降曲线的横轴为沉降时间,所述尾砂固液分离界面沉降曲线的纵轴为固液分离界面所在位置的高度;
根据所述尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量。
2.根据权利要求1所述的一种尾砂絮凝沉降智能分析方法,其特征在于,所述得到每个待处理图像中的固液分离界面所在位置的高度,包括:
在任一待处理图像上框选取含有固液分离界面的待分析区域,对所述待分析区域进行二值化处理,得到二值化图像,采用阈值分割法对所述二值化图像进行识别,获取尾砂絮凝沉降过程中的上层澄清区图像,利用bwareaopen函数,去除上层澄清区图像中的小面积对象,并利用regionprops函数,获取所述上层澄清区图像的特征,从所述上层澄清区图像的特征中得到所述上层澄清区的质心坐标和区域尺寸,根据所述质心坐标和区域尺寸,得到该待处理图像中的固液分离界面所在位置的高度,直至得到每个待处理图像中的固液分离界面所在位置的高度。
3.根据权利要求2所述的一种尾砂絮凝沉降智能分析方法,其特征在于,还包括:
根据固体通量和实际生产需求,确定浓密机直径。
4.根据权利要求3所述的一种尾砂絮凝沉降智能分析方法,其特征在于,还包括:
根据所述浓密机直径,确定浓密机的泥层压缩区的高度;
根据所述浓密机直径和用户指定的浓密机的锥体角度,确定浓密机的锥体的高度。
5.一种尾砂絮凝沉降智能分析系统,其特征在于,包括采集模块、提取确定模块、高度确定模块、绘制模块和计算模块;
所述采集模块用于:采集包含尾砂絮凝沉降过程的视频;
所述提取确定模块用于:提取所述视频中的视频帧图像,并将含有固液分离界面的视频帧图像,确定为待处理图像;
所述高度确定模块用于:得到每个待处理图像中的固液分离界面所在位置的高度;
所述绘制模块用于:按照视频帧图像在所述视频中的先后顺序,将每个待处理图像中的固液分离界面所在位置的高度,绘制成尾砂固液分离界面沉降曲线,所述尾砂固液分离界面沉降曲线的横轴为沉降时间,所述尾砂固液分离界面沉降曲线的纵轴为固液分离界面所在位置的高度;
所述计算模块用于:根据所述尾砂固液分离界面沉降曲线,计算得到尾砂絮凝沉降的平均沉降速度和固体通量。
6.根据权利要求5所述的一种尾砂絮凝沉降智能分析系统,其特征在于,所述高度确定模块具体用于:
在任一待处理图像上框选取含有固液分离界面的待分析区域,对所述待分析区域进行二值化处理,得到二值化图像,采用阈值分割法对所述二值化图像进行识别,获取尾砂絮凝沉降过程中的上层澄清区图像,利用bwareaopen函数,去除所述上层澄清区图像中的小面积对象,并利用regionprops函数,获取所述上层澄清区图像的特征,从所述上层澄清区图像的特征得到所述上层澄清区的质心坐标和区域尺寸,根据所述质心坐标和区域尺寸,得到该待处理图像中的固液分离界面所在位置的高度,直至得到每个待处理图像中的固液分离界面所在位置的高度。
7.根据权利要求6所述的一种尾砂絮凝沉降智能分析系统,其特征在于,还包括确定模块,所述确定模块用于:
根据固体通量和实际生产需求,确定浓密机直径。
8.根据权利要求7所述的一种尾砂絮凝沉降智能分析系统,其特征在于,所述确定模块还用于:
根据所述浓密机直径,浓密机的泥层压缩区的高度;
根据所述浓密机直径和用户指定的浓密机的锥体角度,确定浓密机的锥体的高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053113.9A CN115615885A (zh) | 2022-08-31 | 2022-08-31 | 一种尾砂絮凝沉降智能分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053113.9A CN115615885A (zh) | 2022-08-31 | 2022-08-31 | 一种尾砂絮凝沉降智能分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115615885A true CN115615885A (zh) | 2023-01-17 |
Family
ID=84857742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211053113.9A Pending CN115615885A (zh) | 2022-08-31 | 2022-08-31 | 一种尾砂絮凝沉降智能分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115615885A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117871353A (zh) * | 2024-03-11 | 2024-04-12 | 天津美腾科技股份有限公司 | 一种煤泥水沉降检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538177A (zh) * | 2003-05-30 | 2004-10-20 | 哈尔滨工业大学 | 基于图像处理技术的混凝过程絮体检测及优化控制系统 |
CN109580922A (zh) * | 2018-12-07 | 2019-04-05 | 昆明理工大学 | 一种全尾砂动态剪切作用下连续浓密测试系统及测试方法 |
CN112229770A (zh) * | 2020-08-25 | 2021-01-15 | 广西博世科环保科技股份有限公司 | 一种自动采集、观测及识别活性污泥沉降实验过程的装置 |
CN113267430A (zh) * | 2021-04-27 | 2021-08-17 | 北京科技大学 | 一种全尾砂折返式管路絮凝实验装置 |
CN113743424A (zh) * | 2021-09-15 | 2021-12-03 | 昆明理工大学 | 一种全尾砂动态絮凝沉降图像特征点提取的dbscan聚类分析方法 |
CN114295553A (zh) * | 2022-01-05 | 2022-04-08 | 东北大学 | 一种高通量混凝絮凝实验系统及实验方法 |
CN114993898A (zh) * | 2022-04-18 | 2022-09-02 | 金诚信矿业管理股份有限公司 | 一种尾砂智能浓密实验系统及方法 |
-
2022
- 2022-08-31 CN CN202211053113.9A patent/CN115615885A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1538177A (zh) * | 2003-05-30 | 2004-10-20 | 哈尔滨工业大学 | 基于图像处理技术的混凝过程絮体检测及优化控制系统 |
CN109580922A (zh) * | 2018-12-07 | 2019-04-05 | 昆明理工大学 | 一种全尾砂动态剪切作用下连续浓密测试系统及测试方法 |
CN112229770A (zh) * | 2020-08-25 | 2021-01-15 | 广西博世科环保科技股份有限公司 | 一种自动采集、观测及识别活性污泥沉降实验过程的装置 |
CN113267430A (zh) * | 2021-04-27 | 2021-08-17 | 北京科技大学 | 一种全尾砂折返式管路絮凝实验装置 |
CN113743424A (zh) * | 2021-09-15 | 2021-12-03 | 昆明理工大学 | 一种全尾砂动态絮凝沉降图像特征点提取的dbscan聚类分析方法 |
CN114295553A (zh) * | 2022-01-05 | 2022-04-08 | 东北大学 | 一种高通量混凝絮凝实验系统及实验方法 |
CN114993898A (zh) * | 2022-04-18 | 2022-09-02 | 金诚信矿业管理股份有限公司 | 一种尾砂智能浓密实验系统及方法 |
Non-Patent Citations (2)
Title |
---|
王新民;赵建文;张德明;: "全尾砂絮凝沉降速度优化预测模型", 中国有色金属学报, no. 03, 15 March 2015 (2015-03-15) * |
王瑾, 胡开堂: "计算机视觉检测系统在絮凝处理中的应用", 工业水处理, no. 07, 25 July 2004 (2004-07-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117871353A (zh) * | 2024-03-11 | 2024-04-12 | 天津美腾科技股份有限公司 | 一种煤泥水沉降检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115615885A (zh) | 一种尾砂絮凝沉降智能分析方法和系统 | |
US9047529B2 (en) | Form recognition method and device | |
Moore et al. | Median filtering for removal of low-frequency background drift | |
CN103464272A (zh) | 一种粗煤泥两段水介分选方法 | |
CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
CN105869175A (zh) | 一种图像分割方法及系统 | |
CN113743424B (zh) | 全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法 | |
CN112892823A (zh) | 基于人工智能算法的制砂控制方法及系统 | |
KR20200135839A (ko) | 채도 클러스터에 의한 골수 백혈구 위치 결정 방법 | |
CN116520353A (zh) | 基于激光点云的地面检测方法、装置、存储介质及设备 | |
CN205742462U (zh) | 一种坡面径流场导流装置 | |
Rahimi et al. | The effect of particle size, pH, and flocculant dosage on the gel point, effective solid stress, and thickener performance of a coal-washing plant | |
CN110619932A (zh) | 一种矿物基因数据提取和表征的方法 | |
Kroll-Rabotin et al. | Implementation of a model for Falcon separation units using continuous size-density distributions | |
Zhang et al. | Mathematical modelling of batch sedimentation subject to slow aggregate densification | |
CN105302553A (zh) | 一种基于vc++的凝胶图像识别和定位的方法 | |
CN104103039A (zh) | 一种图像噪声估计方法 | |
CN105677669A (zh) | 一种全景拼接图像排序方法及装置 | |
CN114463382A (zh) | 施工状态识别方法、装置、处理设备和存储介质 | |
Sun et al. | Research on image segmentation and extraction algorithm for bicolor water level gauge | |
Zhang et al. | Chord midpoint randomized hough transform for the cell image segmentation | |
CN108898150B (zh) | 视频结构对齐方法和系统 | |
CN106223347B (zh) | 一种延长在役尾矿库服务年限的方法 | |
CN111951294A (zh) | 一种pcr芯片的微孔遍历方法、装置及存储介质 | |
CN112258566A (zh) | 一种路面的采集点识别方法、装置及服务器 |
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 |