CN116183471A - 一种含煤泥矿井水中颗粒物图像自动识别方法及装置 - Google Patents
一种含煤泥矿井水中颗粒物图像自动识别方法及装置 Download PDFInfo
- Publication number
- CN116183471A CN116183471A CN202211662844.3A CN202211662844A CN116183471A CN 116183471 A CN116183471 A CN 116183471A CN 202211662844 A CN202211662844 A CN 202211662844A CN 116183471 A CN116183471 A CN 116183471A
- Authority
- CN
- China
- Prior art keywords
- water
- video frame
- coal
- image acquisition
- filter screen
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 239000003245 coal Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 40
- 238000003860 storage Methods 0.000 claims abstract description 18
- 230000007306 turnover Effects 0.000 claims abstract description 16
- 238000002347 injection Methods 0.000 claims abstract description 15
- 239000007924 injection Substances 0.000 claims abstract description 15
- 239000000203 mixture Substances 0.000 claims abstract description 14
- 238000004140 cleaning Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 239000013618 particulate matter Substances 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 8
- 239000012528 membrane Substances 0.000 description 7
- 239000012536 storage buffer Substances 0.000 description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000004848 nephelometry Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000967 suction filtration Methods 0.000 description 1
- 230000002123 temporal effect 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
- 230000003313 weakening effect Effects 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
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
- G01N2015/144—Imaging characterised by its optical setup
-
- 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
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1486—Counting the particles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Filtration Of Liquid (AREA)
Abstract
本发明公开了一种含煤泥矿井水中颗粒物图像自动识别方法及装置,本发明属于煤水混合物中煤粒的计量技术领域,包括:固定支架、显示终端、图像采集处理装置、滤网、翻转电机、注水装置、储水装置、清理装置;其中,所述固定支架采用二层铁质固定支架,所述图像采集处理装置用于采集图像,对所述图像进行煤颗粒物识别;固定支架分别与图像采集处理装置、翻转电机、注水装置、储水装置、清理装置连接;显示终端与图像采集处理装置连接;滤网与翻转电机连接;其中,图像采集处理装置、滤网和储水装置在竖直方向保持一条直线。本发明实现动态颗粒物的自动化检测,实时性强,准确率高,提高生产效率,使用方便,造价便宜,有效降低人力和时间成本。
Description
技术领域
本发明属于煤水混合物中煤粒的计量技术领域,特别是涉及一种含煤泥矿井水中颗粒物图像自动识别方法及装置。
背景技术
富煤地区往往是水资源匮乏地区,煤炭资源与水资源分布呈逆向分布。因此,对矿井水进行处理及资源化利用是缓解水资源供需矛盾、缓解水资源的时空分布不均匀、改善矿区生态环境的有效途径。
在煤泥矿井水的处理工艺中,通过精确计量含煤泥矿井水中颗粒物的数量,计算含煤泥矿井水中煤颗粒物的浓度,以便于煤泥矿井水的进一步处理。
目前,国内主要对于水中悬浮物的测量方法为人工过滤计数法、重量法、浊度仪法。
人工过滤计数法:在对煤水混合物进行过滤后,使用镊子等工具对滤网上的煤粒进行人工计数,这种方法效率低,浪费人力资源,浪费时间资源,是一种比较原始的方法。
重量法:量取试样抽吸过滤,再以蒸馏水连续洗涤三次,继续吸滤以除去痕量水分。停止吸滤后,仔细取出载有悬浮物的滤膜放在原恒重的称量瓶里,移入烘箱中于103~105℃下烘干一小时后移入干燥器中,使冷却到室温,称其重量,再通过计算得出结果。重量法测量虽然比较准确,但检测时间长,工作量大,不适合对生产过程进行实时控制。
浊度仪法:浊度仪是用钨灯照射水样,然后用光电二极管在一定角度上测定来自颗粒物“云”的散射,用颗粒物云的亮度作为仪器的电输出信号。由于结果受到颗粒物对光的散射能力的影响,煤泥这种深色颗粒物会导致光信号减弱,使测量结果偏低。
使用本发明,可精准、自动、快速计量过滤煤水混合物后滤网上的煤粒个数。使用本发明后,可大幅度提高效率的同时减少计量误差,节约人力资源,节约时间,改善高成本的现状。
发明内容
本发明的目的是提供一种含煤泥矿井水中颗粒物图像自动识别方法及装置,以解决上述现有技术存在的问题。
为实现上述目的,本发明提供了一种含煤泥矿井水中颗粒物图像自动识别装置,包括:
固定支架、显示终端、图像采集处理装置、滤网、翻转电机、注水装置、储水装置、清理装置;其中,所述固定支架采用二层铁质固定支架,所述图像采集处理装置用于采集处理图像,对所述图像进行煤颗粒物识别;
固定支架分别与图像采集处理装置、翻转电机、注水装置、储水装置、清理装置连接;显示终端与图像采集处理装置连接;滤网与翻转电机连接;其中,图像采集处理装置、滤网和储水装置在竖直方向保持一条直线。
可选的,所述显示终端采用ISP液晶显示终端对所述图像采集处理装置处理后的图像进行终端显示。
可选的,所述图像采集处理装置包括采集装置和处理单元;
所述采集装置采用支持1080p以上格式的监控用摄像机实时采集图像;
所述图像处理单元用于计算所述图像中煤颗粒物数量。
可选的,所述注水装置和所述储水装置分别用于存装经过滤网前的煤水混合物和经过滤网后的煤水混合物;
其中,所述滤网采用30目或40目不锈钢质滤网。
可选的,所述翻转电机的伺服系统由可变宽度的脉冲控制;
其中,所述翻转电机的时基脉冲为20ms,所述时基脉冲的高电平部分包括0.5ms至2.5ms的控制脉冲;
所述控制脉冲为0.5ms、1.0ms、1.5ms、2.0ms、2.5ms,所述翻转电机的旋转角度对应为0度、45度、90度、135度、180度。
本发明提供了一种含煤泥矿井水中颗粒物图像自动识别方法,其特征在于,包括以下步骤:
获取待识别视频帧,基于OpenCV对所述待识别视频帧处理,得到处理图像,基于所述处理图像,得到所述待识别视频帧中的颗粒物识别结果,其中,基于PV信号量控制获取所述待识别视频帧的速度;
基于所述颗粒物识别结果,对所述待识别视频帧裁剪,得到裁剪视频帧,基于所述裁剪视频帧,调整参数,得到最优识别结果。
可选的,对所述待识别视频帧处理,得到处理图像的过程包括:
基于颜色空间转换函数对所述待识别视频帧进行灰度处理,得到第一视频帧;基于高斯滤波函数对所述第一视频帧进行平滑去噪处理,得到第二视频帧;对所述第二视频帧进行二值化处理,得到所述处理图像。
可选的,对所述处理图像进行轮廓检测,得到颗粒轮廓,基于所述颗粒轮廓,确定颗粒物,基于最小外接圆标记法标记所述颗粒物,得到所述待识别视频帧的识别结果。
本发明的技术效果为:
本发明设计的含煤泥矿井水中颗粒物图像自动识别装置,可精准、自动快速计量过滤煤水混合物后滤网上的煤粒个数,帮助提高生产效率,使用简单,造价便宜,有效降低人力和时间成本。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的图像采集处理装置的一般流程图;
图2为本发明实施例中的系统结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将为使本申请实施例的目的、技术方案和优点更加清楚,将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1-2所示,本实施例提供了一种含煤泥矿井水中颗粒物图像自动识别方法及装置,如图2所示,包括:
固定支架、显示终端、图像采集处理装置、滤网、翻转电机、注水装置、储水装置、清理装置;
固定支架分别与图像采集处理装置、翻转电机、注水装置、储水装置、清理装置连接;
装置整体处于照明良好的自然光的照射下;
显示终端与图像采集处理装置连接;
图像采集处理装置所用摄像机镜头垂直正对滤网;
滤网与翻转电机连接;
图像采集处理装置、滤网、储水装置在竖直方向保持一条直线;
固定支架为二层铁质固定支架;
固定支架分别与图像采集处理装置、翻转电机、注水装置、储水装置、清理装置连接;
显示终端为ISP液晶显示终端;
显示终端为显示图像采集处理装置处理后的图像的显示终端;
显示终端通过网络接口与图像采集处理装置的网络接口连接;
图像采集处理装置为监控用摄像机;
图像采集处理装置为带有处理单元的图像采集处理装置;
处理单元为可精确、自动、快速地计算图像采集处理装置采集的实时图像煤颗粒物的数量的处理单元;
监控用摄像机为支持1080p以上格式的监控用摄像机。
如图1所示,本图像采集处理装置,通过视频图像采集,拍摄滤网上的煤颗粒物,发送给处理单元,使用灰度处理、高斯滤波、二值化处理和边缘检测等图像处理技术对获取的视频帧图像进行处理,精确、自动快速地计量出滤网上煤颗粒物的数量,从而方便对煤水混合物的浓度进行计算。
高斯滤波所使用的函数:
滤网为不锈钢质滤网,滤网规格可根据需要选用30目、40目或其它目数。
翻转电机为伺服系统由可变宽度的脉冲来进行控制;
翻转电机为需要20ms左右的时基脉冲进行控制的翻转电机;
时基脉冲为高电平部分是0.5毫秒至2.5毫秒范围内的角度控制脉冲;
控制脉冲为0.5毫秒脉冲可使翻转电机旋转角度为0度的控制脉冲;
控制脉冲为1.0毫秒脉冲可使翻转电机旋转角度为45度的控制脉冲;
控制脉冲为1.5毫秒脉冲可使翻转电机旋转角度为90度的控制脉冲;
控制脉冲为2.0毫秒脉冲可使翻转电机旋转角度为135度的控制脉冲;
控制脉冲为2.5毫秒脉冲可使翻转电机旋转角度为180度的控制脉冲;
注水装置为装有沉淀后煤水混合物的注水装置;
注水装置通过塑料硬管注水;
注水装置注水口对准滤网中心;
储水装置为铁质的超过5000ml的储水装置;
储水装置为装存通过滤网的煤水混合物的储水装置;
清理装置为一种小型莲蓬头;
小型莲蓬头为使用清水的小型莲蓬头。
实施例二
本实施例中提供一种含煤泥矿井水中颗粒物图像自动识别方法及装置,其中,自动识别装置中的以处理单元为核心的图像处理方法,其自动识别方法的步骤如下:
步骤S1:将图像采集装置安装在固定支架上,开启图像采集装置,采集视频帧,暂存至视频帧缓冲容器中,通过PV信号量系统控制处理单元的读取视频帧速度。
步骤S1.1:在图像采集处理装置中,设置视频帧存储缓冲区A,将图像采集装置采集到的视频帧暂存在视频帧存储缓冲区A中。
步骤S1.2:在处理单元中设置视频帧存储缓冲区容器B,定义在处理单元处理时从视频帧存储缓冲区容器B取出视频帧操作为P操作,即函数P();定义在读取视频帧时从视频帧存储缓冲区A取出视频帧至视频帧存储缓冲区容器B操作为V操作,即V();为P操作与V操作添加互斥锁,当进行一个操作时开启互斥锁,不允许另一个操作执行,当操作结束时关闭。V操作时,当容器中图片数大于30张,清空容器,存入图片。P操作时,当容器为空,返回false时退出P操作。
步骤S2:处理单元首先存储视频帧数据,视频帧进行灰度处理;再对图像进行平滑去噪处理;再使用二值化处理,使处理过后的图片只有二种色值;再对图像进行轮廓检测;标记所有轮廓的最小外接圆,计算并画出最小外接圆;最后计算所有最小外接圆个数作为视频帧中颗粒物个数,并实时显示在用户使用界面。
步骤S2.1:处理单元中首先定义Mat类型变量img用于保存从视频帧存储缓冲区容器B中取出的视频帧,再定义Mat类型变量gray用于存储灰度处理后的视频帧;使用颜色空间转换函数cvtColor(img,gray,COLOR_BGR2GRAY)对视频帧进行灰度处理;使用高斯滤波函数GaussianBlur(gray,gray,Size(3,3),0,0)对图像进行平滑去噪处理,定义Mat类型变量dst用于存储二值化处理后的视频帧,使用二值化处理函数threshold(gray,dst,thresh,255,THRESH_BINARY_INV),使处理过后的图片只有黑与白二种色值。
步骤S2.2:定义int类型sum用来存储颗粒轮廓的最小外接圆个数,设置sum初始值为0;定义Mat类型变量drawMinEnclosingCircle存储将要被画出的最下外接圆,并使用Mat::zeros(dst.size(),CV_8UC3)进行初始化;定义Point类型容器contours用于存储颗粒物轮廓;使用函数findContours(dst,contours,RETR_EXTERNAL,CHAIN_APPROX_NONE)对图像中所有颗粒轮廓进行标记;定义Mat变量res存储被选出的符合条件的轮廓。
步骤S2.3:定义double变量area用于临时存储每个轮廓的面积;如果area的值大于0,那么使用颗粒物外侧轮廓绘制函数drawContours(res,contours,static_cast<int>(i),Scalar(255,255,255),-1,8,Mat(),0,Point(-1,-1))计算出图像中所有的轮廓,定义Point2f类型变量center用于存储最小外接圆圆心,定义float类型变量用于存储最小外接圆半径,再用函数minEnclosingCircle(contours[i],center,fRadius)计算出最小外接圆的参数,用circle(drawMinEnclosingCircle,center,fRadius,cv::Scalar(255,255,255),1)画出最小外接圆,并将sum加1。如果contours中的轮廓没有被遍历完,则重复步骤2.3。
步骤2.4:将轮廓加入到drawMinEnclosingCircle中,发送至用户显示界面,将sum值返回并实时显示在用户使用界面。
步骤S3:在用户界面中,可使用Rect()函数根据用户需求将视频帧的显示部分进行裁剪;可调整二值化函数threshold()的参数,根据用户的使用环境,被识别物体的颜色,通过拖动滑动条调整二值化阈值,调整合适的二值化阈值,以达到更好的识别效果。
本发明是提供一种含煤泥矿井水中颗粒物图像自动识别装置,通过摄像机的视频图像采集,拍摄滤网上的煤颗粒物,使用灰度处理,高斯滤波,二值化处理,边缘检测等图像处理技术对获取的视频帧进行处理,精确、自动、快速地计量出滤网上煤颗粒物的数量,从而方便对煤水混合物的浓度进行计算。
实施例三
本实施例提供了一种含煤泥矿井水中颗粒物图像自动识别装置,包含高清图像采集处理装置、显示终端;高清图像采集处理装置的网络接口与显示终端网络接口相连接,向显示终端输入处理后的实时图像帧。
高清图像采集处理装置采用支持1080P以上格式的监控用摄像机,固定在固定支架上。
显示终端为ISP液晶显示终端;显示终端为显示图像采集处理装置处理后的图像的显示终端;显示终端通过网络接口与图像采集处理装置的网络接口连接;将图像采集处理装置处理后的图像结果传输至显示终端。
本图像采集处理装置中,可进行裁剪以便于只使用图像帧的部分画面,可调整图像处理的二值化阈值以适应环境变化,可实时显示图像采集处理装置采集的图像帧中煤颗粒物的数量,可打开视频文件并实时获取图像帧中煤颗粒物的数量。
本图像采集处理装置,通过视频图像采集,拍摄滤网上的煤颗粒物,获取连续不断的视频帧,发送给处理单元,使用灰度处理,高斯滤波,二值化处理,边缘检测等图像处理技术对获取的视频帧进行处理,精确、自动、快速地计量出每一个视频帧的滤网上煤颗粒物的数量并显示在终端,从而达到持续不断地自动识别图像采集处理装置采集的实时图像中煤颗粒物的轮廓并精确、自动、快速地计算煤颗粒物的数量的效果,以方便对煤水混合物的浓度进行计算。
以上所述,仅为本申请较佳的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种含煤泥矿井水中颗粒物图像自动识别装置,其特征在于,包括:固定支架、显示终端、图像采集处理装置、滤网、翻转电机、注水装置、储水装置、清理装置;其中,所述固定支架采用二层铁质固定支架,所述图像采集处理装置用于采集图像,对所述图像进行煤颗粒物识别;
固定支架分别与图像采集处理装置、翻转电机、注水装置、储水装置、清理装置连接;显示终端与图像采集处理装置连接;滤网与翻转电机连接;其中,图像采集处理装置、滤网和储水装置在竖直方向保持一条直线。
2.根据权利要求1所述的含煤泥矿井水中颗粒物图像自动识别装置,其特征在于,所述显示终端采用ISP液晶显示终端对所述图像采集处理装置处理后的图像进行终端显示。
3.根据权利要求1所述的含煤泥矿井水中颗粒物图像自动识别装置,其特征在于,所述图像采集处理装置包括采集装置和处理单元;
所述采集装置采用支持1080p以上格式的监控用摄像机实时采集图像;
所述图像处理单元用于计算所述图像中煤颗粒物数量。
4.根据权利要求1所述的含煤泥矿井水中颗粒物图像自动识别装置,其特征在于,所述注水装置和所述储水装置分别用于存装经过滤网前的煤水混合物和经过滤网后的煤水混合物;
其中,所述滤网采用30目或40目不锈钢质滤网。
5.根据权利要求1所述的含煤泥矿井水中颗粒物图像自动识别装置,其特征在于,所述翻转电机的伺服系统由可变宽度的脉冲控制;
其中,所述翻转电机的时基脉冲为20ms,所述时基脉冲的高电平部分包括0.5ms至2.5ms的控制脉冲;
所述控制脉冲为0.5ms、1.0ms、1.5ms、2.0ms、2.5ms,所述翻转电机的旋转角度对应为0度、45度、90度、135度、180度。
6.一种含煤泥矿井水中颗粒物图像自动识别方法,其特征在于,包括以下步骤:
获取待识别视频帧,基于OpenCV对所述待识别视频帧处理,得到处理图像,基于所述处理图像,得到所述待识别视频帧中的颗粒物识别结果,其中,基于PV信号量控制获取所述待识别视频帧的速度;
基于所述颗粒物识别结果,对所述待识别视频帧裁剪,得到裁剪视频帧,基于所述裁剪视频帧,调整参数,得到最优识别结果。
7.根据权利要求6所述的含煤泥矿井水中颗粒物图像自动识别方法,其特征在于,对所述待识别视频帧处理,得到处理图像的过程包括:
基于颜色空间转换函数对所述待识别视频帧进行灰度处理,得到第一视频帧;基于高斯滤波函数对所述第一视频帧进行平滑去噪处理,得到第二视频帧;对所述第二视频帧进行二值化处理,得到所述处理图像。
8.根据权利要求7所述的含煤泥矿井水中颗粒物图像自动识别方法,其特征在于,对所述处理图像进行轮廓检测,得到颗粒轮廓,基于所述颗粒轮廓,确定颗粒物,基于最小外接圆标记法标记所述颗粒物,得到所述待识别视频帧的识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662844.3A CN116183471A (zh) | 2022-12-23 | 2022-12-23 | 一种含煤泥矿井水中颗粒物图像自动识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662844.3A CN116183471A (zh) | 2022-12-23 | 2022-12-23 | 一种含煤泥矿井水中颗粒物图像自动识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116183471A true CN116183471A (zh) | 2023-05-30 |
Family
ID=86441321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211662844.3A Pending CN116183471A (zh) | 2022-12-23 | 2022-12-23 | 一种含煤泥矿井水中颗粒物图像自动识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116183471A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050228610A1 (en) * | 2002-04-25 | 2005-10-13 | Yasuo Kousaka | Method and device for measuring fine particles in ultrapure water |
CN101832460A (zh) * | 2010-05-21 | 2010-09-15 | 朱子新 | 机器润滑油过滤器滤芯磨屑检测装置 |
JP2017072439A (ja) * | 2015-10-06 | 2017-04-13 | 株式会社日清製粉グループ本社 | 粗大粒子の測定方法および粗大粒子の測定装置 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN212748639U (zh) * | 2020-09-02 | 2021-03-19 | 徐州宏远通信科技有限公司 | 基于图像识别的选煤厂压滤机入料粒度检测装置 |
CN217542778U (zh) * | 2022-05-17 | 2022-10-04 | 青岛众瑞智能仪器股份有限公司 | 一种计数装置 |
-
2022
- 2022-12-23 CN CN202211662844.3A patent/CN116183471A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050228610A1 (en) * | 2002-04-25 | 2005-10-13 | Yasuo Kousaka | Method and device for measuring fine particles in ultrapure water |
CN101832460A (zh) * | 2010-05-21 | 2010-09-15 | 朱子新 | 机器润滑油过滤器滤芯磨屑检测装置 |
JP2017072439A (ja) * | 2015-10-06 | 2017-04-13 | 株式会社日清製粉グループ本社 | 粗大粒子の測定方法および粗大粒子の測定装置 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN212748639U (zh) * | 2020-09-02 | 2021-03-19 | 徐州宏远通信科技有限公司 | 基于图像识别的选煤厂压滤机入料粒度检测装置 |
CN217542778U (zh) * | 2022-05-17 | 2022-10-04 | 青岛众瑞智能仪器股份有限公司 | 一种计数装置 |
Non-Patent Citations (4)
Title |
---|
宋晨旭 等: "基于OpenCV 的大豆籽粒多表型参数获取算法", 农业工程学报, vol. 38, no. 20, 31 October 2022 (2022-10-31), pages 156 - 163 * |
聂松松 等: "Nginx底层设计与源码分析", 30 June 2021, 机械工业出版社, pages: 311 - 315 * |
詹新生 等: "光伏电子产品的设计与制作", 31 August 2020, 机械工业出版社, pages: 117 - 118 * |
郭建甲, 范新南: "数字图像处理技术在水处理过程中的应用", 河海大学常州分校学报, no. 04, 30 December 2003 (2003-12-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553929B (zh) | 基于融合网络的手机屏幕缺陷分割方法、装置及设备 | |
CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN104616303B (zh) | 一种基于紫外图像的水面溢油检测系统和方法 | |
CN109816644A (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
CN109074033A (zh) | 用于优化水处理过程中的凝聚和/或絮凝的方法和系统 | |
CN108323204A (zh) | 一种检测人脸瑕疵点的方法和智能终端 | |
CN103344583B (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测系统及方法 | |
CN106802171B (zh) | 带有自动除污功能的摄像直读水表的自动除污方法 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN217385116U (zh) | 一种自动化测量污泥沉降比的装置 | |
CN113019973A (zh) | 一种易拉罐制造缺陷在线视觉检测方法 | |
CN109035296A (zh) | 一种改进的视频中运动物体检测方法 | |
CN113484867B (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN102637317A (zh) | 基于视觉的硬币尺寸测量算法 | |
CN103020622A (zh) | 线阵光学降水降雪测量系统中图像二值化方法 | |
CN116183471A (zh) | 一种含煤泥矿井水中颗粒物图像自动识别方法及装置 | |
CN106501278B (zh) | 基于旋转不变纹理特征的灯管表面瑕疵分类方法及系统 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN116167969A (zh) | 镜头脏污检测方法、装置、车辆、存储介质及程序产品 | |
CN115631209A (zh) | 水凝胶球溶胀参数测量方法、系统、装置和存储介质 | |
CN205545686U (zh) | 一种基于图像处理的污水悬浮颗粒浓度检测系统 | |
CN111524102B (zh) | 一种液晶显示器的屏幕脏污检测方法及装置 | |
CN112465782A (zh) | 一种基于数字图像处理的水体浑浊程度判定装置及方法 | |
CN115423861A (zh) | 气体泄露检测方法及装置、设备、存储介质 |
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 |