CN116468724B - 一种基于光学传感技术的碳酸钙含量测试方法 - Google Patents
一种基于光学传感技术的碳酸钙含量测试方法 Download PDFInfo
- Publication number
- CN116468724B CN116468724B CN202310673727.5A CN202310673727A CN116468724B CN 116468724 B CN116468724 B CN 116468724B CN 202310673727 A CN202310673727 A CN 202310673727A CN 116468724 B CN116468724 B CN 116468724B
- Authority
- CN
- China
- Prior art keywords
- image
- value
- pixel
- gray
- light intensity
- 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
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 title claims abstract description 77
- 229910000019 calcium carbonate Inorganic materials 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 title claims abstract description 31
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 230000003287 optical effect Effects 0.000 title claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 7
- 235000019738 Limestone Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000006028 limestone Substances 0.000 description 4
- 239000004575 stone Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004579 marble Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000237519 Bivalvia Species 0.000 description 1
- 229910021532 Calcite Inorganic materials 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- -1 calcite Chemical compound 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000020639 clam Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 235000013373 food additive Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 101150050759 outI gene Proteins 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229940034610 toothpaste Drugs 0.000 description 1
- 239000000606 toothpaste Substances 0.000 description 1
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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明公开了一种基于光学传感技术的碳酸钙含量测试方法，属于图像处理技术领域，本发明包括以下步骤：采集矿石图像，对矿石图像进行去噪处理，得到去噪图像；将去噪图像灰度化处理，得到灰度图；根据灰度光强关系函数，对灰度图进行光强矫正，得到矫正图像；根据矫正图像上灰度值分布，预估矿石中碳酸钙含量；本发明解决了现有测量碳酸钙含量的方法存在测量时间长的问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于光学传感技术的碳酸钙含量测试方法。
背景技术
自然界中有不同含有碳酸钙的石头，像方解石之类的就是碳酸钙含量极高的石头，可以直接使用，例如作为食品添加剂、造塑料、造纸、造牙膏、混入玻璃作为灯罩之类的，还有其他不同的含有碳酸钙的石头：粗晶、冰洲石、大理石、大理岩、汉白玉、石灰石、石灰岩、灰岩、石钟乳、石笋、石柱、石幔、石灰华、白垩、文石、霰石和砗磲等。
因此，矿石中碳酸钙的含量决定了矿石开采的价值。现有测量碳酸钙含量的方法包括：电位滴定法、EDTA滴定法和爱迪生效应滴定法等，现有这些方法均需要对采集的矿石样本，加入实验溶液，进行化学反应，从而得到碳酸钙含量，现有测量碳酸钙含量的方法均存在测量过程较为漫长，难以快速得到矿石中碳酸钙的含量的问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于光学传感技术的碳酸钙含量测试方法解决了现有测量碳酸钙含量的方法存在测量时间长的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于光学传感技术的碳酸钙含量测试方法，包括以下步骤：
S1、采集矿石图像，对矿石图像进行去噪处理，得到去噪图像；
S2、将去噪图像灰度化处理，得到灰度图；
S3、根据灰度光强关系函数，对灰度图进行光强矫正，得到矫正图像；
S4、根据矫正图像上灰度值分布，预估矿石中碳酸钙含量。
进一步地，所述S1包括以下分步骤：
S11、采集矿石图像；
S12、分别对矿石图像的R通道值、G通道值和B通道值进行去噪处理，得到去噪图像。
进一步地，所述S12中对R通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的R通道值，/>为矿石图像上第/>个像素点的R通道值，/>为去噪图像上第/>个像素点的R通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的R通道值的均值；
对G通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的G通道值，/>为矿石图像上第/>个像素点的G通道值，/>为去噪图像上第/>个像素点的G通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的G通道值的均值；
对B通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的B通道值，/>为矿石图像上第/>个像素点的B通道值，/>为去噪图像上第/>个像素点的B通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的B通道值的均值。
上述进一步地方案的有益效果为：本发明中分别对R通道值、G通道值和B通道值分别进行去噪处理，提高去噪精度，在每一个通道中根据通道值与平均通道值的差值在去噪窗口内所有通道值的占比，用于作为提取通道值的权重，本发明的去噪公式设计了两处去噪过程，本发明中采用通道值与平均通道值的差值在去噪窗口内所有通道值的占比作为通道值的权重，便于降低提取异常值比重，达到去噪效果，本发明中采用均值和前一次去噪数据作为这次去噪的参考值，提取参考值的部分数值，综合当前待去噪通道值计算得到去噪通道值，实现再次去噪处理。
进一步地，所述S3中灰度光强关系函数的获取方法包括：
A1、采集不同光强环境下的同一矿石的矿石测试图像；
A2、将矿石测试图像进行灰度处理，得到灰度测试图像；
A3、计算灰度测试图像的平均灰度值；
A4、根据不同光强对应的平均灰度值，计算每种光强下灰度变化值；
A5、根据不同光强对应的灰度变化值，建立灰度光强关系函数。
上述进一步地方案的有益效果为：采集不同光强下同一矿石的矿石测试图像，计算出每张矿石测试图像的平均灰度值，从而可知，光强对于灰度值的影响情况，不同光强下，灰度的变化值，建立不同光强下，灰度变化与光强的关系，从而得到在每一个光强下，灰度的变化情况。
进一步地，所述A5中灰度光强关系函数为：
，
其中，为第/>个光强下灰度变化值，/>为第/>个光强系数，/>为第/>个光强系数，/>为第1个光强系数，/>为第/>个光强，/>为/>的/>次方，/>为/>的/>次方，/>为光强系数的数量，/>为转置符号。
上述进一步地方案的有益效果为：本发明中设置了多个光强系数，并根据光强系数，设置多阶多次的光强灰度关系函数，提高灰度变化预测精度。
进一步地，所述S3中对灰度图进行光强矫正的公式为：
，
其中，为矫正图像上第/>个像素点的灰度值，/>为灰度图上第/>个像素点的灰度值，/>为在S1中采集矿石图像时测得的环境光强带入灰度光强关系函数中得到的灰度变化值。
上述进一步地方案的有益效果为：本发明中，根据当前光强，计算出灰度变化量，从而对灰度图中灰度值进行补偿，避免光照影响矿石中碳酸钙的测量精度。
进一步地，所述S4包括以下分步骤：
S41、从矫正图像上任取一像素点，作为分类像素点；
S42、计算分类像素点与未分类的像素点的灰度差距；
S43、将灰度差距小于差距阈值的像素点归为一类；
S44、跳转至步骤S41，取下一未分类的像素点，直到灰度图上所有像素点均分类完成，进入步骤S45；
S45、计算每一类的像素点所占灰度图的面积；
S46、筛选出面积大于面积阈值的所有类像素点；
S47、根据S46中筛选的各类像素点的像素值的分布情况，建立预估模型，预估矿石中碳酸钙含量。
上述进一步地方案的有益效果为：根据计算两两像素点的灰度值的灰度差距，从而将灰度值差不多的像素点归为同一类，实现对整个矫正图像上像素点的分类，在S44中需要取未分类的像素点作为下一分类像素点，而已经分类的像素点不再参与循环过程，通过这种方式，将所有像素点分类，每类像素点的面积并不相同，本发明中筛选出面积占比较大的几类像素点，来表征矿石整体的情况。
进一步地，所述S42中灰度差距的计算公式为：
，
其中，为分类像素点与剩余未分类第/>个像素点的灰度差距，/>为分类像素点的灰度值，/>为剩余未分类第/>个像素点的灰度值。
进一步地，所述S47中预估模型为：
，
，
，
其中，为预估模型的输出，/>为步骤S46中筛选出的所有类像素点的平均灰度值，为筛选出的第1类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为取最大值，/>为取最小值，/>为序列中的最大值，/>为序列中的最小值，/>为第一权重参数，/>为第二权重参数，/>为第三权重参数，/>为预估系数，/>为筛选出的类的数量。
上述进一步地方案的有益效果为：本发明将筛选出来的几类像素点，分别计算各类像素点的各自的平均灰度值，再从各类像素点的平均灰度值选出最大值和最小值，再计算几类像素点的总体的平均灰度值，用于表征整体灰度水平，本发明通过三方面数值的情况，建立预估模型，实现对矿石中碳酸钙含量的预估。
综上，本发明的有益效果为：本发明中采集矿石图像，通过矿石所呈现的白度反应碳酸钙的含量，本发明先对矿石图像进行去噪，在滤除噪声后进行灰度化处理，得到灰度图，由于环境光线的强弱，影响图像呈现的效果，因此，需要对灰度图进行光强矫正，进行光强补偿，从而保障碳酸钙含量预估的准确度，本发明利用矫正图像上多区域灰度值分布，综合预估矿石中碳酸钙含量，进一步地提高碳酸钙含量预估的准确度，本发明采用图像处理的方法，避免了化学过程，达到快速测量出碳酸钙含量的目的。
附图说明
图1为一种基于光学传感技术的碳酸钙含量测试方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于光学传感技术的碳酸钙含量测试方法，包括以下步骤：
S1、采集矿石图像，对矿石图像进行去噪处理，得到去噪图像；
所述S1包括以下分步骤：
S11、采集矿石图像；
S12、分别对矿石图像的R通道值、G通道值和B通道值进行去噪处理，得到去噪图像。
所述S12中对R通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的R通道值，/>为矿石图像上第/>个像素点的R通道值，/>为去噪图像上第/>个像素点的R通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的R通道值的均值；
对G通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的G通道值，/>为矿石图像上第/>个像素点的G通道值，/>为去噪图像上第/>个像素点的G通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的G通道值的均值；
对B通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的B通道值，/>为矿石图像上第/>个像素点的B通道值，/>为去噪图像上第/>个像素点的B通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的B通道值的均值。
在本发明中去噪窗口可设置为3*3大小，去噪窗口越小，去噪灵敏度越高。
本发明中分别对R通道值、G通道值和B通道值分别进行去噪处理，提高去噪精度，在每一个通道中根据通道值与平均通道值的差值在去噪窗口内所有通道值的占比，用于作为提取通道值的权重，本发明的去噪公式设计了两处去噪过程，本发明中采用通道值与平均通道值的差值在去噪窗口内所有通道值的占比作为通道值的权重，便于降低提取异常值比重，达到去噪效果，本发明中采用均值和前一次去噪数据作为这次去噪的参考值，提取参考值的部分数值，综合当前待去噪通道值计算得到去噪通道值，实现再次去噪处理。
S2、将去噪图像灰度化处理，得到灰度图；
S3、根据灰度光强关系函数，对灰度图进行光强矫正，得到矫正图像；
所述S3中灰度光强关系函数的获取方法包括：
A1、采集不同光强环境下的同一矿石的矿石测试图像；
A2、将矿石测试图像进行灰度处理，得到灰度测试图像；
A3、计算灰度测试图像的平均灰度值；
A4、根据不同光强对应的平均灰度值，计算每种光强下灰度变化值；
A5、根据不同光强对应的灰度变化值，建立灰度光强关系函数。
本发明采集不同光强下同一矿石的矿石测试图像，计算出每张矿石测试图像的平均灰度值，从而可知，光强对于灰度值的影响情况，不同光强下，灰度的变化值，建立不同光强下，灰度变化与光强的关系，从而得到在每一个光强下，灰度的变化情况。
在本实施例中，可针对不同种类的矿石或者不同碳酸钙含量的矿石进行多次步骤A1~A5的过程，找到光强与灰度变化值的多对数据。
所述A5中灰度光强关系函数为：
，
其中，为第/>个光强下灰度变化值，/>为第/>个光强系数，/>为第/>个光强系数，/>为第1个光强系数，/>为第/>个光强，/>为/>的/>次方，/>为/>的/>次方，/>为光强系数的数量，/>为转置符号。
在本实施例中，将步骤A1~A5得到的光强和灰度变化值数据带入灰度光强关系函数，对灰度光强关系函数进行训练，找到各个光强系数，从而找到光强与灰度变化值的对应关系。
本发明中设置了多个光强系数，并根据光强系数，设置多阶多次的光强灰度关系函数，提高灰度变化预测精度。
在本实施例中，光强的测定可采用光度计。
所述S3中对灰度图进行光强矫正的公式为：
，
其中，为矫正图像上第/>个像素点的灰度值，/>为灰度图上第/>个像素点的灰度值，/>为在S1中采集矿石图像时测得的环境光强带入灰度光强关系函数中得到的灰度变化值。
本发明中根据当前光强，计算出灰度变化量，从而对灰度图中灰度值进行补偿，避免光照影响矿石中碳酸钙的测量精度。
S4、根据矫正图像上灰度值分布，预估矿石中碳酸钙含量。
所述S4包括以下分步骤：
S41、从矫正图像上任取一像素点，作为分类像素点；
S42、计算分类像素点与未分类的像素点的灰度差距；
所述S42中灰度差距的计算公式为：
，
其中，为分类像素点与剩余未分类第/>个像素点的灰度差距，/>为分类像素点的灰度值，/>为剩余未分类第/>个像素点的灰度值。
S43、将灰度差距小于差距阈值的像素点归为一类；
S44、跳转至步骤S41，取下一未分类的像素点，直到灰度图上所有像素点均分类完成，进入步骤S45；
S45、计算每一类的像素点所占灰度图的面积；
S46、筛选出面积大于面积阈值的所有类像素点；
在本实施例中，通过S46将面积占比较大的各类像素点筛选出来，将面积占比较小的各类像素点丢弃，降低局部对于整体碳酸钙含量预估的影响。
S47、根据S46中筛选的各类像素点的像素值的分布情况，建立预估模型，预估矿石中碳酸钙含量。
根据计算两两像素点的灰度值的灰度差距，从而将灰度值差不多的像素点归为同一类，实现对整个矫正图像上像素点的分类，在S44中需要取未分类的像素点作为下一分类像素点，而已经分类的像素点不再参与循环过程，通过这种方式，将所有像素点分类，每类像素点的面积并不相同，本发明中筛选出面积占比较大的几类像素点，来表征矿石整体的情况。
所述S47中预估模型为：
，
，
，
其中，为预估模型的输出，/>为步骤S46中筛选出的所有类像素点的平均灰度值，为筛选出的第1类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为取最大值，/>为取最小值，/>为序列中的最大值，/>为序列中的最小值，/>为第一权重参数，/>为第二权重参数，/>为第三权重参数，/>为预估系数，/>为筛选出的类的数量。
本发明将筛选出来的几类像素点，分别计算各类像素点的各自的平均灰度值，再从各类像素点的平均灰度值选出最大值和最小值，再计算几类像素点的总体的平均灰度值，用于表征整体灰度水平，本发明通过三方面数值的情况，建立预估模型，实现对矿石中碳酸钙含量的预估。
本发明中采集矿石图像，通过矿石所呈现的白度反应碳酸钙的含量，本发明先对矿石图像进行去噪，在滤除噪声后进行灰度化处理，得到灰度图，由于环境光线的强弱，影响图像呈现的效果，因此，需要对灰度图进行光强矫正，进行光强补偿，从而保障碳酸钙含量预估的准确度，本发明利用矫正图像上多区域灰度值分布，综合预估矿石中碳酸钙含量，进一步地提高碳酸钙含量预估的准确度，本发明采用图像处理的方法，避免了化学过程，达到快速测量出碳酸钙含量的目的。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于光学传感技术的碳酸钙含量测试方法，其特征在于，包括以下步骤：
S1、采集矿石图像，对矿石图像进行去噪处理，得到去噪图像；
S2、将去噪图像灰度化处理，得到灰度图；
S3、根据灰度光强关系函数，对灰度图进行光强矫正，得到矫正图像；
S4、根据矫正图像上灰度值分布，预估矿石中碳酸钙含量；
所述S3中灰度光强关系函数的获取方法包括：
A1、采集不同光强环境下的同一矿石的矿石测试图像；
A2、将矿石测试图像进行灰度处理，得到灰度测试图像；
A3、计算灰度测试图像的平均灰度值；
A4、根据不同光强对应的平均灰度值，计算每种光强下灰度变化值；
A5、根据不同光强对应的灰度变化值，建立灰度光强关系函数；
所述S4包括以下分步骤：
S41、从矫正图像上任取一像素点，作为分类像素点；
S42、计算分类像素点与未分类的像素点的灰度差距；
S43、将灰度差距小于差距阈值的像素点归为一类；
S44、跳转至步骤S41，取下一未分类的像素点，直到灰度图上所有像素点均分类完成，进入步骤S45；
S45、计算每一类的像素点所占灰度图的面积；
S46、筛选出面积大于面积阈值的所有类像素点；
S47、根据S46中筛选的各类像素点的像素值的分布情况，建立预估模型，预估矿石中碳酸钙含量。
2.根据权利要求1所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述S1包括以下分步骤：
S11、采集矿石图像；
S12、分别对矿石图像的R通道值、G通道值和B通道值进行去噪处理，得到去噪图像。
3.根据权利要求2所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述S12中对R通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的R通道值，/>为矿石图像上第/>个像素点的R通道值，/>为去噪图像上第/>个像素点的R通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的R通道值的均值；
对G通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的G通道值，/>为矿石图像上第/>个像素点的G通道值，/>为去噪图像上第/>个像素点的G通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的G通道值的均值；
对B通道值去噪处理的公式为：
，
其中，为去噪图像上第/>个像素点的B通道值，/>为矿石图像上第/>个像素点的B通道值，/>为去噪图像上第/>个像素点的B通道值，/>为去噪窗口内像素点的数量，/>为矿石图像上去噪窗口内所有像素点的B通道值的均值。
4.根据权利要求1所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述A5中灰度光强关系函数为：
，
其中，为第/>个光强下灰度变化值，/>为第/>个光强系数，/>为第/>个光强系数，为第1个光强系数，/>为第/>个光强，/>为/>的/>次方，/>为/>的/>次方，/>为光强系数的数量，/>为转置符号。
5.根据权利要求4所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述S3中对灰度图进行光强矫正的公式为：
，
其中，为矫正图像上第/>个像素点的灰度值，/>为灰度图上第/>个像素点的灰度值，/>为在S1中采集矿石图像时测得的环境光强带入灰度光强关系函数中得到的灰度变化值。
6.根据权利要求1所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述S42中灰度差距的计算公式为：
，
其中，为分类像素点与剩余未分类第/>个像素点的灰度差距，/>为分类像素点的灰度值，/>为剩余未分类第/>个像素点的灰度值。
7.根据权利要求1所述的基于光学传感技术的碳酸钙含量测试方法，其特征在于，所述S47中预估模型为：
，
，
，
其中，为预估模型的输出，/>为步骤S46中筛选出的所有类像素点的平均灰度值，/>为筛选出的第1类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为筛选出的第/>类像素点的平均灰度值，/>为取最大值，/>为取最小值，/>为序列中的最大值，/>为序列中的最小值，/>为第一权重参数，/>为第二权重参数，/>为第三权重参数，为预估系数，/>为筛选出的类的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310673727.5A CN116468724B (zh) | 2023-06-08 | 2023-06-08 | 一种基于光学传感技术的碳酸钙含量测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310673727.5A CN116468724B (zh) | 2023-06-08 | 2023-06-08 | 一种基于光学传感技术的碳酸钙含量测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116468724A CN116468724A (zh) | 2023-07-21 |
| CN116468724B true CN116468724B (zh) | 2023-08-29 |
Family
ID=87175689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310673727.5A Active CN116468724B (zh) | 2023-06-08 | 2023-06-08 | 一种基于光学传感技术的碳酸钙含量测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116468724B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116626080B (zh) * | 2023-07-24 | 2023-09-26 | 四川省石棉县恒达粉体材料有限责任公司 | 一种大理岩的筛选方法 |
| CN116797673B (zh) * | 2023-08-22 | 2023-10-31 | 四川沃耐稀新材料科技有限公司 | 一种硝酸锆冷却结晶状态监测方法 |
| CN116819482B (zh) * | 2023-08-28 | 2023-11-10 | 四川省石棉县恒达粉体材料有限责任公司 | 一种基于雷达数据的方解石探测方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103278423A (zh) * | 2013-05-21 | 2013-09-04 | 东南大学 | 一种碳化水泥基材料中碳酸钙空间分布的定量表征方法 |
| CN104096680A (zh) * | 2014-07-16 | 2014-10-15 | 山东大学 | 基于微波加热与红外线阵成像的矿石分选系统及方法 |
| CN104807731A (zh) * | 2014-01-24 | 2015-07-29 | 中国科学院宁波材料技术与工程研究所 | 一种碳酸钙增强聚合物的碳酸钙颗粒分布表征方法 |
| CN106023158A (zh) * | 2016-05-10 | 2016-10-12 | 浙江科技学院 | Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法 |
| CN110108737A (zh) * | 2019-05-07 | 2019-08-09 | 中国石油化工股份有限公司 | 岩石自然断面样品碳酸盐表征方法 |
| CN112070774A (zh) * | 2020-09-16 | 2020-12-11 | 西南石油大学 | 一种用于页岩数字岩心图像分割的神经网络优化方法 |
| CN112308114A (zh) * | 2020-09-24 | 2021-02-02 | 赣州好朋友科技有限公司 | 白钨矿的分选方法、装置和可读存储介质 |
| CN112379453A (zh) * | 2020-11-04 | 2021-02-19 | 西安建筑科技大学 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
| US11282183B1 (en) * | 2021-04-29 | 2022-03-22 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Rock brittleness analysis method and system based on mineral content and distribution and device |
| CN114820617A (zh) * | 2022-06-29 | 2022-07-29 | 苏州大学 | 基于四焦距相位相干机器视觉的晶体缺陷检测方法和系统 |
| CN114842201A (zh) * | 2022-03-30 | 2022-08-02 | 浙江工业大学 | 基于改进Mask_Rcnn的砂石骨料图像分割方法 |
| CN115436239A (zh) * | 2022-11-07 | 2022-12-06 | 四川亿欣新材料有限公司 | 一种碳酸钙颗粒度检测方法 |
| CN115598025A (zh) * | 2022-12-13 | 2023-01-13 | 四川亿欣新材料有限公司（Cn） | 图像处理方法及使用该方法的碳酸钙粉质检系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2416223A (en) * | 2004-07-15 | 2006-01-18 | Medicsight Plc | Quantification of coronary artery calcification |
| FR3055112B1 (fr) * | 2016-08-19 | 2018-09-07 | Oberthur Technologies | Document de securite comprenant une couche laserisable et un motif a eclairer pour colorer une image en niveaux de gris, et procedes de fabrication et de lecture correspondants. |
| US20220275719A1 (en) * | 2019-08-01 | 2022-09-01 | Khalifa University of Science and Technology | Method and system for a fast and accurate estimation of petrophysical properties of rock samples |
-
2023
- 2023-06-08 CN CN202310673727.5A patent/CN116468724B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103278423A (zh) * | 2013-05-21 | 2013-09-04 | 东南大学 | 一种碳化水泥基材料中碳酸钙空间分布的定量表征方法 |
| CN104807731A (zh) * | 2014-01-24 | 2015-07-29 | 中国科学院宁波材料技术与工程研究所 | 一种碳酸钙增强聚合物的碳酸钙颗粒分布表征方法 |
| CN104096680A (zh) * | 2014-07-16 | 2014-10-15 | 山东大学 | 基于微波加热与红外线阵成像的矿石分选系统及方法 |
| CN106023158A (zh) * | 2016-05-10 | 2016-10-12 | 浙江科技学院 | Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法 |
| CN110108737A (zh) * | 2019-05-07 | 2019-08-09 | 中国石油化工股份有限公司 | 岩石自然断面样品碳酸盐表征方法 |
| CN112070774A (zh) * | 2020-09-16 | 2020-12-11 | 西南石油大学 | 一种用于页岩数字岩心图像分割的神经网络优化方法 |
| CN112308114A (zh) * | 2020-09-24 | 2021-02-02 | 赣州好朋友科技有限公司 | 白钨矿的分选方法、装置和可读存储介质 |
| CN112379453A (zh) * | 2020-11-04 | 2021-02-19 | 西安建筑科技大学 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
| US11282183B1 (en) * | 2021-04-29 | 2022-03-22 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Rock brittleness analysis method and system based on mineral content and distribution and device |
| CN114842201A (zh) * | 2022-03-30 | 2022-08-02 | 浙江工业大学 | 基于改进Mask_Rcnn的砂石骨料图像分割方法 |
| CN114820617A (zh) * | 2022-06-29 | 2022-07-29 | 苏州大学 | 基于四焦距相位相干机器视觉的晶体缺陷检测方法和系统 |
| CN115436239A (zh) * | 2022-11-07 | 2022-12-06 | 四川亿欣新材料有限公司 | 一种碳酸钙颗粒度检测方法 |
| CN115598025A (zh) * | 2022-12-13 | 2023-01-13 | 四川亿欣新材料有限公司（Cn） | 图像处理方法及使用该方法的碳酸钙粉质检系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于三维重构钙质砂的结构特征和相关性分析;王志兵 等;《科学技术与工程》;第22卷(第10期);4090-4097 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116468724A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116468724B (zh) | 一种基于光学传感技术的碳酸钙含量测试方法 | |
| Glatthorn et al. | Standardizing the protocol for hemispherical photographs: accuracy assessment of binarization algorithms | |
| KR100584605B1 (ko) | 디지털 비디오 신호 내에서 불투명한 로고 검출 장치 및방법 | |
| US7999861B2 (en) | Image processing apparatus for generating composite image with luminance range optimized for a designated area | |
| Leonardsson et al. | Theoretical and practical aspects on benthic quality assessment according to the EU-Water Framework Directive–examples from Swedish waters | |
| CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
| CN101448174A (zh) | 一种图像质量评价装置和方法 | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
| KR100734935B1 (ko) | 화상의 영역분할 | |
| CN114279982B (zh) | 水体污染信息获取方法及装置 | |
| CN114240943B (zh) | 一种像素亮度确定方法、装置、计算机设备及可读介质 | |
| CN112017109B (zh) | 一种在线铁谱视频图像气泡的消除方法 | |
| CN108022219B (zh) | 一种二维图像灰度修正方法 | |
| CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
| CN114486841A (zh) | 一种微型荧光免疫分析仪及其图像处理方法 | |
| CN107454388B (zh) | 图像处理方法以及使用该方法的装置 | |
| CN117252786A (zh) | 一种基因检测数据增强处理方法 | |
| JP2840347B2 (ja) | 基板実装検査装置 | |
| CN115546799A (zh) | 照明条件不良情况下无背光水表液晶屏示数识别方法 | |
| WO2022103337A1 (en) | Particulate material calculation and classification | |
| JP2018077719A (ja) | 破面解析装置および破面解析方法 | |
| CN114972346B (zh) | 基于计算机视觉的石材识别方法 | |
| KR20220013409A (ko) | 입자 정량 장치 | |
| JPS6253792A (ja) | 微生物相検出装置 |
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 |