CN116871177A - 一种基于多光谱技术的高岭土原矿分选方法及系统 - Google Patents
一种基于多光谱技术的高岭土原矿分选方法及系统 Download PDFInfo
- Publication number
- CN116871177A CN116871177A CN202311132752.9A CN202311132752A CN116871177A CN 116871177 A CN116871177 A CN 116871177A CN 202311132752 A CN202311132752 A CN 202311132752A CN 116871177 A CN116871177 A CN 116871177A
- Authority
- CN
- China
- Prior art keywords
- terahertz
- visible light
- electromagnetic valve
- ray
- kaolin
- 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.)
- Granted
Links
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 title claims abstract description 129
- 239000005995 Aluminium silicate Substances 0.000 title claims abstract description 104
- 235000012211 aluminium silicate Nutrition 0.000 title claims abstract description 104
- 238000005516 engineering process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003384 imaging method Methods 0.000 claims abstract description 113
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 239000012535 impurity Substances 0.000 claims abstract description 52
- 229910052622 kaolinite Inorganic materials 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims description 74
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000000926 separation method Methods 0.000 claims description 22
- 239000000203 mixture Substances 0.000 claims description 13
- 239000000428 dust Substances 0.000 claims description 10
- 238000004064 recycling Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000007664 blowing Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 33
- 238000013461 design Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 9
- 238000001354 calcination Methods 0.000 description 7
- 239000003245 coal Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000013077 target material Substances 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910010413 TiO 2 Inorganic materials 0.000 description 1
- CSDREXVUYHZDNP-UHFFFAOYSA-N alumanylidynesilicon Chemical compound [Al].[Si] CSDREXVUYHZDNP-UHFFFAOYSA-N 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910001579 aluminosilicate mineral Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B15/00—Combinations of apparatus for separating solids from solids by dry methods applicable to bulk material, e.g. loose articles fit to be handled like bulk material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B1/00—Sieving, screening, sifting, or sorting solid materials using networks, gratings, grids, or the like
- B07B1/28—Moving screens not otherwise provided for, e.g. swinging, reciprocating, rocking, tilting or wobbling screens
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提出了一种基于多光谱技术的高岭土原矿分选方法及系统，涉及矿石分选技术领域，融合了多个频段的技术，通过将太赫兹成像技术、X射线成像技术、可见光成像技术的结合，设计针对太赫兹图像、X射线图像、可见光图像的实时图像处理和目标检测算法，以实现对高岭土原矿中的杂质和高岭石的识别分选。
Description
技术领域
本发明涉及矿石分选技术领域，具体涉及一种基于多光谱技术的高岭土原矿分选方法及系统。
背景技术
高岭土原矿是一种含铝的硅酸盐矿物，颗粒细腻。煤矸石是采煤过程中和洗煤过程中排出的固体废弃物，是一种含碳量低、比煤坚固的灰黑色石头。矸石中伴生的大量高价值高岭土，不仅可用来提炼铝金属，作烧制瓷器的原材料，而且还广泛用于油漆、日化等行业，煤系高岭土开发加工新材料已成为国家重点支持行业之一。煤系高岭土质地较硬，而且含有多种矿物质、水等无机质及少量的有机质，其化学组成除Al2O3、SiO2 和C主要成分(通常三者含量＞90%(w)) 外，还含有少量的Fe2O3、CaO、TiO2、Na2O、K2O、MgO 等氧化物。高岭石在通过煅烧、超细化、除杂等操作工艺时，杂质也需要消耗相应的能量。因此若能在高岭土原矿煅烧流程前端将各种杂质剔除，则整个煅烧流程产生的能耗将可以省去，且剔除出的杂质还可以进行试验，实现绿色、智能、高效的生产目标。
加速推进煤系高岭土综合利用技术的产业化，我国应瞄准高尖端煤系高岭土加工产业的发展，通过升级加工工艺及装备水平，提升产业的竞争力，以在全球高岭土市场中逐步取得相应的地位。
一般情况下，矸石中主要包括轻产物（杂质）、高岭土和白砂岩，不同煤矿的矸石密度基本相同，高岭土和白砂岩之间的密度也差异不大，经煅烧后的高岭土白度可达90%。适用于从矸石中回收成分要求铝硅比大于0.5的高岭土，湿法分选中一般选用重介质分选或跳汰分选方法来获取高岭土。由于比重相当，目前高岭土的分选条件苛刻，效率较低。
目前业内在矿石分选领域物理方法上采用较多的技术是可见光视觉技术、X射线成像技术，但在高岭土原矿分选研究方面国际国内研究甚少，且有很多科学技术问题有待解决。业内没有针对高岭土原矿的分选设备，见诸报道的仅有针对煤和煤矸石分选的单一X射线技术。基于太赫兹成像技术的高岭土原矿的分选，目前没有报道与使用相关分选设备。
针对高岭土原矿实现矿废分离，还存在以下技术问题。
首先是，单一的技术手段无法有效对高岭土原矿中杂质和高岭石进行分析。基于X射线技术无法对有效原子序数相近但成分不同的混合物/化合物进行区分。基于可见光技术对泥浆包裹的高岭土原矿物料难以区分，若是先进行水洗工艺则会产生大量的工业废水。基于太赫兹成像技术的高岭土原矿分选，H2O和C辐射的太赫兹较强，因此可能存在高岭石和杂质两种混合物组成成分不同，但太赫兹辐射相同，对于这两种物料太赫兹无法识别。因此需融合多技术手段对高岭土原矿进行识别和分选。
其次，目前针对高岭土原矿石在太赫兹波段的目标散射、辐射等特性，以及高岭土原矿石的太赫兹图像处理和识别算法，国内外缺乏系统性科学性的研究。且目前业内没有基于多光谱融合的高岭土原矿分选设备。
本发明专利采用多光谱技术（融合X射线成像技术、太赫兹成像技术、可见光成像技术）原理对高岭土原矿混合物料（高岭石和以金属氧化物为主的杂质）进行在线识别与分选，以提升杂质的剔除率，实现高岭土原矿的提质提纯。
发明内容
为了解决上述技术问题，本发明提出了一种基于多光谱技术的高岭土原矿分选方法，包括如下步骤：
S1、通过振动筛筛选出颗粒状高岭土原矿混合物料，通过传送带使混合物料依次经过X射线成像区域、可见光成像区域、太赫兹成像区域，到达喷嘴位置；
S2、混合物料经过X射线成像区域时，X射线成像检测装置形成X射线图像，并输出X射线结果矩阵DX；
S3、混合物料经过可见光成像区域时，可见光成像检测装置形成可见光图像，并输出可见光结果矩阵DC；
S4、混合物料经过太赫兹成像区域时，太赫兹成像检测装置形成太赫兹图像，并输出太赫兹结果矩阵DT；
S5、传送带每移动▽L距离，智能识别及显控装置将X射线结果矩阵DX、可见光结果矩阵DC和太赫兹结果矩阵DT的最后一列进行逻辑或运算，生成电磁阀控制真值表；
S6、根据所述电磁阀控制真值表生成电磁阀时序控制信号，电磁阀控制真值表的值为1时，电磁阀打开，高压气流流经喷嘴，将杂质抛落至杂质回收桶；电磁阀控制真值表的值为0时，电磁阀关闭，喷嘴无气流流出，高岭石掉落至高岭土回收桶。
进一步地，对所述X射线图像、可见光图像、太赫兹图像分别进行如下处理，得到X射线结果矩阵DX、可见光结果矩阵DC、太赫兹结果矩阵DT：
对图像目标检测处理得到a*b大小的图像，形成代表图像中每个像素点是否为杂质的数组；其中，a=D/M,b=▽L,传送带宽度为D，M个喷嘴沿传送带宽度方向单排布置，混合物料沿传送带运动方向的吹喷最小单元长度为▽L；
所述数组的初始值设置为0；如果像素点是杂质，则将数组对应位置的值置为1，否则不更新；处理完的数组存结果矩阵的第一列，原结果矩阵按列向右平移一列，最后一列进行逻辑或运算后移除结果矩阵。
进一步地，X射线结果矩阵DX的行数为M，列数DXC为：DXC=(L-L1)/▽L；
可见光结果矩阵DC的行数为M，列数DCC为：DCC=(L-L2)/▽L；
太赫兹结果矩阵DT的行数为M，列数DTC为：DTC=(L-L3)/▽L；
其中，混合物料沿传送带运动方向的吹喷最小单元长度为▽L，X射线成像区域的X射线装置距离传送带起点的长度为L1；可见光成像区域的可见光成像装置距离传送带起点的长度为L2；太赫兹成像装置距离传送带起点的长度为L3；传送带长度为L。
本发明还提出了一种基于多光谱技术的高岭土原矿分选系统，用于实现高岭土原矿分选方法，包括：振动筛，X射线成像检测装置，可见光成像检测装置，太赫兹成像检测装置，智能识别及显控装置，传送带和气选执行装置；
所述振动筛，置于整个系统的前端，筛选出高岭土原矿混合物料中的块状物料，并将其投放至传动带上；
所述X射线成像检测装置用于对经过X射线成像区域的高岭土原矿混合物料进行X射线成像，输出混合物料的X射线图像及X射线结果矩阵DX；
所述可见光成像检测装置用于对经过可见光成像区域的高岭土混合物料进行可见光成像，输出混合物料的可见光图像及可见光结果矩阵DC；
所述太赫兹成像检测装置用于对经过太赫兹成像区域的高岭土原矿混合物料进行太赫兹成像，输出混合物料的太赫兹图像及太赫兹结果矩阵DT；
所述智能识别及显控装置将X射线结果矩阵DX、可见光结果矩阵DC和太赫兹结果矩阵DT的最后一列进行逻辑或运算，生成电磁阀控制真值表，并根据所述电磁阀控制真值表生成控制信号；
所述气选执行装置，用于根据所述控制信号产生高压气流，实现对高岭石和杂质进行分类处理。
进一步地，所述智能识别及显控装置，包括目标识别算法模块、电磁阀控制模块、显控模块；
所述目标识别算法模块，用于实现X射线图像、可见光图像、太赫兹图像的目标检测，实现高岭石和杂质的识别；
电磁阀控制模块，将高岭石和杂质的识别结果转化为电磁阀控制真值表，生成电磁阀的控制时序，控制电磁阀的开启和关闭；
所述显控模块，用于系统参数设置、BIT功能控制、系统控制。
进一步地，所述气选执行装置包括空压机、储气罐、高速电磁阀、喷嘴阵列，所述空压机产生高压气流，存储于储气罐，所述喷嘴阵列安装在传送带末端出料口的下方，电磁阀控制真值表的值为1时，电磁阀打开，高压气流流经喷嘴，将杂质抛落至杂质回收桶；电磁阀控制真值表的值为0时，电磁阀关闭，喷嘴无气流流出，高岭石掉落至高岭土回收桶。
进一步地，还包括：除尘装置和供配电模块；
所述除尘装置，用于去除高岭土原矿分选系统中的灰尘；
所述供配电模块，用于给高岭土原矿分选系统提供适配电源。
相比于现有技术，本发明具有如下有益技术效果：
针对高岭土原矿中的杂质进行分选和剔除，提供了一种基于多光谱技术的高岭土原矿分选方法及系统。本系统的设计思路是融合多个频段的技术。通过将太赫兹成像技术、X射线成像技术、可见光成像技术的结合，设计针对太赫兹图像、X射线图像、可见光图像的实时图像处理和目标检测算法，以实现对高岭土原矿中的杂质和高岭石的识别分选。
本发明中针对30mm～150mm的块状高岭土原矿物料，基于多光谱技术的高岭土原矿分选系统的杂质剔除率可达80%，高岭土的带出率≤10%。相较于传统的化学工艺和单一的物理技术等手段，基于多光谱技术的原矿分选系统的投入使用，一是分选不改变高岭土的性质，且不影响原生产工艺流程，二是可以降低后续煅烧生产工艺过程的能耗，三是降低煅烧后剔除杂质的工作人员的工作强度，四是可以提高高岭土的品质。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于多光谱技术的高岭土原矿分选系统的结构示意图；
图2为本发明的传送带参数设置示意图；
图3为本发明的X射线结果矩阵DX的数据结构示意图；
图4为本发明的可见光结果矩阵DC的数据结构示意图；
图5为本发明的太赫兹结果矩阵DT的数据结构示意图。
附图标记说明：1、振动筛，2、X射线成像检测装置，3、可见光成像检测装置，4、太赫兹成像检测装置，5、智能识别及显控装置，6、传送带，7、空压机，8、储气罐，9、喷嘴阵列，10、出料口。
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，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述系统中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
本发明的基于多光谱技术的高岭土原矿分选系统融合太赫兹成像技术、X射线成像技术、可见光成像技术、人工智能技术对高岭土原矿中的杂质进行检测和识别。根据识别结果，由气选装置实现高岭土原矿中杂质的剔除操作。
如图1所示，为本发明的基于多光谱技术的高岭土原矿分选系统的结构示意图，该高岭土原矿分选系统包括：振动筛1，X射线成像检测装置2，可见光成像检测装置3，太赫兹成像检测装置4，智能识别及显控装置5，传送带6，气选执行装置，除尘装置和供配电模块。
振动筛1，置于整个系统的前端，筛选出高岭土原矿中的块状物料，并将其均匀、连续地投放至传送带6上。
X射线成像检测装置2，包括X射线源、X射线探测器及数据采集处理模块，X射线成像检测装置主要用于对经过成像区域的高岭土原矿混合物料进行X射线成像及目标检测，其中X射线探测器为线阵探测器，视场覆盖传送带宽度。
X射线成像检测装置工作时，安装在传送带上方的X射线源发射X射线到混合物料，位于传送带下方的X射线探测器探测透过目标的X射线信号，数据采集处理模块采集X射线探测器输出的信号并作处理，得到的X射线图像作为第一维数据，传送带带动物料运动的位置得到第二维数据，传送带每移动固定时间，即可输出高岭土原矿石混合物料的X射线图像的二维数据。
可见光成像检测装置3，主要包括光学系统（相机、镜头、光源等附件）、信号采集和处理模块，对经过可见光成像区域的高岭土混合物料进行可见光成像，输出混合物料的可见光图像数据并对目标进行检测。
太赫兹成像检测装置4获取高岭土混合物料图像的方式为，第一维数据是在传送带宽度方向（与传送带运动方向垂直），通过太赫兹成像链路获取的太赫兹图像；第二维数据是沿传送带运动方向运动的位置，通过机械扫描的方式得到传送带上高岭土混合物料的太赫兹图像的二维数据。
太赫兹成像检测装置包括太赫兹收发链路、频率源模块、太赫兹数据采集和信号处理模块，用于对成像区域的高岭土原矿混合物料进行太赫兹实时成像及目标检测。
太赫兹收发链路，包括发射模块、接收模块、中频处理和IQ解调模块，发射模块发射太赫兹波到目标物料，其波束宽度覆盖传送带宽度，接收模块接收目标物料反射的回波信息，经IQ解调输出至数据采集模块，数据采集模块获取IQ信号后，进行信号预处理后，送入成像算法单元实现待测区域及目标的成像，输出太赫兹图像一维数据，第二维数据由传送带带动目标运动合成取得，传送带每移动固定时间，即可输出高岭土原矿石混合物料的太赫兹图像数据。具体过程，捷变频信号源产生的步进频连续波信号，经过太赫兹发射模块的倍频模块倍频和放大到太赫兹波段后，经发射天线发射出去。太赫兹接收模块的天线接收目标反射的回波信号，经接收模块放大、与本阵信号进行混频实现下变频得到中频信号，送入中频处理和IQ解调模块。其中，天线的形式为喇叭天线。数据采集和处理模块使用高速AD芯片、处理器等核心器件，实现对信号的采集和预处理，提高信噪比和图像质量。
太赫兹原始图像表现为低信噪比、低对比度和低分辨率的特点，这对后续的目标（杂质）识别极为不利，因此图像处理算法尤为重要。在硬件上提升图像质量困难大、代价高，因此通过算法对图像进行降噪复原来提升图像的分辨能力成为首选。然而，在处理光学图像和红外图像中较为成熟的滤波算法（高斯滤波、中值滤波、均值滤波等）在太赫兹图像处理中并不适用。针对太赫兹原始图像处理算法，滤波保边是需要重点考虑，用于提升图像的信噪比和质量。
智能识别及显控装置5，包括目标识别算法模块、电磁阀控制模块、显控模块，智能识别及显控装置对混合物料的太赫兹图像、X射线图像、可见光图像进行综合处理，并完成智能识别，给出识别结果，并将识别结果转换为物料的位置信息，根据位置信息生成电磁阀的控制信号。
目标识别算法模块，需要实现3种图像的目标检测。本项目中基于人工智能深度学习算法对目标进行检测，考虑目标检测处理的实时性和系统的紧凑型设计，本项目需要设计出针对高岭土原矿图像的卷积网络结构，提出针对高岭土原矿图像中杂质目标的网络代价函数（Loss），有效提高高岭土原矿中杂质的检出率，并且较好地抑制了目标的误报现象。目标识别算法既可以为FPGA模块也可以是由GPU模块来实现，接收经过处理的3种目标图像，实现高岭石和杂质的识别。
电磁阀控制模块，将杂质的识别结果结合传送带的运动速度转化为位置和时间信息，即生成电磁阀的控制时序，用于控制电磁阀的开启和关闭。
显控模块，还用于系统参数设置、BIT功能控制、系统控制等，显控硬件平台为一体化工控机。
传动带6，用于输送高岭土原矿混合物料移动至传送带末端出料口10，传送带6做匀速运动。
气选执行装置，包括空压机7、储气罐8、高速电磁阀、喷嘴阵列9等，空压机7产生高压气流，存储于储气罐8。
喷嘴阵列9为安装在传送带6末端出料口10的下方的结构件，喷嘴阵列对应位置的物料为杂质时，电磁阀控制信号控制电磁阀打开时，高压气流经电磁阀到达喷嘴阵列9，完成吹喷动作，实现对高岭石和杂质进行分类处理。
除尘装置，主要包括吸风罩、除尘风机、吸风管道与缓冲箱等，用于降低分选系统中的灰尘，提高系统的分选准确率和寿命。
供配电模块，负责给系统提供适配电源。
本发明的基于多光谱技术的高岭土原矿分选系统中，设：传送带宽度D；传送带运行速度为V；喷嘴单排布置，共M个；物料运动起点为坐标起点0，X射线装置距离坐标起点的长度为L1；可见光成像装置距离坐标起点的长度为L2；太赫兹成像装置距离坐标起点的长度为L3；传送带长度为L。
目标混合物料沿传送带运动方向的吹喷最小单元长度为▽L。3种成像检测装置根据各自的分辨率计算出物理尺寸为D*▽L的物料对应的图像数据大小，分别是X射线图像数据IX、光学图像数据IC、太赫兹图像数据IT，并对每种图像进行目标检测等处理，得到M*1大小的矩阵数组，与后端喷嘴数量及位置匹配。传送带参数设置如图2所示。
本发明的基于多光谱技术的高岭土原矿分选方法的工作流程包括：
S1,物料运行。
高岭土原矿混合物料进入振动筛，振动筛筛选出颗粒状高岭土原矿混合物料，将其均匀投放至传送装置的传送带。
传送带带动目标混合物料以速度V匀速运行，依次经过X射线成像装置、可见光成像装置、太赫兹成像装置后，运动L距离到达喷嘴位置。
S2,X射线成像检测装置处理
长度为▽L的高岭土混合物料经过X射线成像装置，X射线成像装置的X射线源发射X射线，X射线与混合物料发生作用，X射线探测器阵列接收经混合物料吸收后的X射线，采集模块采集探测器阵列输出信号并做处理后，输出X射线图像数据IX。
针对长度为▽L、宽度为D的高岭土混合物料，传送带根据X射线成像装置的分辨率可得到X射线图像数据IX，对X射线图像数据IX进行目标检测等处理得到a*b大小的图像，形成代表图像中每个像素点是否为杂质的数组IXM；其中，a=D/M,b=▽L,数组IXM初始值设置为0；如果是杂质，则将IXM对应位置的值置为1，否则不更新，据此可以得到X射线成像检测装置的数组IXM。
X射线成像检测装置处理完数据后运行至喷嘴处，电磁阀再响应处理。因此需要设置一个X射线结果矩阵DXC存储X射线图像的数组IXM，以▽L为最小处理单元，则需要存储DXC列数据，DXC=(L-L1)/▽L。X射线结果矩阵DX如图3所示。
系统开机工作后每处理一组结果存在结果矩阵DX的第一列，每次存储前原矩阵数组按列向右平移一列,即第1列数据存储至第二列，第二列数据存储至第三列，依次平移，最后一列移除结果矩阵，因此数据存储采用先进先出的原则。
传送带运行速度较慢，物料运行时间（即原始数据采集时间）远大于数据处理时间，可以在下一组物料运行过程中处理上一组数据。因此数据更新的时间▽T只考虑物料运行时间，即▽L长度的物料运行时间▽T=▽L/V。
S3,可见光成像检测装置处理
长度为▽L的高岭土原矿混合物料经过可见光成像区域，可见光成像检测装置对高岭土原矿混合物料进行成像，输出可见光图像数据。针对长度为▽L、宽度为D的高岭土混合物料，根据可见光成像装置的分辨率计算得到可见光图像数据IC，对图像数据IC进行目标检测等处理得到大小为M*1的图像以及图像中每个像素点是否为杂质的数组ICM；数组ICM初始值设置为0；如果是杂质，则将数组ICM对应位置的值置为1，否则不更新，据此可以得到可见光成像检测装置的处理结果数组。
如图4所示，可见光成像检测装置，需要设置用于存储数组ICM的可见光结果矩阵DC大小为M行、DCC列，DCC=(L-L2)/▽L。数据存储机制与X射线检测成像装置相同。
S4,太赫兹成像检测装置处理。
长度为▽L的高岭土原矿混合物料移动至太赫兹成像区域，太赫兹成像装置对高岭土原矿混合物料进行成像，太赫兹发射链路的发射模块发射太赫兹波到目标，太赫兹发射链路的接收模块接收混合物料的回波信号，经混频下变频后，做中频处理和IQ解调，可以获得太赫兹第一维图像数据，通过传送带带动目标物料运动合成获取第二维图像数据。
针对宽度为▽L、宽度为D的高岭土混合物料，根据太赫兹成像装置的分辨率计算得到太赫兹图像数据IT，对太赫兹图像数据IT进行目标检测等处理得到大小为M*1的图像以及图像中每个像素点是否为杂质的数组ITM；数组ITM初始值设置为0；如果是杂质，则将ITM对应位置的值置为1，否则不更新，据此可以得到太赫兹成像检测装置的处理结果数组。
如图5所示，太赫兹成像检测装置，需要设置用于存储数组ITM的太赫兹结果矩阵DT大小为M行、DTC列，DTC=(L-L3)/▽L。数据存储机制与X射线检测成像装置相同。
S5,三种检测结果综合处理。
系统开机工作后，每隔▽T时间，X射线成像装置的X射线结果矩阵DX的DXC列、可见光成像装置的可见光结果矩阵DC的DXC列、太赫兹成像装置的太赫兹结果矩阵DT的DTC列进行逻辑或运算，生成电磁阀控制真值表。DXC列、DTC列、DXC列经过逻辑或运算后，移除各自的矩阵。该系统主要是保证留下来的物料精度更高。
S6,电磁阀时序控制信号控制电磁阀开合。
根据电磁阀控制真值表生成电磁阀时序控制信号，电磁阀控制真值表的值为1时对应位置电磁阀打开，储气罐中的高压气流通过电磁阀流经与电磁阀连接的喷嘴，气流改变杂质的运行轨迹，将杂质抛落至杂质回收桶；电磁阀控制真值表的值为0时(即目标为高岭石)，对应位置的电磁阀为关闭状态，与该电磁阀连接的喷嘴无气流流出，高岭石沿原定运行轨迹掉落至高岭土回收桶。
高岭土原矿混合物料在传送带的带动下连续运行，不断重复步骤S1～S6的过程。
本设计中针对30mm～150mm的块状高岭土原矿物料，基于多光谱技术的高岭土原矿分选系统的杂质剔除率可达80%，高岭土的带出率≤10%。相较于传统的化学工艺和单一的物理技术等手段，基于多光谱技术的原矿分选系统的投入使用，一是分选不改变高岭土的性质，且不影响原生产工艺流程，二是可以降低后续煅烧生产工艺过程的能耗，三是降低煅烧后剔除杂质的工作人员的工作强度，四是可以提高高岭土的品质。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
以上所述，仅为本申请的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改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以权利要求的保护范围为准。
Claims (7)
1.一种基于多光谱技术的高岭土原矿分选方法，其特征在于，包括如下步骤：
S1、通过振动筛筛选出颗粒状高岭土原矿混合物料，通过传送带使混合物料依次经过X射线成像区域、可见光成像区域、太赫兹成像区域，到达喷嘴位置；
S2、混合物料经过X射线成像区域时，X射线成像检测装置形成X射线图像，并输出X射线结果矩阵DX；
S3、混合物料经过可见光成像区域时，可见光成像检测装置形成可见光图像，并输出可见光结果矩阵DC；
S4、混合物料经过太赫兹成像区域时，太赫兹成像检测装置形成太赫兹图像，并输出太赫兹结果矩阵DT；
S5、传送带每移动▽L距离，智能识别及显控装置将X射线结果矩阵DX、可见光结果矩阵DC和太赫兹结果矩阵DT的最后一列进行逻辑或运算，生成电磁阀控制真值表；
S6、根据所述电磁阀控制真值表生成电磁阀时序控制信号，电磁阀控制真值表的值为1时，电磁阀打开，高压气流流经喷嘴，将杂质抛落至杂质回收桶；电磁阀控制真值表的值为0时，电磁阀关闭，喷嘴无气流流出，高岭石掉落至高岭土回收桶。
2.根据权利要求1所述的高岭土原矿分选方法，其特征在于，对所述X射线图像、可见光图像、太赫兹图像分别进行如下处理，得到X射线结果矩阵DX、可见光结果矩阵DC、太赫兹结果矩阵DT：
对图像目标检测处理得到a*b大小的图像，形成代表图像中每个像素点是否为杂质的数组；其中，a=D/M,b=▽L,传送带宽度为D，M个喷嘴沿传送带宽度方向单排布置，混合物料沿传送带运动方向的吹喷最小单元长度为▽L；
所述数组的初始值设置为0；如果像素点是杂质，则将数组对应位置的值置为1，否则不更新；处理完的数组存结果矩阵的第一列，原结果矩阵按列向右平移一列，最后一列进行逻辑或运算后移除结果矩阵。
3.根据权利要求2所述的高岭土原矿分选方法，其特征在于，
X射线结果矩阵DX的行数为M，列数DXC为：DXC=(L-L1)/▽L；
可见光结果矩阵DC的行数为M，列数DCC为：DCC=(L-L2)/▽L；
太赫兹结果矩阵DT的行数为M，列数DTC为：DTC=(L-L3)/▽L；
其中，混合物料沿传送带运动方向的吹喷最小单元长度为▽L，X射线成像区域的X射线装置距离传送带起点的长度为L1；可见光成像区域的可见光成像装置距离传送带起点的长度为L2；太赫兹成像装置距离传送带起点的长度为L3；传送带长度为L。
4.一种基于多光谱技术的高岭土原矿分选系统，其特征在于，用于实现如权利要求1-3任意一项所述的高岭土原矿分选方法，包括：振动筛，X射线成像检测装置，可见光成像检测装置，太赫兹成像检测装置，智能识别及显控装置，传送带和气选执行装置；
所述振动筛，置于整个系统的前端，筛选出高岭土原矿混合物料中的块状物料，并将其投放至传动带上；
所述X射线成像检测装置用于对经过X射线成像区域的高岭土原矿混合物料进行X射线成像，输出混合物料的X射线图像及X射线结果矩阵DX；
所述可见光成像检测装置用于对经过可见光成像区域的高岭土混合物料进行可见光成像，输出混合物料的可见光图像及可见光结果矩阵DC；
所述太赫兹成像检测装置用于对经过太赫兹成像区域的高岭土原矿混合物料进行太赫兹成像，输出混合物料的太赫兹图像及太赫兹结果矩阵DT；
所述智能识别及显控装置将X射线结果矩阵DX、可见光结果矩阵DC和太赫兹结果矩阵DT的最后一列进行逻辑或运算，生成电磁阀控制真值表，并根据所述电磁阀控制真值表生成控制信号；
所述气选执行装置，用于根据所述控制信号产生高压气流，实现对高岭石和杂质进行分类处理。
5.根据权利要求4所述的高岭土原矿分选系统，其特征在于，所述智能识别及显控装置，包括目标识别算法模块、电磁阀控制模块、显控模块；
所述目标识别算法模块，用于实现X射线图像、可见光图像、太赫兹图像的目标检测，实现高岭石和杂质的识别；
电磁阀控制模块，将高岭石和杂质的识别结果转化为电磁阀控制真值表，生成电磁阀的控制时序，控制电磁阀的开启和关闭；
所述显控模块，用于系统参数设置、BIT功能控制、系统控制。
6.根据权利要求4所述的高岭土原矿分选系统，其特征在于，所述气选执行装置包括空压机、储气罐、高速电磁阀、喷嘴阵列，所述空压机产生高压气流，存储于储气罐，所述喷嘴阵列安装在传送带末端出料口的下方，电磁阀控制真值表的值为1时，电磁阀打开，高压气流流经喷嘴，将杂质抛落至杂质回收桶；电磁阀控制真值表的值为0时，电磁阀关闭，喷嘴无气流流出，高岭石掉落至高岭土回收桶。
7.根据权利要求4所述的高岭土原矿分选系统，其特征在于，还包括：除尘装置和供配电模块；
所述除尘装置，用于去除高岭土原矿分选系统中的灰尘；
所述供配电模块，用于给高岭土原矿分选系统提供适配电源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311132752.9A CN116871177B (zh) | 2023-09-05 | 2023-09-05 | 一种基于多光谱技术的高岭土原矿分选方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311132752.9A CN116871177B (zh) | 2023-09-05 | 2023-09-05 | 一种基于多光谱技术的高岭土原矿分选方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116871177A true CN116871177A (zh) | 2023-10-13 |
| CN116871177B CN116871177B (zh) | 2023-11-17 |
Family
ID=88271820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311132752.9A Active CN116871177B (zh) | 2023-09-05 | 2023-09-05 | 一种基于多光谱技术的高岭土原矿分选方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116871177B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070265783A1 (en) * | 2006-05-10 | 2007-11-15 | Abb Schweiz Ag | Bulk material analyzer system |
| CN104138854A (zh) * | 2014-06-25 | 2014-11-12 | 山东大学 | 基于伪双能射线成像的矿石分选系统及方法 |
| CN206897878U (zh) * | 2017-03-28 | 2018-01-19 | 沈阳隆基电磁科技股份有限公司 | 一种基于x射线识别的矿石智能分选设备 |
| CN111957600A (zh) * | 2020-08-06 | 2020-11-20 | 北京霍里思特科技有限公司 | 多光谱融合的物料识别系统、智能分选设备及分选方法 |
| CN213409470U (zh) * | 2020-09-25 | 2021-06-11 | 安徽新同力智能装备有限公司 | 智能矿物分选设备 |
| CN114433509A (zh) * | 2022-04-11 | 2022-05-06 | 天津美腾科技股份有限公司 | 一种铝土矿识别方法及装置 |
| CN114887924A (zh) * | 2022-04-28 | 2022-08-12 | 安徽理工大学 | 一种基于太赫兹成像的煤矸石识别分选装置及方法 |
| CN115532649A (zh) * | 2022-10-17 | 2022-12-30 | 九州天禾(山东)智能科技有限公司 | 一种煤矸智能分选系统 |
| CN115999943A (zh) * | 2023-01-06 | 2023-04-25 | 合肥博焱智能科技有限公司 | 一种非金属矿石分选设备 |
| WO2023124389A1 (zh) * | 2021-12-27 | 2023-07-06 | 同方威视技术股份有限公司 | 矿物分选系统 |
-
2023
- 2023-09-05 CN CN202311132752.9A patent/CN116871177B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070265783A1 (en) * | 2006-05-10 | 2007-11-15 | Abb Schweiz Ag | Bulk material analyzer system |
| CN104138854A (zh) * | 2014-06-25 | 2014-11-12 | 山东大学 | 基于伪双能射线成像的矿石分选系统及方法 |
| CN206897878U (zh) * | 2017-03-28 | 2018-01-19 | 沈阳隆基电磁科技股份有限公司 | 一种基于x射线识别的矿石智能分选设备 |
| CN111957600A (zh) * | 2020-08-06 | 2020-11-20 | 北京霍里思特科技有限公司 | 多光谱融合的物料识别系统、智能分选设备及分选方法 |
| CN213409470U (zh) * | 2020-09-25 | 2021-06-11 | 安徽新同力智能装备有限公司 | 智能矿物分选设备 |
| WO2023124389A1 (zh) * | 2021-12-27 | 2023-07-06 | 同方威视技术股份有限公司 | 矿物分选系统 |
| CN114433509A (zh) * | 2022-04-11 | 2022-05-06 | 天津美腾科技股份有限公司 | 一种铝土矿识别方法及装置 |
| CN114887924A (zh) * | 2022-04-28 | 2022-08-12 | 安徽理工大学 | 一种基于太赫兹成像的煤矸石识别分选装置及方法 |
| CN115532649A (zh) * | 2022-10-17 | 2022-12-30 | 九州天禾(山东)智能科技有限公司 | 一种煤矸智能分选系统 |
| CN115999943A (zh) * | 2023-01-06 | 2023-04-25 | 合肥博焱智能科技有限公司 | 一种非金属矿石分选设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116871177B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6152845B2 (ja) | 光学式粒状物選別機 | |
| WO2014126232A1 (ja) | 光学式粒状物選別機 | |
| CN104624505B (zh) | 一种基于图像识别的废塑料分离方法与系统 | |
| CN102416386B (zh) | 干法排煤矸石选煤的工艺及系统 | |
| CN106216219B (zh) | 一种视觉识别煤和煤矸石并用机械手进行分离的系统 | |
| EP3816857A1 (en) | Neural network for bulk sorting | |
| CN105537145A (zh) | 一种块煤智能干法反选系统 | |
| Maier et al. | Experimental evaluation of a novel sensor-based sorting approach featuring predictive real-time multiobject tracking | |
| JP2012000575A (ja) | 色彩選別機 | |
| EP2844403B1 (en) | High capacity cascade-type mineral sorting machine | |
| AU2011245066B2 (en) | Sorting mined material | |
| MX2011006159A (es) | Metodo para separar impurezas minerales de rocas que contienen carbonato calcico mediante clasificacion por rayos x. | |
| CN114405858B (zh) | 一种宽粒级煤矸分选系统及方法 | |
| CN105562366A (zh) | 一种智能干选主再选的工艺及设备 | |
| CN116871177B (zh) | 一种基于多光谱技术的高岭土原矿分选方法及系统 | |
| Maier et al. | A survey of the state of the art in sensor-based sorting technology and research | |
| Gülcan | A novel approach for sensor based sorting performance determination | |
| WO2020190169A1 (ru) | Способ сортировки объектов по их цветовым характеристикам | |
| Wotruba et al. | Sensor-based ore sorting in 2020 | |
| Chen et al. | Sensor-based sorting | |
| Manouchehri | Sorting: possibilitis, limitations and future | |
| Udoudo | Modelling the efficiency of an automated sensor-based sorter | |
| CN113552028B (zh) | 混合料视觉分析装置、混合料粒度组成检测方法及系统 | |
| Wotruba | State of the art and new developments in sensor based sorting applications | |
| Choudhary et al. | Determination of surface moisture and particle size distribution of coal using online image processing |
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 |