LU103164B1 - Grobe Partikelgrößenabschätzung bei einem Schüttgut - Google Patents
Grobe Partikelgrößenabschätzung bei einem Schüttgut Download PDFInfo
- Publication number
- LU103164B1 LU103164B1 LU103164A LU103164A LU103164B1 LU 103164 B1 LU103164 B1 LU 103164B1 LU 103164 A LU103164 A LU 103164A LU 103164 A LU103164 A LU 103164A LU 103164 B1 LU103164 B1 LU 103164B1
- Authority
- LU
- Luxembourg
- Prior art keywords
- particles
- image data
- detected
- size
- particle size
- Prior art date
Links
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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
- 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
- G01N2015/1029—Particle size
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20041—Distance transform
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Die vorliegende Erfindung betrifft ein Verfahren zur Ermittlung der Partikelgrößenverteilung eines Schüttgutes auf einem Transportband, wobei die Oberfläche erfasst wird, wobei die erfasste Oberfläche einer Bildanalyse unterzogen wird, wobei die Bilddaten als Graustufenbild vorliegen oder in ein Graustufenbild konvertiert werden, wobei die Bildanalyse der Bilddaten eine erste Distanztransformation und ein erstes Segmentierungsverfahren, beispielsweise eine erste Wasserscheidentransformation, zur Bestimmung der Partikel verwendet, wobei von den so erkannten ersten Partikeln die Größe bestimmt wird, dadurch gekennzeichnet, dass die Bilddaten zu modifizierten Bilddaten modifiziert werden, in dem die im ersten Schritt erkannten ersten Partikel auf Schwarz gesetzt werden, wobei die Bildanalyse der modifizierten Bilddaten eine zweite Distanztransformation und ein zweites Segmentierungsverfahren, beispielsweise eine zweite Wasserscheidentransformation, zur Bestimmung der Partikel verwendet, wobei von den so erkannten zweiten Partikeln die Größe bestimmt wird, wobei die Größe der ersten Partikel und die Größe der zweiten Partikel zur Bestimmung der Partikelgröße verwendet werden.
Description
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 1/7
Grobe Partikelgrößenabschätzung bei einem Schüttgut
Die Erfindung betrifft ein Verfahren zur groben Abschätzung der Partikelgröße und
Partikelgrößenverteilung eines Schüttgutes während der Verarbeitung des Schüttgutes.
Für viele Prozesse, beispielsweise in der Zementindustrie, ist es vorteilhaft, die
PartikelgrôBe und PartikelgrôBenverteilung eines Schüttgutes innerhalb eines Prozess innerhalb der Prozesslinie zu ermitteln, um folgende Verarbeitungsschritte an unterschiedliche Partikelgrößen anpassen zu können, beispielsweise in einer Mühle
Mahlzeiten anzupassen oder bei der thermischen Behandlung Verweilzeiten anzupassen.
Hierbei gibt es zwei Probleme. Das erste ist, dass eine Laboranalyse aus zeitlichen
Gründen für eine direkte Prozesssteuerung nur sehr bedingt geeignet ist. Es ist somit wünschenswert, die Messung direkt im Prozess durchzuführen. Dabei tritt aber nun das zweite Problem in den Vordergrund. Bei einem Schüttgut ist nur die Oberfläche zu sehen und diese ist durch die Einheitlichkeit des Materials auch schwer in getrennte Partikel zu zerlegen, sodass die Analyse der Größenverteilung fehleranfällig ist.
Aus der DE 1607 460 B2 ist eine Zerkleinerungsanlage bekannt, bei welcher die
Größenverteilung eine Regelgröße ist.
Aus der DE 43 25 187 C2 ist ein Verfahren zur Anpassung von Betriebsparametern einer
Walzenmuhle bekannt.
Aus der US 2017/0045438 A1 ist eine PartikelgrôBenbestimmung in Flüssigkeit bekannt.
Aus der US 2005/0046841 A1 ist eine PartikelgrôBenbestimmung in Flüssigkeit bekannt.
Aus der US 2003/0063276 A1 ist ein Verfahren zur Trennung von Agrarprodukten bekannt, wobei eine kontinuierliche Probennahme erfolgt.
Aus der US 4,115,803 A ist ein Bildauswerteverfahren bekannt.
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 217
Aus der WO 2014/009384 A2 ist ein Verfahren zur Identifizierung und Diskriminierung verschiedener heterogener Materialien bekannt.
Aus der DE 20 2011 109 943 U1 ist eine Vorrichtung zur Bestimmung der Größe von
Partikeln in einem Partikelstrom bekannt.
Aus der DE 16 07 460 B2 ist eine rechnergesteuerte Zerkleinerungsanlage bekannt.
Aus der DE 43 25 187 C2 ist ein Walzmühlensteuerverfahren bekannt.
Aus Zhang Zelin et al, ,Multi-scale image segmentation of coal piles on a belt based on the Hessian matrix‘, Particuology, Bd. 11, Nr. 5, 31.10.2013, Seiten 549-555,
XP028693266 ist die optischer Erkennung von Kohlenstücken bekannt.
Aus Norbert H Maerz: ,Automated online optical sizing analysis“, Proceedings of the third international conference on autogenous and semi autogenous grinding technology, 21.12.2001, XP055699611 ist eine optische GrôBenuntersuchung bekannt.
Aus der DE 102019 204 103 A1 ist ein Verfahren zur Grobklassifizierung der
PartikelgrôfBenverteilung eines Schüttguts bekannt. Es hat sich jedoch herausgestellt, dass mittels dieses Verfahrens die Klassifizierung nicht für alle Anwendungsfâlle ausreichend ist. Insbesondere kann die Bildauswertung auch materialabhängig unterschiedlich zuverlassig ausfallen.
Aufgabe der Erfindung ist es, ein einfaches und dennoch robustes und zuverlassiges
Verfahren zur groben Abschätzung der PartikelgrôBenverteilung eines Schüttgutes bereitzustellen.
Gelöst wird diese Aufgabe durch das Verfahren mit den in Anspruch 1 angegebenen
Merkmalen. Vorteilhafte Weiterbildungen ergeben sich aus den Unteransprüchen, der nachfolgenden Beschreibung sowie den Zeichnungen.
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 3/7
Das erfindungsgemäße Verfahren dient zur Ermittlung der PartikelgrôBenverteilung eines
Schüttgutes auf einem Transportband. Es kann somit beispielswiese vor einer Mühe oder dergleichen verwendet werden, um die Mühle optimal zu steuern und den Energieeintrag auf die Partikelgrößenverteilung des ankommenden Schüttgutes einzustellen. Die
Oberfläche wird erfasst. Dieses kann beispielswiese optisch mittels einer Kamera erfolgen. Bevorzugt erfolgt dieses jedoch mit einem Laser-Scanner, da so das
Oberflächenprofil in einfacher Weise erfasst werden kann und die Farbigkeit des
Schüttguts praktisch keine Rolle spielt. Alternativ können natürlich auch alle anderen bildgebenden Erfassungsmöglichkeiten einer Oberfläche, wie zum Beispiel Radar, verwendet werden. Wesentlich ist, dass am Ende Bilddaten erhalten werden, die eine
Repräsentation der Oberfläche darstellen und die Identifikation einzelner Partikel ermöglichen. Die erfasste Oberfläche in Form der Bilddaten wird einer Bildanalyse unterzogen. Die Bilddaten liegen als Graustufenbild vor oder werden in ein
Graustufenbild konvertiert. Die Bildanalyse der Bilddaten verwendet eine erste
Distanztransformation und ein erstes Segmentierungsverfahren, beispielsweise eine erste Wasserscheidentransformation, zur Bestimmung der Partikel. Derartige Analysen können als allgemein bekannt angesehen werden und umfassen auch weitere Schritte, die dem Fachmann geläufig sind. Von den so erkannten ersten Partikeln wird die Größe bestimmt. Es hat sich jedoch gezeigt, dass so nur ein Teil der Oberfläche erfasst und somit die gemessenen ersten Partikel nicht repräsentativ für das gesamte Schüttgut sind.
Dieses liegt daran, dass unterschiedliche Bereiche leicht eine unterschiedliche Helligkeit und damit einen unterschiedlichen Kontrast aufweisen.
Erfindungsgemäß werden daher die Bilddaten zu modifizierten Bilddaten modifiziert.
Hierzu werden die im ersten Schritt erkannten ersten Partikel auf Schwarz gesetzt, also praktisch ausgeblendet. Somit verbleiben nur noch die Partikel in den modifizierten
Bilddaten, welche für eine Erkennung ist der ersten Iteration nicht hell genug waren. Da nun aber die helleren Bereiche entfernt wurden, da diese bereits erkannten ersten
Partikel auf schwarz gesetzt werden, so können nun diese weiteren Partikel in den modifizierten Bilddaten gefunden werden. Dieses ist möglich, da für die
Distanztransformation eine Binarisierung, also eine Konvertierung auf Schwarz-Weiß erfolgt, was wiederum Partikel, deren maximaler Helligkeitswert einen Schwellwert unterschreitet, ignoriert. In dem zweiten Iterationsschritt sind jedoch die Partikel mit der thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 4/7 maximalen Helligkeit entfernt, sodass bei der Binarisierung nun weitere Partikel gefunden werden kônnen. Die Bildanalyse der modifizierten Bilddaten verwendet eine zweite
Distanztransformation und ein zweites Segmentierungsverfahren, beispielsweise eine zweite Wasserscheidentransformation, zur Bestimmung der Partikel. Von den so erkannten zweiten Partikeln wird die Größe bestimmt. Die Größe der ersten Partikel und die Größe der zweiten Partikel werden zur Bestimmung der Partikelgröße verwendet.
Dadurch werden insgesamt mehr Partikel erfasst und das so erzielte Ergebnis ist zuverlässiger.
In einer weiteren Ausführungsform der Erfindung ist das erste Segmentierungsverfahren eine erste Wasserscheidentransformation und das zweite Segmentierungsverfahren eine zweite Wasserscheidentransformation.
In einer weiteren Ausführungsform der Erfindung ist wenigstens ein
Segmentierungsverfahren eine Blob-Detection, welche eine: Erkennung von Ellipsen und nicht von jeder beliebigen Form ermöglicht. Wenn man von einer vergleichsweise sphärischen Form der Partikel ausgehen kann, so erleichtert dieses die Separation benachbarter Teilchen und reduziert den Rechenaufwand.
In einer weiteren Ausführungsform der Erfindung ist wenigstens ein
Segmentierungsverfahren eine Canny-Edge-Kantenerkennungsalgorithmus zur
Erkennung von Strukturen. Der Canny-Edge kann präzisere Ergebnisse liefern.
Nachteilig ist jedoch, dass dieser sehr schwer zu parametrisieren ist.
In einer weiteren Ausführungsform der Erfindung ist wenigstens ein
Segmentierungsverfahren eine markerbasierte Wasserscheiden-Transformation.
In einer weiteren Ausführungsform der Erfindung werden die genannte Verfahren, oder nur ausgewählte dieser, parallel betrieben, die Ergebnisse kombiniert und ausgewertet werden. Dadurch entsteht ein deutlich erhöhter Rechenaufwand. Die Ergebnisqualität kann dadurch gesteigert werden.
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 5/7
Es kann vor der Binarisierung über ein Histogramm der Informationsüberfluss beschränkt werden. Dadurch werden Peaks eliminiert und die Informationsdichte erhöht. Dieser
Prozess kann auch mit einem biased Histogramm erfolgen. Dabei werden zusätzlich zu den Peaks ebenfalls ein Prozentsatz von 0 bis 15 % der Randwerte des Histogramms entfernt, um die Informationsdichte enorm zu erhöhen. Wichtig ist dabei, dass keine relevanten Informationen entfernt werden.
In einer weiteren Ausführungsform der Erfindung erfolgt die Erfassung der Oberfläche mit einem Laserscanner, bevorzugt mit einem Linien-Laserscanner. Vorteil ist, das hier direkt die Oberflächenstruktur erfasst wird und so die Kontur der auf der Oberfläche befindlichen
Partikel zuverlässig erkannt wird, wohingegen bei optischen Verfahren die grundsätzliche einheitliche, aber dennoch individuell schwankende Farbgebung die Erkennung einzelner
Partikel erschwert.
Natürlich kann auch eine Kombination, beispielsweise aus Laserscanner und Kamera, verwendet werden, um Vorteile beider Verfahren zu erhalten und gegenseitige
Schwächen auszugleichen.
In einer weiteren Ausführungsform der Erfindung werden die modifizierten Bilddaten zu weiter modifizierten Bilddaten modifiziert, in dem die im zweiten Schritt erkannten zweiten
Partikel auf Schwarz gesetzt werden. Es erfolgt somit ein dritter Iterationsschritt, um weitere Partikel zu erkennen. Die Bildanalyse der weiter modifizierten Bilddaten verwendet eine dritte Distanztransformation und ein drittes Segmentierungsverfahren, beispielsweise eine dritte Wasserscheidentransformation, zur Bestimmung der Partikel, wird also analog der ersten Iteration und der zweiten Iteration durchgeführt.
In einer weiteren Ausführungsform der Erfindung werden diese Iterationsschritte so lange wiederholt, bis die eine weitere Verbesserung durch weitere erkannte Partikel nicht mehr erfolgt. Üblicherweise können hierfür 10 bis 20 Iterationsschritte. Danach hat die Qualität der verbleibenden Restdaten soweit abgenommen, dass es zu keiner Verbesserung des
Ergebnisses mehr kommt.
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 6/7
Von den so iterativ erkannten Partikeln wird die Größe bestimmt und die Größe der iterativ erkannten Partikel werden zur Bestimmung der Gesamtpartikelgrößenverteilung verwendet.
In einer weiteren Ausführungsform der Erfindung werden in den Bilddaten fehlende
Bildpunkte durch Interpolation erzeugt. Dieses ist beispielsweise bei mittels eines
Laserscanners erhaltenen Daten für durch Erhöhungen abgeschattete Bereiche vorteilhaft.
In einer weiteren Ausführungsform der Erfindung werden in den Bilddaten fehlende
Bildpunkte durch Übertragen des Wertes des vorangegangenen Bildpunktes erzeugt.
Dieses hat den Vorteil, dass kein Rechenaufwand, wie zum Beispiel bei der Interpolation, nötig ist.
In einer weiteren Ausführungsform der Erfindung wird simultan zum erfindungsgemäßen
Verfahren eine Mustererkennung trainiert und ausgeführt. Es wird also durch die
Mustererkennung letztendlich eine Erkennung ohne Auswertung (ohne Verwendung des erfindungsgemäßen Verfahrens) möglich, wenn die Mustererkennung somit ein Muster wiedererkennt und so einer PartikelgrôBenverteilung in einfacherer Weise zuordnen kann.
In einem weiteren Aspekt betrifft die Erfindung ein Verfahren zum Betreiben einer
Zerkleinerungsvorrichtung, insbesondere einer Mühle, wobei der
Zerkleinerungsvorrichtung ein Schüttgut zugeführt und in der Zerkleinerungsvorrichtung zerkleinert wird. Das zugeführte Schüttgut wird bei der Zuführung mit dem erfindungsgemäßen Verfahren zur Ermittlung der Partikelgrößenverteilung eines
Schüttgutes auf einem Transportband untersucht, die ermittelte PartikelgrôBenverteilung ausgewertet und die Zerkleinerungsvorrichtung anhand der ermittelten
Partikelgrößenverteilung geregelt. Insbesondere werden Mahldruck und eingebrachte
Energie geregelt.
Nachfolgend ist das erfindungsgemäße Verfahren anhand eines in den Zeichnungen dargestellten Ausführungsbeispiels näher erläutert.
thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 717
Fig. 1 Bilddaten
Fig. 2 Binarisierung
Fig. 3 Distanztransformation
Fig. 4 Wasserscheidentransformation
Fig. 5 modifizierte Bilddaten
Die Abbildungen zeigen die Bildinformationen, welche in den Schritten des Verfahrens erhalten beziehungsweise bearbeitet werden. Anhand dieser Darstellungen soll das
Verfahren beispielhaft dargestellt werden.
In Fig. 1 sind die Bilddaten dargestellt. Gezeigt ist ein Graustufenbild, welches mit Hilfe eines Laserscanners auf einem Förderband von Klinker gemacht wurde. In einem ersten
Schritt erfolgt die Binarisierung, wie in Fig. 2 gezeigt, also die Umwandlung in Schwarz-
Weiß. Dieses ermöglicht die Distanztransformation, welche in Fig. 3 gezeigt ist. Damit lässt sich die in Fig. 4 gezeigte Wasserscheidentransformation durchführen. Somit können die ersten Partikel identifiziert und deren Größe bestimmt werden. Im einfachsten
Fall wird einfach die Pixelzahl verwendet. Um nun zur zweiten Iteration zu kommen, werden die bereits gefundenen Partikel „ausgeschwärzt“ und so modifizierte Bilddaten erhalten, wie in Fig. 5 gezeigt. Mit diesen modifizierten Bilddaten kann das Verfahren dann wieder wie zuvor beschrieben durchgeführt werden.
Claims (5)
1. Verfahren zur Ermittlung der PartikelgrôBenverteilung eines Schüttgutes auf einem Transportband, wobei die Oberfläche erfasst wird, wobei die erfasste Oberfläche einer Bildanalyse unterzogen wird, wobei die Bilddaten als Graustufenbild vorliegen oder in ein Graustufenbild konvertiert werden, wobei die Bildanalyse der Bilddaten eine erste Distanztransformation und ein erstes Segmentierungsverfahren zur Bestimmung der Partikel verwendet, wobei von den so erkannten ersten Partikeln die Größe bestimmt wird, dadurch gekennzeichnet, dass die Bilddaten zu modifizierten Bilddaten modifiziert werden, in dem die im ersten Schritt erkannten ersten Partikel auf Schwarz gesetzt werden, wobei die Bildanalyse der modifizierten Bilddaten eine zweite Distanztransformation und ein zweites Segmentierungsverfahren zur Bestimmung der Partikel verwendet, wobei von den so erkannten zweiten Partikeln die Größe bestimmt wird, wobei die Größe der ersten Partikel und die Größe der zweiten Partikel zur Bestimmung der PartikelgrôBe verwendet werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Erfassung der Oberfläche mit einem Laserscanner, bevorzugt mit einem Linien-Laserscanner, erfolgt.
3. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das erste Segmentierungsverfahren eine erste Wasserscheidentransformation und das zweite Segmentierungsverfahren eine zweite Wasserscheidentransformation ist.
4. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die modifizierten Bilddaten zu weiter modifizierten Bilddaten modifiziert werden, in dem die im zweiten Schritt erkannten zweiten Partikel auf Schwarz gesetzt werden, wobei die Bildanalyse der weiter modifizierten Bilddaten eine dritte Distanztransformation und einen drittes Segmentierungsverfahren, insbesondere eine dritte Wasserscheidentransformation, zur Bestimmung der Partikel verwendet, wobei von den so erkannten dritten Partikeln die Größe bestimmt wird, wobei die Größe der ersten Partikel, die Größe der zweiten Partikel thyssenkrupp Polysius GmbH 222370P00LU thyssenkrupp AG 28.06.2023 LU103164 2/2 und die Größe der dritten Partikel zur Bestimmung der PartikelgrôBe verwendet werden.
5. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass in den Bilddaten fehlende Bildpunkte durch Interpolation erzeugt werden.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| LU103164A LU103164B1 (de) | 2023-07-03 | 2023-07-03 | Grobe Partikelgrößenabschätzung bei einem Schüttgut |
| PCT/EP2024/067251 WO2025008195A1 (de) | 2023-07-03 | 2024-06-20 | GROBE PARTIKELGRÖßENABSCHÄTZUNG BEI EINEM SCHÜTTGUT |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| LU103164A LU103164B1 (de) | 2023-07-03 | 2023-07-03 | Grobe Partikelgrößenabschätzung bei einem Schüttgut |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| LU103164B1 true LU103164B1 (de) | 2025-01-03 |
Family
ID=87036825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| LU103164A LU103164B1 (de) | 2023-07-03 | 2023-07-03 | Grobe Partikelgrößenabschätzung bei einem Schüttgut |
Country Status (1)
| Country | Link |
|---|---|
| LU (1) | LU103164B1 (de) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4115803A (en) | 1975-05-23 | 1978-09-19 | Bausch & Lomb Incorporated | Image analysis measurement apparatus and methods |
| DE1607460B2 (de) | 1966-10-25 | 1980-02-14 | Bunker Ramo Corp., Oak Brook, Ill. | Rechnergesteuerte Zerkleinerungsanlage |
| DE4325187C2 (de) | 1992-07-28 | 1999-12-23 | Kobe Steel Ltd | Walzmühlensteuerverfahren |
| US20030063276A1 (en) | 2001-10-03 | 2003-04-03 | Foss Tecator Ab | Sorting grain during harvesting |
| US20050046841A1 (en) | 2003-09-03 | 2005-03-03 | Guenadi Rabinski | Digital optical measurement of particle populations using reduced magnification |
| DE202011109943U1 (de) | 2011-10-10 | 2012-11-15 | J. Engelsmann Ag | Vorrichtung zur Bestimmung der Größe von Partikeln in Siebgut |
| WO2014009384A2 (de) | 2012-07-09 | 2014-01-16 | Reinhausen Plasma Gmbh | System und verfahren zur identifizierung und diskriminierung von materialien, verfahren zur identifizierung oder diskriminierung von materialien und mess- vorrichtung zur erfassung von materialeigenschaften von materialien |
| US20170045438A1 (en) | 2014-02-20 | 2017-02-16 | Malvern Instruments Limited | High-Throughput Fluid Sample Characterization |
| DE102019204103A1 (de) | 2019-03-26 | 2020-10-01 | Thyssenkrupp Ag | Verfahren zur Grobklassifizierung der Partikelgrößenverteilung eines Schüttguts |
| AU2019335607A1 (en) * | 2018-09-07 | 2021-04-01 | Stone Three Digital (Pty) Ltd | Monitoring ore |
-
2023
- 2023-07-03 LU LU103164A patent/LU103164B1/de active IP Right Grant
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE1607460B2 (de) | 1966-10-25 | 1980-02-14 | Bunker Ramo Corp., Oak Brook, Ill. | Rechnergesteuerte Zerkleinerungsanlage |
| US4115803A (en) | 1975-05-23 | 1978-09-19 | Bausch & Lomb Incorporated | Image analysis measurement apparatus and methods |
| DE4325187C2 (de) | 1992-07-28 | 1999-12-23 | Kobe Steel Ltd | Walzmühlensteuerverfahren |
| US20030063276A1 (en) | 2001-10-03 | 2003-04-03 | Foss Tecator Ab | Sorting grain during harvesting |
| US20050046841A1 (en) | 2003-09-03 | 2005-03-03 | Guenadi Rabinski | Digital optical measurement of particle populations using reduced magnification |
| DE202011109943U1 (de) | 2011-10-10 | 2012-11-15 | J. Engelsmann Ag | Vorrichtung zur Bestimmung der Größe von Partikeln in Siebgut |
| WO2014009384A2 (de) | 2012-07-09 | 2014-01-16 | Reinhausen Plasma Gmbh | System und verfahren zur identifizierung und diskriminierung von materialien, verfahren zur identifizierung oder diskriminierung von materialien und mess- vorrichtung zur erfassung von materialeigenschaften von materialien |
| US20170045438A1 (en) | 2014-02-20 | 2017-02-16 | Malvern Instruments Limited | High-Throughput Fluid Sample Characterization |
| AU2019335607A1 (en) * | 2018-09-07 | 2021-04-01 | Stone Three Digital (Pty) Ltd | Monitoring ore |
| DE102019204103A1 (de) | 2019-03-26 | 2020-10-01 | Thyssenkrupp Ag | Verfahren zur Grobklassifizierung der Partikelgrößenverteilung eines Schüttguts |
Non-Patent Citations (6)
| Title |
|---|
| AUS NORBERT H MAERZ: "Automated online optical sizing analysis", PROCEEDINGS OF THE THIRD INTERNATIONAL CONFERENCE ON AUTOGENOUS AND SEMI AUTOGENOUS GRINDING TECHNOLOGY, 21 December 2001 (2001-12-21) |
| AUS ZHANG ZELIN ET AL.: "Multi-scale image segmentation of coal piles on a belt based on the Hessian matrix", PARTICUOLOGY, vol. 11, 31 October 2013 (2013-10-31), pages 549 - 555, XP028693266, DOI: 10.1016/j.partic.2013.02.011 |
| CHERIET M ET AL: "A RECURSIVE THRESHOLDING TECHNIQUE FOR IMAGE SEGMENTATION", IEEE TRANSACTIONS ON IMAGE PROCESSING, IEEE, USA, vol. 7, no. 6, 1 June 1998 (1998-06-01), pages 918 - 921, XP000754466, ISSN: 1057-7149, DOI: 10.1109/83.679444 * |
| JÄGERS J. ET AL: "An automated and continuous method for the optical measurement of wood pellet size distribution and the gravimetric determination of fines", POWDER TECHNOLOGY, vol. 367, 1 May 2020 (2020-05-01), Basel (CH), pages 681 - 688, XP055779007, ISSN: 0032-5910, DOI: 10.1016/j.powtec.2020.04.023 * |
| MKWELO S G ET AL: "WATERSHED-BASED SEGMENTATION OF ROCK SCENES AND PROXIMITY-BASED CLASSIFICATION OF WATERSHED REGIONS UNDER UNCONTROLLED LIGHTING", THE TRANSACTIONS OF THE SA INSTITUTE OF ELECTRICAL ENGINEERS, 1 March 2005 (2005-03-01), pages 28 - 34, XP093125107, Retrieved from the Internet <URL:https://ieeexplore.ieee.org/document/9488146> [retrieved on 20240130], DOI: 10.23919/SAIEE.2005.9488146 * |
| SIMPHIWE MKWELO: "A machine vision-based approach to measuring the size distribution of rocks on a conveyor belt", 1 May 2004 (2004-05-01), XP055649451, Retrieved from the Internet <URL:https://www.dip.ee.uct.ac.za/publications/theses/MScSimphiwe.pdf> [retrieved on 20191204] * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE10326035B4 (de) | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche | |
| DE3780955T2 (de) | Verfahren zur automatischen spitzenerkennung im graustufenhistogramm eines digitalen bildes. | |
| WO2004086291A2 (de) | Verfahren zur qualitativen beurteilung eines materials mit mindestens einem erkennungsmerkmal | |
| DE112004000879T5 (de) | Verfahren und Vorrichtung zur Bestimmung eines Teilchenparameters und der Prozessorleistung in einem Kohle- und Mineral-Verarbeitungssystem | |
| EP3082102A1 (de) | Verfahren zum evaluieren wenigstens einer mittels eines generativen pulverschichtverfahrens hergestellten bauteilschicht | |
| EP1865462A1 (de) | Verfahren zur Binarisierung eines digitalen Grauwertbildes | |
| DE102020215415A1 (de) | Verfahren und Vorrichtung zum Detektieren einer Störpflanzenabbildung in einem Kamerarohbild und Bildverarbeitungseinrichtung | |
| LU103164B1 (de) | Grobe Partikelgrößenabschätzung bei einem Schüttgut | |
| EP3482348A1 (de) | Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils | |
| WO2016107722A1 (de) | Verfahren zum bestimmen von partikeln | |
| DE102023117447A1 (de) | Grobe Partikelgrößenabschätzung bei einem Schüttgut | |
| Patki et al. | A review: Cotton leaf disease detection | |
| EP4277259A1 (de) | Aufnehmen und helligkeitsanpassung eines bildes | |
| DE19754909C2 (de) | Verfahren und Vorrichtung zur Erfassung und Bearbeitung von Abbildungen biologischen Gewebes | |
| WO2022161974A1 (de) | Erzeugung von trainingsdaten für zweidimensionale scans eines bodenradar-systems | |
| WO2025008195A1 (de) | GROBE PARTIKELGRÖßENABSCHÄTZUNG BEI EINEM SCHÜTTGUT | |
| DE10326031A1 (de) | Verfahren zur adaptiven Kantenerkennung | |
| WO2008077680A1 (de) | Verfahren und vorrichtung zur optischen prüfung von objekten | |
| WO2024149879A1 (de) | Vorrichtung und verfahren zum klassifizieren eines metallpulvers | |
| WO2023232191A1 (de) | Verfahren zur orientierten dichteauswertung an einzelkörnern eines schüttgutstromes | |
| DE19720121C2 (de) | Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern | |
| AT507266A1 (de) | Verfahren zum automatischen erkennen eines defekts in einer elektronischen darstellung | |
| EP3882032B1 (de) | Bogeninspektion mit globaler helligkeitsanpassung | |
| DD298158A5 (de) | Verfahren zur schnellen automatischen erkennung von fehlern in unifarbenen, ungemusterten oder schwach gemusterten warenbahnen | |
| DE102021117716B4 (de) | Verfahren, computerlesbares Speichermedium, Vorrichtung und System zur Auswahl einer fotografischen Aufnahme |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Patent granted |
Effective date: 20250103 |