RU2282176C1 - Способ определения гранулометрического состава смеси частиц произвольной формы - Google Patents
Способ определения гранулометрического состава смеси частиц произвольной формы Download PDFInfo
- Publication number
- RU2282176C1 RU2282176C1 RU2005107114/28A RU2005107114A RU2282176C1 RU 2282176 C1 RU2282176 C1 RU 2282176C1 RU 2005107114/28 A RU2005107114/28 A RU 2005107114/28A RU 2005107114 A RU2005107114 A RU 2005107114A RU 2282176 C1 RU2282176 C1 RU 2282176C1
- Authority
- RU
- Russia
- Prior art keywords
- particles
- particle size
- mixture
- image
- distribution
- Prior art date
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Использование: определение гранулометрического состава смеси частиц произвольной формы и размеров в статическом состоянии и в потоке движущегося материала. Сущность: подсветку контролируемого материала осуществляют с разных сторон и получают изображение смеси при помощи видеокамеры или цифрового фотоаппарата. Передают изображение на промышленный компьютер для идентификации видимых частиц и определения гранулометрического состава смеси. Осуществляют обработку изображения для компенсации неоднородности освещения. Для идентификации видимых частиц за первичные границы частиц принимают множество точек, в которых яркость меньше определенного порога либо модуль градиента превосходит модуль градиента в соседних точках. Восстанавливают полностью границы кругами поэтапно уменьшающегося диаметра. Распознают и отбрасывают каждую мелкодисперсную область (область песка), принятую ранее за частицу, если средняя по этой области разность исходного изображения и суммы изображений, полученных из исходного фильтрами Собеля и Лапласа, меньше заданного порога, на основе чего выделяют отдельные частицы. В полученное распределение частиц по классам крупности целесообразно вводить поправки, учитывающие сегрегацию и частичное перекрытие, а также отличие объемной доли класса от доли по площади на видимой поверхности. Контролируемые показатели усредняются по нескольким кадрам, количество которых вычисляется исходя из требований точности после определения реальной дисперсии показателей на последовательности кадров. Технический результат изобретения заключается в автоматизации процесса фотопланиметрии. 4 з.п. ф-лы, 3 ил.
Description
Изобретение относится к способам определения гранулометрического состава смеси частиц произвольной формы.
Известен способ непосредственного определения гранулометрического состава смеси частиц путем ситового анализа, состоящего в просеивании смеси через набор сит с ячейками заданных последовательно убывающих размеров, взвешивании остатка на каждом сите и построении диаграммы распределения частиц по классам крупности. При этом границы классов равны размерам ячеек сит. Ситовый анализ занимает длительное время, поэтому проводится эпизодически и не может использоваться для непрерывного контроля гранулометрического состава. Известен также способ определения гранулометрического состава смеси частиц путем фотопланиметрии, заключающийся в графической обработке фотоизображения смеси и состоящий в построении на изображениях смеси контуров, ограничивающих отдельные частицы, с последующей оценкой размеров каждой выделенной частицы и подсчетом количества (суммарной площади) частиц, принадлежащих к отдельным классам крупности [1, 2].
Этот способ может быть реализован как путем чисто ручной обработки фотопланограммы на фотографии, так и путем частично автоматизированной обработки изображения фотопланограммы на дисплее компьютера. В последнем случае фотографическое изображение исследуемой смеси частиц на фотобумаге или фотопленке сканируется с помощью специализированного сканера и сохраняется в памяти компьютера, а контуры строятся с помощью мыши, например, в среде AutoCAD, с автоматическим вычислением размеров каждой выделенной частицы и автоматическим построением диаграммы распределения частиц по классам крупности.
Таким образом, и в том, и в другом случае самая трудоемкая операция - построение контура каждой частицы - производится вручную и на практике занимает несколько часов рабочего времени специалиста.
Из патента RU №2154814 [3] известен способ автоматизированного измерения частиц окомкованного и/или гранулированного материала. При этом способе контуры частиц не строятся, а анализируется соотношение соседних локальных максимумов яркости изображения. Такой способ применим только в случае, когда форма частиц близка к сферической, и их поверхность достаточно выпуклая и гладкая, чтобы каждая частица давала один максимум яркости, например, при контроле размеров окатышей, поступающих на конвейер из чашевого окомкователя.
Цель изобретения - создание способа определения гранулометрического состава смеси частиц произвольной формы и размеров в статическом состоянии и в потоке движущегося материала, например, на транспортере при перемещении продукта дробления, позволяющего полностью автоматизировать процесс фотопланиметрии, исключив трудоемкую операцию ручного построения контуров частиц, и заменить в технологическом процессе ручной ситовый анализ автоматическим контролем крупности частиц в режиме реального времени.
Поставленная цель достигается тем, что способ определения гранулометрического состава смеси частиц произвольной формы и размеров в статическом состоянии и в потоке движущегося материала, например, на конвейере при перемещении продукта дробления включает подсветку контролируемого материала с разных сторон, получение изображения смеси при помощи видеокамеры или иного устройства, например цифрового фотоаппарата, и передачу изображения на промышленный компьютер для анализа, состоящего из идентификации видимых частиц, анализа геометрических параметров найденных частиц с определением их принадлежности к отдельным классам крупности и вычисления распределения частиц по классам крупности. В отличие от известного способа в предлагаемом способе выполняют предварительную обработку изображения для компенсации неоднородности освещения, а для идентификации видимых частиц произвольной формы принимают за первичные границы частиц множество точек, в которых яркость меньше определенного порога либо модуль градиента превосходит модуль градиента в соседних точках, восстанавливают полностью границы частиц, заполняя пустоты между первичными границами кругами поэтапно уменьшающегося диаметра, распознают и отбрасывают каждую мелкодисперсную область (область песка), принятую ранее за частицу, если средняя по этой области разность исходного изображения и суммы изображений, полученных из исходного фильтрами Собеля и Лапласа, меньше заданного порога, на основе чего выделяют отдельные частицы.
При этом в полученное распределение частиц по классам крупности целесообразно ввести поправку путем учета их частичного перекрытия.
В полученное распределение частиц по классам крупности можно также вводить поправку путем учета сегрегации.
Целесообразно также введение поправки в полученное распределение частиц по классам крупности для учета отличия объемной (весовой) доли класса от доли по площади на видимой поверхности.
Для повышения стабильности полученного гранулометрического состава для смеси частиц в потоке движущегося материала контролируемые показатели усредняются по нескольким кадрам, причем количество необходимых кадров вычисляется исходя из требований точности после определения реальной дисперсии показателей на последовательности кадров.
Анализ отдельного изображения смеси по способу согласно изобретению осуществляется следующим образом. Под изображением понимается целочисленная матрица, элементы которой I (i, j) меняются в диапазоне от 0 до 255, что соответствует яркости в точках (i, j) двумерной картины в оттенках серого, то есть цвету в палитре Gray Scale. Под частными производными понимаются дискретные аналоги соответствующих величин для дифференцируемой функции двух переменных.
Прежде всего выполняют предварительную обработку изображения для компенсации неоднородности освещения, другими словами, выравнивают освещенность снятого участка. Пусть I (i, j) - исходное изображение. Изображение E (i, j) получается сильным сглаживанием исходного. Сглаживание производится сверткой исходного с затухающей экспонентой:
Здесь значения (i+ξ, j+η) пробегают область изображения. Наилучшие значения настроечных параметров α и β в этой формуле подбираются при наладке системы. Изображение J[I] с выровненной освещенностью получается поточечным делением I на Е:
J(i, j)=I(i, j)/E(i, j)
Далее для нахождения приблизительного расположения видимых частиц производят поиск «первичных границ». Первичные границы определяются как множество точек, в которых яркость меньше определенного порога τ (этот алгоритм выделения границ мы называем Тьма), а также найденные алгоритмом Эксоль, представляющим собой модификацию известного фильтра Собеля. Матрица, получаемая фильтром Собеля S[J]=||grad J||, выражается следующей формулой, использующей усредненное дискретное представление производных:
Матрица X[S], получаемая фильтром Эксолъ с порогом ε, выражается следующей формулой:
Параметры τ и ε определяются при наладке системы. Все настроечные параметры корректируются с помощью диалогового окна, предоставляемого оператору.
Для окончательного определения расположения видимых частиц смеси необходимо полностью восстановить границы частиц в виде замкнутых контуров, ограничивающих каждую область, соответствующую отдельной частице. Восстановление границ осуществляется посредством модификации известного алгоритма FloodFill. Каждая область раскрашивается в определенный цвет, отличающийся от цветов всех других частиц, вплоть до первичных границ. После раскраски всего изображения производится анализ монохромных областей для определения геометрических размеров частиц. Изображение поэтапно раскрашивается круглыми кистями с последовательным уменьшением их диаметра. На каждом этапе в первую очередь расширяются уже имеющиеся частицы вплоть до первичных границ, затем ищутся новые частицы там, где кисть текущего диаметра целиком помещается без пересечения с первичными границами. В результате на каждом шаге в монохромную область, соответствующую отдельной частице, включаются точки (i, j), отстоящие не более чем на расстояние r от точек связного множества Р:
Р={р|d(p, b)>r для всех точек b из множества В}
Здесь d(p, b) - расстояние между точками р и b, В - множество точек изображения, отнесенных к первичным границам, r - радиус кисти на текущем этапе.
На следующем этапе часть областей, принятых ранее за частицы, распознаются как соответствующие мелкодисперсной фракции (песку) и отбрасываются, то есть не вносят вклад ни в общую площадь изображения, ни в суммарную площадь частиц какого-либо класса крупности. Для этого, наряду с определенным выше фильтром Собеля S[J], используется фильтр Лапласа L[J]=∂2J/∂x2+∂2J/∂у2, задаваемый дискретной формулой
L(i, j)=4×J(i, j)-J(i+1, j)-J(i-1, j)-J(i, j+1)-J(i, j-1)
Областями песка считаются области М, в которых усредненная по области разность исходного изображения и суммы изображений, полученных из него фильтрами Собеля и Лапласа, меньше определенного порога:
Здесь μ - заданный порог (настраиваемый параметр), 
- площадь области.
Дальнейшее вычисление гранулометрического состава по изображению, разделенному на области, соответствующие отдельным частицам, производится известным образом. Так, классы крупности определяются набором граничных размеров, отделяющих частицы одного класса от другого. Возможен выбор критерия размера частицы. Это может быть:
- длина прямоугольника, описанного около изображения частицы;
- ширина прямоугольника, описанного около изображения частицы;
- квадратный корень из площади изображения частицы.
В зависимости от размера частица вносит вклад в тот или иной класс крупности. Вес вклада определяется площадью изображения частицы или приблизительным объемом (см. ниже про учет отличия объемной доли класса). Содержание (называемое также процентным выходом) класса крупности αi вычисляется как процентное отношение суммарной площади изображений кусков класса i к общей площади анализируемого видеокадра.
Для контроля крупности смеси могут вычисляться также усредненные характеристики, такие как «размер максимального куска по 5%-му остатку» (называемый также «номинальной крупностью») и «средний диаметр смеси».
Окончательно гранулометрический состав смеси частиц вычисляется усреднением найденных характеристик крупности по нескольким кадрам. Количество необходимых кадров определяется экспериментально. На большом количестве снимков смеси частиц по способу согласно изобретению определяют ее гранулометрический состав. Затем рассчитывают математическое ожидание и дисперсию характеристик крупности. Необходимый размер выборки вычисляют, считая, что усреднение должно обеспечивать отклонение результата от математического ожидания менее чем 5% и используя известное правило трех сигма.
Полученный гранулометрический состав смеси частиц можно уточнить путем учета таких факторов, как частичное перекрытие частиц на изображении, сегрегация и отличие объемной доли класса от доли по площади.
Помимо частиц i-го класса крупности, полностью видимых на изображении, вклад в множество i-го класса видимых частиц могут давать частицы более крупных классов, перекрытые соседними частицами. Видимое содержание i-го класса крупности в смеси определяется как сумма
αi=γi·φii+γi+1·φi(i+1)+...+γm·φim
Здесь αi - видимое, то есть определяемое по планограмме смеси, содержание i-го класса крупности, γi - реальное содержание i-го класса в смеси, φik, k=i, i+1,...m - экспериментально установленные коэффициенты, указывающие, каково видимое содержание i-го класса крупности на изображении однородной смеси, реально состоящей из частиц k-го класса крупности. Отсюда искомые величины γi рекуррентно определяются, начиная с самого крупного m-го класса, по формуле
Полученное распределение частиц по классам крупности можно также откорректировать путем учета сегрегации по толщине слоя частиц. Для этого проводят вычислительные эксперименты, в ходе которых получают снимки смесей с известным составом. По способу согласно изобретению получают распределения по классам крупности для этих смесей с учетом частичного перекрытия частиц. Исходя из экспериментальных данных, обучают нейронные сети, состоящие из 5 слоев нейронов; при этом в каждом из слоев количество нейронов равно количеству классов, на которые необходимо разделить частицы. Такая сеть, получая на вход распределение, корректирует его, учитывая сегрегацию. Были обучены сети для разделения на 5, 6, 7 и 8 классов. При необходимости можно провести обучение сети для любого количества классов.
Еще одна коррекция распределения частиц по классам крупности заключается в учете отличия объемной (весовой) доли класса от доли по площади на видимой поверхности. Для каждой частицы вычисляют ее приближенный объем по формуле
V(P)=σ×S(P)3/2+δ×D(P)3
Здесь V, S, D - соответственно объем, площадь, диаметр частицы Р, а σ и δ - настроечные параметры. После этого содержание классов крупности вычисляют исходя из объема относящихся к ним частиц.
Вышеописанные этапы вычисления гранулометрического состава поясняются блок-схемой обработки изображения, приведенной на фиг.1. На фиг.2 приведен пример изображения, разбитого по способу согласно изобретению на отдельные частицы, а также диаграмма и таблица гранулометрического состава.
Предлагаемый способ реализуется с помощью типового устройства, представляющего собой программно-аппаратный комплекс, включающий комплект осветительных приборов, комплект видеокамер, фреймграберы для перевода видеосигнала в цифровой формат, источники освещения и промышленный компьютер для обработки получаемых от видеокамер изображений.
Изображение передается с помощью кабельной связи на компьютер и с помощью платы видеоввода (фреймграбера) преобразуется в массив численных данных, который размещается в памяти компьютера, а также может быть сохранен на жестком диске в виде файла в каком-либо графическом формате, например TIF или BMP, в палитре Gray Scale (256 оттенков серого цвета). Такие файлы помещаются в определенный каталог на жестком диске компьютера, откуда программа может брать их в случае отложенного режима обработки. При обработке в режиме реального времени видеоизображение берется программой непосредственно из памяти компьютера.
Для обеспечения стабильной работы, независимо от времени суток, должны быть установлены соответствующие источники освещения.
В указанные оператором моменты включается видеокамера, которая передает серию видеокадров с изображением фрагментов конвейера. Видеосигналы передаются на компьютер, преобразуются в видеоизображения с использованием фреймграбера. Возможно подключение нескольких камер к одному фреймграберу, что снижает стоимость системы в случае необходимости контролировать гранулометрический состав на нескольких конвейерах.
Программный модуль определения поверхностного грансостава, анализируя каждый кадр, разбивает изображение на отдельные камни и определяет процентное содержание камней каждого класса на поверхности конвейера. Затем восстанавливается предполагаемый объемный гранулометрический состав и производится усреднение по серии кадров. В базе данных сохраняется информация о каждом кадре.
Если гранулометрический состав не удовлетворяет заданным технологическим требованиям, то система информирует об этом оператора.
Создается архив, позволяющий просматривать исходные видеоизображения смеси частиц, вычисленное распределение по классам крупности в форме таблицы, графика и диаграммы, а также график изменения (во времени) процентного содержания контролируемых классов, номинальной и средней крупности. Графики строятся в реальном времени. Можно также вывести графики контролируемых величин в заданный пользователем период. По заказу пользователя формируется отчет за заданный промежуток времени с представлением результатов в текстовом и графическом виде.
Программное обеспечение позволяет выполнять любые запросы и распечатывать любые отчетные формы по требованию заказчика.
Данные преобразуются в формат, удобный для связи с АСУ предприятия заказчика (текстовый, xls, dbf и т.п.).
Для группы изображений, полученных более или менее единообразно, подбирается несколько настроечных параметров, позволяющих получить наиболее качественный результат при данном освещении, резкости изображения, максимальном размере частиц смеси. Пользователь выбирает характеристики гранулометрического состава, которые следует контролировать, а также корректирует параметры усреднения, что соответствует степени сглаживания выдаваемых графиков.
После этого устройство может работать длительное время без дополнительных работ по настройке. Если же появляются новые экспериментальные данные, система позволяет провести «дообучение» для повышения качества выдаваемых результатов.
Итак, устройство решает следующие задачи:
- Автоматическое определение гранулометрического состава руды на конвейере.
- Информирование оператора в случае несоответствия гранулометрического состава предъявляемым требованиям.
- Сохранение графиков зависимости процентного содержания классов от времени.
- Выполнение различных запросов, а также формирование ежедневных, еженедельных и ежемесячных отчетов о качестве руды.
Таким образом, в случае применения устройства на горно-обогатительном комбинате решается задача исключения из технологического процесса трудоемкого ручного ситового анализа и автоматизации контроля качества дробления.
Изобретение было реализовано и успешно прошло опытно-промышленные испытания на Качканарском ГОКе «Ванадий».
Изобретение поясняется тремя иллюстрациями.
На фиг.1 приведена блок-схема алгоритма обработки изображения по способу согласно изобретению. Основные этапы пояснены в описании изобретения.
На фиг.2 приведен пример изображения, полученного по способу согласно изобретению, разбитого на отдельные частицы, а также диаграмма и таблица гранулометрического состава, полученные по этому способу.
На фиг.3 приведена структурная схема дробильной установки, оснащенной устройством для определения гранулометрического состава дробленого продукта, работающим по способу согласно изобретению. Дробильная установка включает дробилку 1, систему питания дробилки (не изображена), приемный конвейер дробилки 2, по которому дробленый продукт отводится от дробилки, и устройство для определения гранулометрического состава этого продукта, включающее осветительный прибор 3, видеокамеру 4 и промышленный компьютер 5. Осветительный прибор 3 управляется компьютером 5 с целью поддержания постоянной освещенности конвейера. Видеокамера 4 получает изображение материала на конвейере и передает видеосигнал на компьютер 5. Компьютер 5 управляет осветительным прибором 3 и видеокамерой 4, а также производит анализ видеосигнала и формирует результаты анализа в виде, удобном для пользователя системы.
Литература
1. Барон Л.И. Кусковатость и методы ее измерения// Издание АН СССР, 1960.
2. Барон Л.И., Грабиц Ж.К. Линейный и точечный метод определения кусковатости по планограммам// Известия Карельского и Кольского филиалов АН СССР, 1958, №3.
3. Патент RU №2154814. Способ и система для определения геометрических размеров частиц окомкованного и/или гранулированного материала// Дата публикации: 10.02.2000. Изобретатели: Лисиенко В.Г., Круглов В.Н., Кирин Д.Ю. Патентообладатели: Сименс Акциенгезелльшафт, НПВП Торекс.
Claims (5)
1. Способ определения гранулометрического состава смеси частиц произвольной формы и размеров в статическом состоянии и в потоке движущегося материала, например, на конвейере при перемещении продукта дробления, включающий подсветку контролируемого материала с разных сторон, получение изображения смеси при помощи видеокамеры или иного устройства, например, цифрового фотоаппарата, и передачу изображения на промышленный компьютер для анализа, состоящего из идентификации видимых частиц, анализа геометрических параметров найденных частиц с определением их принадлежности к отдельным классам крупности и вычисления распределения частиц по классам крупности, отличающийся тем, что выполняют предварительную обработку изображения для компенсации неоднородности освещения, а для идентификации видимых частиц произвольной формы принимают за первичные границы частиц множество точек, в которых яркость меньше определенного порога, либо модуль градиента превосходит модуль градиента в соседних точках, восстанавливают полностью границы частиц, заполняя пустоты между первичными границами кругами поэтапно уменьшающегося диаметра, распознают и отбрасывают каждую мелкодисперсную область (область песка), принятую ранее за частицу, если средняя по этой области разность исходного изображения и суммы изображений, полученных из исходного фильтрами Собеля и Лапласа, меньше заданного порога, на основе чего выделяют отдельные частицы.
2. Способ по п.1, отличающийся тем, что в полученное распределение частиц по классам крупности вводят поправку путем учета их частичного перекрытия.
3. Способ по п.1, отличающийся тем, что в полученное распределение частиц по классам крупности вводят поправку путем учета сегрегации.
4. Способ по п.1, отличающийся тем, что в полученное распределение частиц по классам крупности вводят поправку для учета отличия объемной (весовой) доли класса от доли по площади на видимой поверхности.
5. Способ по п.1, отличающийся тем, что гранулометрический состав смеси частиц усредняется по нескольким кадрам, причем количество необходимых кадров вычисляется, исходя из требований точности после определения реальной дисперсии контролируемых показателей на последовательности кадров.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2005107114/28A RU2282176C1 (ru) | 2005-03-14 | 2005-03-14 | Способ определения гранулометрического состава смеси частиц произвольной формы |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2005107114/28A RU2282176C1 (ru) | 2005-03-14 | 2005-03-14 | Способ определения гранулометрического состава смеси частиц произвольной формы |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2282176C1 true RU2282176C1 (ru) | 2006-08-20 |
Family
ID=37060685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2005107114/28A RU2282176C1 (ru) | 2005-03-14 | 2005-03-14 | Способ определения гранулометрического состава смеси частиц произвольной формы |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2282176C1 (ru) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2605861C2 (ru) * | 2014-10-02 | 2016-12-27 | Общество с ограниченной ответственностью "Научно-экологическое предприятие "ЭКОСИ" | Интеллектуальная система автоматического мониторинга качества и количества потока руды в процессах подготовки к обогащению |
| RU2620024C2 (ru) * | 2015-03-13 | 2017-05-22 | Валерий Валентинович Морозов | Способ визиометрического анализа качества потока руды и устройство для его осуществления |
| RU2654384C2 (ru) * | 2016-10-17 | 2018-05-17 | Акционерное общество "Научно-производственная корпорация "Уралвагонзавод" имени Ф.Э. Дзержинского" | Способ расчета свойств формовочных песков, способ расчета компонентного состава формовочных и/или стержневых смесей, устройство для расчета свойств формовочных песков и/или компонентного состава формовочных и/или стержневых смесей, машиночитаемый носитель данных для его осуществления |
| WO2020049517A1 (en) * | 2018-09-07 | 2020-03-12 | Stone Three Digital (Pty) Ltd | Monitoring ore |
| CN114459970A (zh) * | 2022-01-26 | 2022-05-10 | 海若斯（北京）环境科技有限公司 | 一种自动化测量污泥沉降比的装置、方法及系统 |
| RU2783468C1 (ru) * | 2021-11-26 | 2022-11-14 | Акционерное общество "Акционерная компания ОЗНА" | Способ определения размера капель эмульсии |
| WO2024058686A1 (ru) * | 2022-09-15 | 2024-03-21 | Общество с ограниченной ответственностью "ПИН-Программная Интеграция" | Способ определения объема сырья |
-
2005
- 2005-03-14 RU RU2005107114/28A patent/RU2282176C1/ru not_active IP Right Cessation
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2605861C2 (ru) * | 2014-10-02 | 2016-12-27 | Общество с ограниченной ответственностью "Научно-экологическое предприятие "ЭКОСИ" | Интеллектуальная система автоматического мониторинга качества и количества потока руды в процессах подготовки к обогащению |
| RU2620024C2 (ru) * | 2015-03-13 | 2017-05-22 | Валерий Валентинович Морозов | Способ визиометрического анализа качества потока руды и устройство для его осуществления |
| RU2654384C2 (ru) * | 2016-10-17 | 2018-05-17 | Акционерное общество "Научно-производственная корпорация "Уралвагонзавод" имени Ф.Э. Дзержинского" | Способ расчета свойств формовочных песков, способ расчета компонентного состава формовочных и/или стержневых смесей, устройство для расчета свойств формовочных песков и/или компонентного состава формовочных и/или стержневых смесей, машиночитаемый носитель данных для его осуществления |
| WO2020049517A1 (en) * | 2018-09-07 | 2020-03-12 | Stone Three Digital (Pty) Ltd | Monitoring ore |
| RU2783468C1 (ru) * | 2021-11-26 | 2022-11-14 | Акционерное общество "Акционерная компания ОЗНА" | Способ определения размера капель эмульсии |
| CN114459970A (zh) * | 2022-01-26 | 2022-05-10 | 海若斯（北京）环境科技有限公司 | 一种自动化测量污泥沉降比的装置、方法及系统 |
| RU2790801C1 (ru) * | 2022-09-15 | 2023-02-28 | Общество с ограниченной ответственностью "ПИН-Программная Интеграция" | Способ определения объема сырья |
| WO2024058686A1 (ru) * | 2022-09-15 | 2024-03-21 | Общество с ограниченной ответственностью "ПИН-Программная Интеграция" | Способ определения объема сырья |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maerz et al. | WipFrag image based granulometry system | |
| RU2282176C1 (ru) | Способ определения гранулометрического состава смеси частиц произвольной формы | |
| US4617682A (en) | Method and apparatus for automatic quantitative measurement of textures by image analysis | |
| US6629010B2 (en) | Control feedback system and method for bulk material industrial processes using automated object or particle analysis | |
| CN110118775A (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
| CN109738340A (zh) | 骨料粒度实时分析系统以及骨料生产线 | |
| CN114266989A (zh) | 一种混凝土拌合物和易性测定方法和装置 | |
| Salinas et al. | Automated estimation of rock fragment distributions using computer vision and its application in mining | |
| CN106521066A (zh) | 高炉炉料粒度监控系统及分布数据在线分析方法 | |
| JPH10318904A (ja) | 粒子画像分析装置およびその分析用プログラムを記録した記録媒体 | |
| DE102014103963A1 (de) | Verfahren und Vorrichtung zum Bestimmung der Korngröße eines Düngers | |
| JP6738079B1 (ja) | アスファルト混合物の成分情報推定システム、アスファルトプラント、及び、アスファルト混合物の成分情報推定方法 | |
| WO2022166232A1 (zh) | 岩石鉴定方法、系统、装置、终端及可读存储介质 | |
| NL8902042A (nl) | Systeem en werkwijze voor digitale analyse van beelden toegepast op stratigrafische data. | |
| JP5307695B2 (ja) | 粒状材料の粒度特定方法および粒度特定システム | |
| Kroell et al. | NIR-MFCO dataset: Near-infrared-based false-color images of post-consumer plastics at different material flow compositions and material flow presentations | |
| Oh et al. | Image processing for analysis of carbon black pellet size distribution during pelletizing: Carbon black PSD (PSD: pellet size distribution) by image processing | |
| JP6725793B1 (ja) | 旧アスファルト量推定システム、アスファルトプラント及び旧アスファルト量推定方法 | |
| CN114863277A (zh) | 一种基于机器视觉的不规则颗粒群超限颗粒快速检测方法 | |
| JP7207842B2 (ja) | 地盤材料の粒度判定方法及びシステム | |
| JP6742011B1 (ja) | アスファルト混合物の骨材供給量最適化システム及び骨材供給量最適化方法 | |
| JPH0216432A (ja) | 画像処理を用いた骨材粒度解析方法及び画像処理を用いたアスファルトプラントの砕石粒度管理方法 | |
| JP2021172011A (ja) | コンクリート管理システム、コンクリート管理方法及びコンクリート管理プログラム | |
| JP7267056B2 (ja) | Ｃｓｇ材の品質測定・管理方法及び品質測定・管理システム | |
| Barkley et al. | Evaluation of optical sizing methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20110315 |
|
| NF4A | Reinstatement of patent |
Effective date: 20120327 |
|
| PC41 | Official registration of the transfer of exclusive right |
Effective date: 20090828 |
|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20170315 |