RU2376580C2 - Способ и устройство для определения параметров частиц и рабочих характеристик процессора в системе обработки каменного угля и минералов - Google Patents

Abstract

Заявленное предложение относится к способу и устройству для определения эффективности агрегата обработки для обработки дробленого материала. Заявленный способ содержит следующие этапы: захват изображения излучения после того, как излучение прошло через образец дробленого материала, до и после прохождения материала через агрегат обработки; измерение толщины каждой частицы указанного материала; определение из захваченных изображений параметра дробленого материала до и после обработки материла в агрегате обработки; определение показателя эффективности агрегата посредством рассмотрения параметра материала, вышедшего из агрегата, по отношению к ожидаемому параметру материала, вышедшего из агрегата, относительно параметра дробленого материала, загружаемого в агрегат. Технический результат: создание способа и устройства для определения рабочих характеристик агрегата обработки, обеспечивающих сокращение времени ремонтных операций. 4 н. и 55 з.п. ф-лы, 9 ил.

Description

Область техники, к которой относится изобретение

Настоящее изобретение относится к способу и устройству для определения параметра частицы, а также к способу и устройству для определения рабочих характеристик процессора.

Изобретение применяется в системе обработки дробленого материала и, в частности, в системе, которая обрабатывает минералы и углеродсодержащие твердые вещества, такие как каменный уголь, железная руда, марганец, алмазы и другие материалы. В частности, изобретение имеет применение в обработке каменного угля и ниже будет описано применительно к обработке каменного угля. Однако должно быть понятно, что изобретение применимо к обработке других материалов, включая вышеупомянутые, но не ограничиваясь ими.

Изобретение также относится к определению параметра частицы. Определение параметра может использоваться в связи с определением рабочих характеристик процессора или может использоваться в средах, отличных от упомянутой среды, просто для определения параметра частицы, исходя из других соображений.

Уровень техники

Необогащенный уголь добывается из земли и обрабатывается так, чтобы обеспечить желаемый коммерческий продукт. Необогащенный уголь включает в себя некоторое количество минерала пустой породы, который после сжигания при стандартных условиях оставляет твердый зольный остаток. Пригодный для продажи уголь предпочтительно должен иметь фиксированный предел зольной характеристики, который обычно указывается в технических условиях в договоре между производителем и покупателем. Обычный пример зольной характеристики для высококачественного коксующегося угля составляет 10%. Если зольность добытого угля превышает указанный уровень, то продукт может оставаться пригодным для продажи, однако последнее неблагоприятно повлияет на его цену и/или производитель может понести некоторые убытки.

Необогащенный уголь после добычи может быть разделен по конкретным классам крупности частиц устройством типа сита с разными номерами или другим приспособлением сепарационного типа для разделения необогащенного угля на заранее определенные классы крупности частиц, задаваемые, например, размером отверстия сита сепаратора.

Затем разделенный уголь требуемого класса крупности подается в процессор, в данном примере сепаратор для обогащения в тяжелой среде. В настоящее время в зависимости от класса крупности обрабатываемых частиц используется несколько различных сепараторов для обогащения в тяжелой среде. Например, крупные куски могут обрабатываться в барабанах для обогащения в тяжелой среде, в ваннах для обогащения в тяжелой среде, в баках для обогащения в тяжелой среде, в сепараторах для обогащения крупного угля в тяжелой среде и т.д., а более мелкие, но все же крупные частицы могут обрабатываться в циклонах для обогащения в тяжелой среде, в циклоидах для обогащения в тяжелой среде и т.д. Следует отметить, что слова "тяжелый" и "плотный" могут использоваться в данном контексте равнозначно. Указанные типы приспособлений для обогащения в тяжелой среде используют мягкий и инертный мелкозернистый порошок твердых веществ (таких, как магнитный железняк или ферросилиций), взвешенных в воде, образуя плотную среду, плотность которой может управляться пропорцией сухих веществ в суспензии. Смешивание необогащенного угля с плотной средой обеспечивает возможность сепарации на основе его плотности относительно плотности плотной среды. Например, уголь с зольностью 10% может отделяться от компонентов необогащенного угля с более высокой зольностью посредством добавления необогащенного угля к плотной среде с плотностью, например, 1400 кг/м³. В данном примере добытый уголь с 10% зольностью может отчетливо флотироваться от материала с более высокой зольностью, имеющего тенденцию оседать в плотной среде. Материал, который флотируется, должен доноситься до выпускного отверстия верхнего продукта сепаратора, а тот, который оседает, должен доноситься до выпускного отверстия нижнего продукта сепаратора.

В частном случае циклона для обогащения в плотной среде эффективность разделения частиц угля часто является критической для максимизации извлечения и класса крупности. Принятый промышленный стандарт для эффективности измерения представляет собой кривую коэффициентов разделения с ее характеристическими параметрами D₅₀ и Ep. Параметр D₅₀ - плотность разделения частиц, и Ep - мера резкости разделения (более высокое значение показывает менее правильное разделение частиц, и, следовательно, более низкую эффективность). Тогда как параметр D₅₀ разделения сильно зависит от плотности среды, имеются машинные эффекты, которые приводят к тому, что D₅₀ почти без исключений несколько выше плотности среды. Степень, до которой она выше, зависит от нескольких параметров, включая плотность среды, устойчивость среды, давление циклона для обогащения в плотной среде, скорость подачи необогащенного угля, уровень циклонной волны и их вариации, но не ограничиваясь ими. Суммарная резкость разделения является функцией, существенно зависящей от вариаций каждого из этих параметров.

Кривые характеристик текущего разделения в циклонах для обогащения в плотной среде (DMC) и, следовательно, эффективность схемы DMC циклона получаются из лабораторного анализа обогатимости или из испытаний исследователей на заводе. Полученные данные имеют степень точности, с которой промышленность устанавливает обоснованные решения относительно уровня производительности DMC циклона и относительно того, нужны ли корректирующие действия. К сожалению, указанные испытания характеризуются относительно высокой стоимостью и длительным промежутком времени до того, как упомянутая информация станет доступной. Редкие проверки находят субоптимальную производительность, приводя к значительным потерям угля.

Таким образом, если конкретный параметр частицы может быть определен быстрее, он, следовательно, обеспечивает возможность определения рабочих характеристик процессора и при необходимости, более быстрое выполнение ремонтных операций, чтобы гарантировать, что процессор работает удовлетворительно. Определение параметра частицы также является полезной информацией в средах, полностью не связанных с процессором, таких как разделение по размерам материала, производимого дроблением, степень кальцинирования материала и т.д.

Сущность изобретения

Задача настоящего изобретения состоит в том, чтобы обеспечить способ и устройство для определения рабочих характеристик процессора.

Следовательно, следует сказать, что первое изобретение должно найти место в способе определения эффективности агрегата обработки для обработки дробленого материала, включающем:

захват изображения излучения после того, как излучение прошло через образец дробленого материала, который должен загружаться в агрегат обработки, причем излучение изменяется дробленым материалом;

захват изображения излучения после того, как излучение прошло через образец дробленого материала, вышедшего из агрегата обработки, причем излучение изменяется дробленым материалом;

определение из захваченных изображений некоторого параметра дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата; и

определение показателя эффективности агрегата, учитывая параметр материала, вышедшего из агрегата, по отношению к ожидаемому параметру материала, вышедшего из агрегата, учитывая параметр дробленого материала, загружаемого в агрегат.

Следует также сказать, что первое изобретение должно найти место при определении рабочих характеристик агрегата обработки для обработки дробленого материала, причем агрегат содержит:

датчик для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, который должен загружаться в агрегат обработки, причем излучение изменяется дробленым материалом; и для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, вышедшего из агрегата обработки, причем излучение изменяется дробленым материалом; и

средство обработки для определения из захваченных изображений параметра дробленого материала в образце материала, который должен загружаться в агрегат, и в образце материала, вышедшего из агрегата; а также для определения показателя эффективности агрегата посредством рассмотрения параметра материала, вышедшего из агрегата, по отношению к ожидаемому параметру материала, вышедшего из агрегата, учитывая параметр дробленого материала, загружаемого в агрегат.

Таким образом, если ожидаемый показатель эффективности агрегата обработки не соответствует показателю эффективности действия, который определяется согласно способу и агрегату, то должна быть выполнена индикация того, что агрегат обработки не работает удовлетворительно, и должна быть проведена операция корректирования для исправления агрегата обработки. В одном из конкретных вариантов воплощения, в котором материалом является уголь, агрегатом обработки является сепаратор, предназначенный для обогащения в плотной среде, а параметром является плотность дробленого материала, и если определена плотность материала, загружаемого в сепаратор, то можно оценить плотность материала, который доносится до выпускного отверстия верхнего продукта, и/или плотность материала, который доносится до выпускного отверстия нижнего продукта. Таким образом, можно определить число разделения (то есть количество материала, который должен доноситься до выпускного отверстия верхнего продукта, по сравнению с материалом, который доносится до выпускного отверстия нижнего продукта). Если оказывается, что число разделения не соответствует ожидаемому, то это является индикацией того, что сепаратор работает неудовлетворительно и должно быть выполнено подходящее исправление.

В одном из вариантов воплощения агрегатом обработки является сепаратор, а образцом материала, выходящего из агрегата, является первый образец материала, который доносится до выпускного отверстия верхнего продукта и который должен содержать продукт, и второй образец материала, который доносится до выпускного отверстия нижнего продукта и который является отходом; и в котором способ дополнительно содержит захват изображения излучения, испускаемого из первого образца дробленого материала, и захват изображения излучения, испускаемого из второго образца дробленого материала; и в котором, основываясь на определенных параметрах дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата, может быть сделано определение показателя эффективности в отношении того, сколько материала донесется до выпускного отверстия верхнего продукта и сколько донесется до выпускного отверстия нижнего продукта, если сепаратор работает удовлетворительно; причем исходя из определения параметра первого образца и параметра второго образца может быть выполнена индикация количества материала, фактически доносящегося до выпускного отверстия нижнего продукта и до выпускного отверстия верхнего продукта; и посредством сравнения указанных величин с ожидаемыми величинами может быть выполнено определение показателя эффективности сепаратора.

В одном из вариантов воплощения сепаратором предпочтительно является циклон для обогащения в плотной среде.

Предпочтительно в упомянутом варианте воплощения параметром является плотность дробленого материала или содержание минерала, и количество материала, доносящегося до выпускного отверстия нижнего продукта, и количество материала, доносящегося до выпускного отверстия верхнего продукта определяются по плотностям или по содержанию минерала материала, который доносится до выпускного отверстия нижнего продукта, и по плотностям или по содержанию минерала материала, доносящегося до выпускного отверстия верхнего продукта так, что если до выпускного отверстия нижнего продукта доносится материал с конкретными плотностями или содержанием минерала, которые фактически должны доноситься до выпускного отверстия верхнего продукта, то делается вывод, что сепаратор работает не удовлетворительно.

Предпочтительно излучением является рентгеновское излучение.

В другом варианте воплощения агрегатом является дробилка для дробления сыпучего материала до меньшего класса крупности, а параметром является размер, или плотность, или содержание минерала дробленого материала.

Еще в одном варианте воплощения агрегатом является устройство кальцинирования и параметром является величина кальцинации дробленого материала.

Предпочтительно изменением излучения является ослабление излучения.

Предпочтительно излучение захватывается датчиком, причем дробленый материал облучается источником излучения так, что излучение проходит через дробленый материал в датчик.

Однако в других вариантах воплощения дробленый материал может быть сам по себе самоизлучающим или может быть сделан самоизлучающим путем включения в дробленый материал материала, генерирующего излучение.

Таким образом, в предпочтительном варианте воплощения устройства это устройство также включает в себя источник излучения для генерации излучения, предназначенного для облучения дробленого материала так, чтобы излучение могло испускаться из дробленого материала.

Предпочтительно датчик и источник излучения обеспечиваются в корпусе, и обеспечивается конвейер для транспортировки дробленого материала, проходящего между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком. Альтернативно, дробленый материал помещают на неподвижную плоскую пластину между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком.

Предпочтительно датчиком является рентгеновский линейный детектор, основанный на различных технологиях детектирования, как-то сцинтиллятор и фотопроводники или рентгеновский детектор на приборе с зарядовой связью (CCD, ПЗС), имеющий множество пикселей для формирования изображения.

Предпочтительно захваченное изображение составляется из нескольких пикселей, каждый из которых имеет уровень интенсивности, зависящий от степени, до которой излучение ослаблено частицей, через которую проходит излучение.

Предпочтительно значения интенсивности включают в себя значения уровня серого и значения основных цветов RGB.

Определение параметра предпочтительно включает этапы: генерации локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; вычисления характеристик изобретения каждого идентифицированного локального окна изображения; вычисления переменных индикатора, суммирующих информацию, содержащуюся в характеристиках изображения посредством многовариантных статистических методов, таких как анализ главных составляющих (PCA) и метод наименьших квадратов (PLS); и определения из переменных индикатора, по меньшей мере, одного параметра каждой частицы или группы перекрывающихся частиц в дробленом материале, используя прогнозирующую математическую модель.

Характеристики изображения предпочтительно включают в себя статистические особенности, основанные на гистограмме уровня серого или основных цветов RGB, которая представляет собой график зависимости частоты значений интенсивности от интенсивностей пикселей в пределах локального окна изображения; структурные особенности, основанные на матрице смежности уровня серого (значений зачерненности) (также называемой матрицей пространственных зависимостей уровня серого) (см. Haralick R. M., Shanmugam K. and Dinstein. I., IEEE Transactions on Systems, Man and Cybernetics, SMC-3, 1973, pp 601-621); особенности Габора, основанные на фильтрах Габора; и особенности, основанные на вейвлет-преобразованиях, но не ограничиваются ими.

Статистические особенности, основанные на гистограмме уровня серого или основных цветов RGB, включают в себя полное число пикселей, среднее значение, серединное значение, среднеквадратичное отклонение, эксцесс и асимметрию, но не ограничиваются ими. Структурные особенности, основанные на матрице смежности уровня серого, предпочтительно включают в себя энтропию, контраст, корреляцию, энергию, локальную однородность, максимальную вероятность, суммарную энтропию и дифференциальную энтропию, но не ограничиваются ими.

В одном из вариантов воплощения способ включает в себя получение меры толщины материала, чтобы обеспечить значение толщины материала, и обеспечение значения толщины в качестве дополнительной характеристической особенности для определения параметра.

В одном из вариантов воплощения мера толщины получается посредством источников света для облучения материала и камер для обнаружения облучаемого материала так, чтобы получить трехмерное изображение материала, из которого может быть определено значение толщины в каждой точке дробленого материала. Однако значение толщины может быть получено другими методами.

Прогнозирующая математическая модель для определения параметра предпочтительно включает в себя искусственные нейронные сети и многовариантные регрессионные модели, но не ограничивается ими.

Предпочтительно способ включает в себя шаги обнаружения и проверки правильности модели искусственной нейронной сети с несколькими калибровочными образцами с захваченными рентгеновскими изображениями и известными параметрами дробленого материала. Способ дополнительно включает вычисление параметров в прогнозирующей математической модели, используя несколько характеристик изображения или переменных индикатора с известными параметрами дробленого материала.

Второе изобретение касается определения параметра частицы. Указанное изобретение имеет применение в определении параметра для использования в предыдущем изобретении, но также имеет применимость для определения параметра частицы по причинам, не связанным с первым изобретением. Таким образом, это изобретение может быть использовано для определения конкретного параметра дробленого материала.

Следовательно, следует сказать, что второе изобретение заключается в способе определения параметра дробленого материала, способ включает:

захват изображения излучения после того, как излучение прошло через образец дробленого материала, причем излучение изменяется дробленым материалом;

генерацию локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц;

определение набора характеристик изображения, относящихся к статистическим особенностям, структурным особенностям, особенностям Габора и особенностям, основанным на вейвлет-преобразованиях;

сравнение набора характеристик изображения с заданным набором характеристик изображения, относящихся к дробленому материалу; и

определение параметра, исходя из сравнения.

Следует также сказать, что упомянутое изобретение должно найти место в устройстве для определения параметра частицы, причем устройство содержит:

датчик для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, причем излучение изменяется дробленым материалом; и

процессор данных, предназначенный для генерации локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; и для определения набора характеристик изображения, относящихся к статистическим особенностям, структурным особенностям, особенностям Габора и особенностям, основанным на вейвлет-преобразованиях; для сравнения набора характеристик изображения с заранее заданным набором характеристик изображения, относящихся к дробленому материалу; и для определения параметра из сравнения.

Таким образом, согласно данному аспекту изобретения параметр частицы можно быстро определять посредством захвата изображений образцов дробленого материала и посредством обработки изображения для определения параметра, основываясь на сравнении определенных характеристик с заданным набором характеристик, относящихся к указанному типу частиц.

Предпочтительно параметром является плотность дробленого материала.

Предпочтительно излучением является рентгеновское излучение.

Предпочтительно изменением излучения является ослабление излучения.

Предпочтительно при облучении дробленого материала источником излучения оно захватывается датчиком так, что излучение проходит через дробленый материал в датчик.

Однако в других вариантах воплощения дробленый материал может быть сам по себе самоизлучающим или может быть сделан самоизлучающим путем включения в дробленый материал материала, генерирующего излучение.

Таким образом, в предпочтительном варианте воплощения устройства устройство также включает в себя источник излучения для генерации излучения для облучения дробленого материала так, чтобы излучение могло проходить через дробленый материал.

Предпочтительно датчик и источник излучения обеспечиваются в корпусе и обеспечивается конвейер для транспортировки дробленого материала, проходящего между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком.

Альтернативно, дробленый материал помещают на неподвижную плоскую пластину между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком.

Предпочтительно датчиком является рентгеновский линейный детектор, основанный на различных технологиях детектирования, как-то сцинтиллятор и фотопроводники или рентгеновский ПЗС детектор, имеющий множество пикселей для формирования изображения.

Предпочтительно захваченное изображение составляется из нескольких пикселей, каждый из которых имеет уровень интенсивности, зависящий от степени, до которой излучение ослаблено частицей, через которую проходит излучение.

Предпочтительно значения интенсивности включают в себя значения уровня серого и значения основных цветов RGB.

Предпочтительно параметр определяется посредством генерации локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; определения набора характеристик изображения, относящихся к статистическим особенностям, структурным особенностям, особенностям Габора и особенностям, основанным на вейвлет-преобразованиях; сравнения набора характеристик изображения с заранее заданным набором характеристик изображения, относящихся к дробленому типу; и определения параметра из сравнения набора характеристик изображения с заданным набором характеристик изображения.

Предпочтительно набор характеристик выбирается из множества характеристик, включающих в себя полное число пикселей, среднее значение, серединное значение, среднеквадратичное отклонение, эксцесс, асимметрию, энтропию, контраст, корреляцию, энергию, локальную однородность, максимальную вероятность, суммарную энтропию, дифференциальную энтропию и особенности, основанные на фильтрах Габора и вейвлет-преобразованиях.

Предпочтительно определение параметра выполняется посредством интеллектуального анализа данных характеристик изображения, извлеченных из захваченного изображения.

Предпочтительно агрегат содержит устройство для измерения толщины материала для обеспечения меры толщины материала так, что мера толщины может быть использована как одна из характеристик для обеспечения возможности определения параметра.

В одном из вариантов воплощения устройство содержит источники света для облучения материала и камеры для детектирования облучаемого материала, так чтобы создавалось трехмерное изображение материала, из которого может быть определено измерение толщины.

Интеллектуальный метод обработки информации может включать в себя искусственные нейронные сети, типовые алгоритмы или многовариантную корреляцию.

Предпочтительно захватывается рентгеновское изображение материала калибровочного образца, в котором известен параметр, и выполняется определение набора характеристик изображения, относящихся к параметру калибровочного материала.

Предпочтительно характеристики изображения выбираются на основе тех характеристик изображения, которые наиболее точно соотносятся с известным параметром калибровочного материала.

Предпочтительно, чтобы обеспечить требуемую степень точности и уровень достоверности определяемого параметра, число характеристик в наборе характеристик изображения является настолько низким, насколько возможно.

Краткое описание чертежей

В дальнейшем изобретение поясняется описанием конкретных вариантов его воплощения со ссылками на сопровождающие чертежи, на которых:

фиг.1 - иллюстративная схема, иллюстрирующая агрегат для обработки угля, с которым используется предпочтительный вариант воплощения,

фиг.2 - общий вид, иллюстрирующий концепцию изобретения, в котором различные плотности ослабляют рентгеновское излучение на различную величину,

фиг.3 - рентгеновские изображения образцов дробленого материала с различными плотностями,

фиг.4 - гистограммы захваченных рентгеновских изображений образцов каменного угля,

фиг.5 - графики зависимости относительной плотности (RD) от среднего значения и среднеквадратичного отклонения гистограмм для различных образцов каменного угля,

фиг.6 - графики зависимости относительной плотности (RD) от среднего значения и среднеквадратичного отклонения гистограмм для других образцов каменного угля,

фиг.7 - вид обработки согласно одному варианту воплощения изобретения,

фиг.8 - структурная схема предпочтительного варианта воплощения изобретения, и

фиг.9 - схематический вид устройства для получения меры толщины, используемой в предпочтительном варианте воплощения изобретения.

Подробное описание предпочтительных вариантов воплощения

Далее представлен конкретный пример общей схемы циклона для обогащения в плотной среде. Она дается только как средство объяснения того, как может применяться изобретение, и не ограничивает рамок изобретения данным конкретным примером.

Перед вводом в процесс, показанный на фиг.1, необогащенный уголь может быть раздроблен до кусков размерами максимум 50 мм. Как показано на фиг.1, необогащенный уголь сортируется на дуговом грохоте 1, за которым следует вибрационный грохот 2, с добавлением промывочной воды 3. Устройство удаляет из необогащенного угля мелкие частицы, обычно 2-0,2 мм, и все частицы ниже номинального размера обрабатываются в приспособлениях, не упомянутых здесь. Материал с размером выше номинального перемещается под действием силы тяготения в отстойник 4, из которого он откачивается 5 в циклон 6 для обогащения в плотной среде. Следует отметить, что на фиг.1 плотная среда добавляется к частицам крупнокускового угля в загрузочный резервуар 4 циклона для обогащения в плотной среде. Крупнокусковый необогащенный уголь сортируется в циклоне 6 для обогащения в плотной среде, производя продукт более низкой зольности и отброс более высокой зольности. Продукт отделяется от плотной среды на дуговом грохоте 7, дренажном желобе 8 и промывочном грохоте 9. Дуговой грохот и дренажный грохоты удаляют большие части плотной среды, которая может рециркулировать в отстойник 14 плотной среды. Промывочный грохот 9 использует добавку 21, 22 воды (грязной и осветленной), чтобы содействовать удалению среды, прилипающей к частицам угля. Нижний продукт промывочного грохота является значительно разбавленным и должен концентрироваться так, чтобы вода удалялась перед тем, как он будет повторно использоваться в функционировании циклона для обогащения в плотной среде. Подобное восстановление плотной среды происходит на дуговом грохоте 10, дренажном желобе 12 и промывочном грохоте 12 для нижнего материала циклона для обогащения в плотной среде.

Разбавленная плотная среда обезвоживается с помощью магнитных сепараторов 16 и 17. Восстановленная плотная среда отправляется в отстойник 14 сверхплотной среды. Отделенная вода рециркулирует для использования где-нибудь на заводе, включая добавку воды в операции просеивания, описанные выше.

Устройство, воплощающее изобретение, показано на фиг.1 и содержит рентгеновский источник 50, детектор 52, например матрицу на приборах с зарядовой связью (CCD, ПЗС) или т.п., процессор 54, присоединенный к датчику 52, которые обеспечиваются для захвата изображений материала, подаваемого в циклон 6. Аналогично, рентгеновский источник 50a и детектор 52a обеспечиваются на линии выпускного отверстия верхнего продукта, на которую поставляется продукт, а рентгеновский источник 50b и детектор 52b обеспечиваются на линии выпускного отверстия нижнего продукта, на которую поставляются отбросы (отходы). Рентгеновские источники и датчики 52 соответственно укрываются в целях безопасности, и дробленый материал проходит между рентгеновскими источниками 50 и детекторами 52. Должно быть понятно, что хотя фиг.1 показывает три набора рентгеновских источников и детекторов для захвата изображений материала, подаваемого в циклон 6, материала, принимаемого на выпускном отверстии верхнего продукта из циклона 6, и материала, принимаемого на выпускном отверстии нижнего продукта из циклона 6, они являются просто иллюстративными и представляют ситуацию, которая может возникнуть, если есть намерение обеспечить постоянный интерактивный контроль циклона 6. Однако более вероятная компоновка такова, что рентгеновский источник 50 и детектор 52 обеспечиваются в собственном корпусе со сборкой конвейера, расположенной между рентгеновским источником 50 и детектором 52, на которую должны подаваться образцы материала в циклон 6 для захвата изображения, затем образец материала, принимаемый на выпускном отверстии верхнего продукта, может быть локализован для захвата изображения, и затем образец материала, принимаемый на выпускном отверстии нижнего продукта, может быть локализован для захвата изображения. Предпочтительно материал образца просто осаждается на конвейер, который перемещает материал образца мимо рентгеновского источника 50 и детектора, с различными образцами, просто принимаемыми с линии подачи выпускного отверстия верхнего продукта и выпускного отверстия нижнего продукта. Материал образца предпочтительно оставляется на конвейере и распределяется, чтобы обеспечить относительно тонкую массу материала образца, через которую проходит рентгеновское излучение из источника 50 в детектор 52.

Датчики 52 подсоединяются к электронному процессору 54 для обработки данных, захваченных датчиками 52. Если система является интерактивной, то датчики 50a и 50b также присоединяются к процессору 54. Однако если система не является интерактивной, и нет подачи материала, то образцы из выпускного отверстия верхнего продукта и из выпускного отверстия нижнего продукта просто берутся в устройство, тогда очевидно, что обеспечивается только один рентгеновский источник 50, один датчик 52 и один процессор 54. В альтернативной компоновке процессор 54 необязательно обеспечивать в устройстве, он может быть удален из устройства, причем данные, захваченные датчиком 52, просто берутся и вводятся в процессор для обработки.

Фиг.2 - схема, которая просто иллюстрирует ослабление рентгеновского излучения 56, создаваемого рентгеновским источником 50, за счет поглощения дробленым материалом, имеющим, например, (относительная плотность) Rd=1,3 и Rd=1,8. "Винты" 56 на правой стороне чертежа просто иллюстрируют ослабление излучения 55.

Чтобы проиллюстрировать концепцию изобретения, были получены образцы из выпускного отверстия верхнего продукта грохота обратного шламообразования с завода переработки угля и лабораторно приготовленные фракции с размерами обогатимости и плотностями (50×16, 16×4, 4×2 и 2×0,5 мм с легкими фракциями с относительными плотностями 1,3, 1,35, 1,4, 1,45, 1,5, 1,6, 1,7, 1,8, 1,9 и 2,0).

В качестве источника рентгеновского излучения 50 и также датчика 52 использовался рентгеновский сканер модели PXKT; были захвачены изображения ослабления для вышеупомянутого образца. Образцы изображений показаны на фиг.3. Можно видеть, что уровень серого изображения частицы снижается с повышением плотности частицы угля (то есть чем выше Rd частицы, тем темнее изображение частицы). Захваченное изображение было составлено из нескольких пикселей, каждый из которых имеет количественный уровень серости, зависящий от степени, до которой может быть ослаблено рентгеновское излучение материалом частицы, через которую проходит излучение. Для каждой частицы может быть построен график зависимости числа пикселей с конкретным уровнем серого от уровня серого в форме гистограммы. Примеры гистограмм изображений частиц показаны на фиг.4. Указанные гистограммы с увеличением RD частиц перемещаются на левую сторону и становятся шире. Это результат того, что обогащенный уголь был замещен минеральным веществом и стал неоднородным по природе.

Из гистограммы, то есть распределения, могут быть вычислены два параметра - среднее значение уровня серого (GLmean) и широта распределения, задаваемая среднеквадратическим отклонением (GLwidth). Это два самых простых значения, которые можно вычислить для описания распределения, но есть много других факторов, которые также можно использовать. Графики зависимости указанных параметров от относительной плотности (RD) частиц угля показаны на фиг.5 и 6 для частиц с размером до 4 мм. Можно видеть, что RD явно имеет корреляцию с GLmean и GLwidth. Значение GLmean снижается с повышением RD, а GLwidth повышается с повышением RD. Это те корреляции, которые обеспечивают базис для определения плотности частицы из рентгеновского изображения.

Следует отметить, что определение плотности частицы не будет основано исключительно на корреляции между RD и двумя параметрами, но основано на интеллектуальном анализе данных всех важных характеристик изображения, извлеченных из изображения частицы. Существует несколько характеристик или параметров, извлеченных из рентгеновского изображения, которые могут использоваться для повышения точности определения плотности. Характеристики изображения будут включать в себя не только GLmean и GLwidth, но также параметры, извлеченные из изображений частиц, такие как серединное значение, эксцесс, асимметрия, энтропия, контраст, корреляция, энергия, локальная однородность, максимальная вероятность, суммарная энтропия, дифференциальная энтропия и особенности, основанные на фильтрах Габора и на вейвлет-преобразованиях.

Захваченное рентгеновское изображение частиц угля содержит информацию, относящуюся не только к плотности частицы, но также к размеру частицы, форме и минеральному составу и местоположению. Следовательно, характеристики изображения, извлеченные из рентгеновского изображения, относятся и к плотности частицы угля, и к другим факторам.

Таким образом, захватывая изображения калибровочного образца, например, как описано со ссылкой на фиг.5 и 6, можно построить набор характеристик изображения, таких как среднее значение и среднеквадратичное отклонение, для известного параметра частицы, такого как известные плотности и толщины калибровочного образца частиц. Тем самым обеспечивается эталон для сравнения, чтобы определять параметр материала из общего вида на фиг.1.

В предпочтительном варианте воплощения изобретения при генерации рентгеновского излучения рентгеновским источником изображения захватываются посредством детектора для детектирования ослабленного излучения, как было описано выше. Однако изображение можно было бы захватывать другими способами, как-то RMI изображение.

Среди различных подходов для описания и моделирования количественных соотношений, которые являются слишком сложными для аналитических методов или эмпирических правил, предпочтительными являются искусственные интеллектуальные методы анализа данных, особенно искусственные нейронные сети, для идентификации и отображения сложных нелинейных соотношений, без требования специфических знаний структуры модели. Методы искусственных нейронных сетей (ANN, ИНС) являются очень эффективными и надежными в вычислениях вследствие прямой связи и также имеют более высокое допустимое отклонение к ошибкам в наборе входных данных, чем другие подходы оценки параметров. Искусственная нейронная сеть с обратным распространением ошибки (BPANN) используется для оценки распределения плотности частиц угля из измеренных рентгеновских изображений частиц угля.

Как показано на фиг.7, трехуровневая искусственная нейронная сеть с обратным распространением ошибки (BPANN) содержит входной уровень, скрытый уровень и выходной уровень. Данные изображения каждой частицы, вводимые в сеть, будут предварительно обрабатываться, чтобы вычислить характеристики изображения, такие как среднее значение, среднеквадратичное отклонение, срединное значение, эксцесс, асимметрия, энтропия, контраст, корреляция, энергия, локальная однородность, максимальная вероятность, суммарная энтропия, дифференциальная энтропия и особенности, основанные на фильтрах Габора и на вейвлет-преобразованиях. Затем указанные параметры непосредственно вводятся в нейтронную сеть, чтобы вычислить плотность частиц угля или предварительно обработать для снижения числа переменных, используя методы выделения особенностей, такие как анализ главных составляющих (PCA) и метод частных наименьших квадратов (PLS) перед подачей в нейронную сеть для вычисления плотности частиц угля.

Фиг.8 показывает предпочтительный вариант воплощения изобретения, в котором обрабатывается изображение, захваченное датчиком 50, с целью определить плотность дробленого материала. Очевидно такая же процедура выполняется для материала, подаваемого в циклон 6, материала из выпускного отверстия верхнего продукта из циклона 6 и материала из выпускного отверстия нижнего продукта из циклона 6. Подобным образом может использоваться дробленый материал из любой другой среды, чтобы обеспечить изображение, которое затем обрабатывается для определения плотности этого материала.

Как показано на фиг.8, изображение 100, захваченное рентгеновским датчиком 52, представлено в форме массива пикселей 101, каждый из которых имеет значение интенсивности, имеющее отношение к величине излучения, попадающего на пиксель, когда изображение захватывается. Излучение, которое обеспечивается из источника 50, изменяется при прохождении через дробленый материал и, в частности, ослабляется материалом в зависимости от конкретных характеристик, таких как плотность материала.

Таким образом, интенсивность каждого из пикселей 101 по значениям шкалы серого или основных цветов RGB отличается в зависимости от интенсивности излучения, которое попадает на данные пиксели, что, в свою очередь, зависит от плотности материала, через который проходит излучение.

Таким образом, рентгеновский датчик 52 способен производить рентгеновское излучение, из которого потом могут быть определены некоторые характеристики изображения, такие как среднее значение, среднеквадратичное отклонение, вместе с другими характеристиками, которые упоминались ранее. Указанные характеристики изображения определяются и иллюстрируются на этапе 105 фиг.8.

Следовательно, упомянутые характеристики изображения обеспечивают необработанные данные, которые предварительно обрабатываются на шаге 107 посредством анализа главных составляющих (PCA), чтобы извлечь особенности для подачи в искусственную нейронную сеть, иллюстрируемую на шаге 108 на фиг.8. Способ извлечения особенностей предназначен, чтобы извлекать меньшее число особенностей, которые могут суммировать набор характеристик изображения. Наиболее предпочтительно выбирается всего несколько характеристик, чтобы обеспечить степень точности и достоверности конечного измерения плотности, которое должно выполняться. Следовательно, на шаге 107, предварительная обработка для извлечения особенностей обеспечивает входные данные для сети на шаге 108. Затем искусственная нейронная сеть на шаге 108 обрабатывает входные данные, чтобы определить плотность частицы, используя матрицу весовых коэффициентов сети, предварительно определенных на шаге обучения.

Со ссылкой на фиг.9, вследствие того что определение параметра, такого как плотность, в предпочтительном варианте воплощения выполняется путем измерения рентгеновского излучения, проходящего через материал, измерения базируются на ослаблении рентгеновского излучения. Вследствие того что материал образца может иметь различные размеры и в основном принимать различные формы, даже если он разложен как очень тонкий слой, ослабление будет зависеть от действительной толщины материала, через который проходит рентгеновское излучение. Например, если материал имеет форму пластины, которая является чрезвычайно тонкой, будет возникать некоторая величина ослабления. Если материал имеет точно такую же плотность, но имеет форму бруска или более неправильную форму, то следует ожидать большего ослабления, так как рентгеновское излучение проходит через большую толщину такого же материала. Таким образом, измерение действительного параметра, который используется для определения рабочих характеристик (эффективности) агрегата или просто для получения меры параметра как такового, может быть во многом улучшено, если мера толщины для материала подается вместе с вышеупомянутыми особенностями в нейронную сеть для обработки с целью определения параметра.

Таким образом, в варианте воплощения на фиг.9 рентгеновский источник 52b и детектор 52a (например) показаны схематически для обеспечения упомянутого ранее изображения материала M, который может быть обеспечен на конвейерной ленте C. Подобные измерения толщины также могут выполняться в связи с другими парами источников и детекторов 50a, 52a и 50b, 52b, описанных со ссылкой на фиг.1.

Предпочтительно устройство 150 для определения меры толщины содержит устройство IVP-дальномер типа M50. Это устройство включает в себя лазерный источник света 152 и камеру 154. Устройство 150 также имеет свое собственное программное обеспечение для создания значения изображения из изображения, захваченного камерой 154. Лазер 152 обеспечивает тонкую расходящуюся веерную форму света, который распространяется по материалу M, при этом трехмерное изображение облучаемого материала захватывается камерой 154. В устройстве посредством обработки трехмерного изображения можно получить меру толщины материала M, которая может быть обратно соотнесена с измерениями, которые получаются детектором 52а.

Таким образом, особенности, которые подаются в нейронную сеть на шаге 108 на фиг.8, могут включать в себя меру толщины, которая во многом улучшит результаты, вследствие того, что обеспечивается дополнительная характеристическая особенность, характеризующая действительную толщину материала, которая может быть соотнесена со значениями ослабления и другими характеристическими особенностями, чтобы тем самым улучшить точность полученных измерений плотности.

В одном из вариантов воплощения тип рентгеновского источника и детектора представлен в форме известного рентгеновского аппарата, который, вообще говоря, имеет детектор, похожий на символ «L». Материал проходит перед рентгеновским источником и детектором как относительно тонкий слой на ленте. Упомянутый рентгеновский аппарат обеспечивает, вообще говоря, веерообразный рентгеновский пучок и конкретное пространственное расположение элементов камеры и детектора. Вследствие этого рентгеновское изображение для одной и той же частицы может изменяться в зависимости от ее местоположения в продольном направлении ленты, на которой транспортируются частицы. Следовательно, характеристики изображения для одинаковых частиц зависят не только от плотности и толщины частицы, но также от положения частицы на ленте. Чтобы учесть указанный эффект, в качестве входных данных для математического моделирования, описанного со ссылкой на фиг.7 и 8, также может использоваться центральное местоположение каждой идентифицированной частицы в кадре изображения. Однако последнее необязательно, если используются различные формы детекторов с подходящим разрешением.

В последующих пунктах формулы изобретения и в предшествующем описании изобретения, за исключением случаев, когда контекст требует по-другому благодаря выраженному языку или необходимому скрытому смыслу, слово "содержать" или его вариации "содержит" или "содержащий" используется в смысле "включительно", то есть чтобы специфицировать наличие изложенных особенностей, но не исключать наличие или добавления дополнительных особенностей в различных вариантах воплощения изобретения.

Claims (59)

1. Способ определения эффективности агрегата обработки для обработки дробленого материала, содержащий этапы
захват изображения излучения после того, как излучение прошло через образец дробленого материала, который должен загружаться в агрегат обработки, причем излучение изменяется дробленым материалом;
захват изображения излучения после того, как излучение прошло через образец дробленого материала, вышедшего из агрегата обработки, причем излучение изменяется дробленым материалом;
измерение толщины каждой частицы;
определение из захваченных изображений параметра дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата; и
определение показателя эффективности агрегата, посредством рассмотрения параметра материала, вышедшего из агрегата, по отношению к ожидаемому параметру материала, вышедшего из агрегата, относительно параметра дробленого материала, загружаемого в агрегат.

2. Способ по п.1, в котором агрегатом обработки является сепаратор, а образцом материала, который выходит из агрегата, является первый образец материала, который доносится до выпускного отверстия верхнего продукта и который должен содержать продукт, и второй образец материала, который доносится до выпускного отверстия нижнего продукта и который является отходом; и в котором способ дополнительно содержит захват изображения излучения, испускаемого из первого образца дробленого материала, и захват изображения излучения, испускаемого из второго образца дробленого материала; и в котором, основываясь на определенных параметрах дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата, может быть сделано определение показателя эффективности в отношении того, сколько материала должно быть донесено до выпускного отверстия верхнего продукта и сколько должно быть донесено до выпускного отверстия нижнего продукта, если сепаратор работает удовлетворительно; причем из определения параметра первого образца и параметра второго образца может быть выполнена индикация количества материала, фактически доносимого до выпускного отверстия нижнего продукта и до выпускного отверстия верхнего продукта; и посредством сравнения указанных величин с ожидаемыми величинами может быть выполнено определение показателя эффективности сепаратора.

3. Способ по п.2, в котором сепаратором является циклон для обогащения в плотной среде.

4. Способ по п.2 или 3, в котором параметром является плотность дробленого материала или содержания минерала, и количество материала, который доносится до выпускного отверстия нижнего продукта, и количество материала, который доносится до выпускного отверстия верхнего продукта, определяется по плотностям или по содержанию минерала материала, который доносится до выпускного отверстия нижнего продукта, и по плотностям или по содержанию минерала материала, который доносится до выпускного отверстия верхнего продукта, так что если до выпускного отверстия нижнего продукта доносится материал с конкретными плотностями или содержанием минерала, которые фактически должны доноситься до выпускного отверстия верхнего продукта, то делается вывод, что сепаратор работает не удовлетворительно.

5. Способ по п.1, в котором излучением является рентгеновское излучение.

6. Способ по п.1, в котором агрегатом является дробилка для дробления сыпучего материала до меньшего класса крупности, и параметром является размер или плотность или содержание минерала дробленого материала.

7. Способ по п.1, в котором агрегатом является устройство кальцинирования, а параметром является величина кальцинации дробленого материала.

8. Способ по п.1, в котором изменением излучения является ослабление излучения.

9. Способ по п.1, в котором излучение захватывается датчиком, причем дробленый материал облучается источником излучения, так что излучение проходит через дробленый материал в датчик.

10. Способ по п.1, в котором дробленый материал является сам по себе самоизлучающим или может быть сделан самоизлучающим путем включения в дробленый материал материала, генерирующего излучение.

11. Способ по п.1, в котором захваченное изображение составляется из нескольких пикселей, каждый из которых имеет уровень интенсивности, зависящий от степени, до которой излучение ослаблено частицей, через которую проходит излучение.

12. Способ по п.1, в котором значения интенсивности включают в себя значения уровня серого и значения основных цветов RGB.

13. Способ по п.1, в котором определение параметра включает шаги генерации локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; вычисления характеристик изображения каждого идентифицированного локального окна изображения; вычисления переменных индикатора, суммирующих информацию, содержащуюся в характеристиках изображения, посредством многовариантных статистических методов; и определения из переменных индикатора по меньшей мере одного параметра каждой частицы или группы перекрывающихся частиц в дробленом материале, используя прогнозирующую математическую модель.

14. Способ по п.13, в котором характеристики изображения выбираются из группы, состоящей из одной или нескольких статистических особенностей, основанных на гистограмме уровня серого или основных цветов RGB, которая представляет собой график зависимости частоты значений интенсивности от интенсивностей пикселей в пределах локального окна изображения; структурных особенностей, основанных на матрице смежности уровня серого; особенностей Габора, основанных на фильтрах Габора; и особенностей, основанных на вейвлет-преобразованиях.

15. Способ по п.14, в котором статистические особенности, основанные на гистограмме уровня серого или основных цветов RGB, выбираются из группы, состоящей из одной или нескольких следующих величин: полное число пикселей, среднее значение, серединное значение, среднеквадратичное отклонение, эксцессы и асимметрия, а структурные особенности, основанные на матрице смежности уровня серого, выбираются из группы, состоящей из одной или нескольких следующих величин: энтропия, контраст, корреляция, энергия, локальная однородность, максимальная вероятность, суммарная энтропия и дифференциальная энтропия.

16. Способ по п.14, в котором способ включает в себя получение меры толщины материала, чтобы обеспечить значение толщины материала, и обеспечение значения толщины в качестве дополнительной характеристической особенности для определения параметра.

17. Способ по п.16, в котором мера толщины получается посредством источников света для облучения материала и камер для детектирования облучаемого материала так, чтобы получить трехмерное изображение материала, из которого определяется мера толщины.

18. Способ по п.13, в котором математическая модель для определения параметра содержит искусственные нейронные сети или многовариантные регрессионные модели.

19. Способ по п.18, дополнительно содержащий шаг обучения и проверки достоверности модели искусственных нейронных сетей несколькими калибровочными образцами с захваченными рентгеновскими изображениями и известными параметрами и толщиной дробленого материала.

20. Способ по п.18, дополнительно содержащий вычисление параметров в прогнозирующей математической модели, используя несколько характеристик изображения или переменные индикатора с известной толщиной дробленого материала.

21. Устройство для определения эффективности агрегата обработки для обработки дробленого материала, содержащее
датчик для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, который должен загружаться в агрегат обработки, причем излучение изменяется дробленым материалом; и для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, вышедшего из агрегата обработки, причем излучение изменяется дробленым материалом; и
средство обработки данных для определения из захваченных изображений параметра дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата; и для определения показателя эффективности агрегата, рассматривая параметр материала, вышедшего из агрегата, по отношению к ожидаемому параметру материала, вышедшего из агрегата, имеющий отношение к параметру дробленого материала, загружаемого в агрегат.

22. Устройство по п.21, в котором агрегатом обработки является сепаратор, и образцом материала, который выходит из агрегата, является первый образец материала, который доносится до выпускного отверстия верхнего продукта и который должен содержать продукт, и второй образец материала, который доносится до выпускного отверстия нижнего продукта и являющийся отходом; и в котором способ дополнительно содержит захват изображения излучения, испускаемого из первого образца дробленого материала, и захват изображения излучения, испускаемого из второго образца дробленого материала; и в котором, основываясь на определенных параметрах дробленого материала как в образце материала, который должен загружаться в агрегат, так и в образце материала, вышедшего из агрегата, может быть сделано определение показателя эффективности в отношении того, сколько материала должно быть донесено до выпускного отверстия верхнего продукта и сколько должно быть донесено до выпускного отверстия нижнего продукта, если сепаратор работает удовлетворительно; и из определения параметра первого образца и параметра второго образца может быть выполнена индикация количества материала, фактически доносимого до выпускного отверстия нижнего продукта и до выпускного отверстия верхнего продукта; и посредством сравнения указанных величин с ожидаемыми величинами может быть выполнено определение показателя эффективности сепаратора.

23. Устройство по п.22, в котором сепаратором предпочтительно является циклон для обогащения в плотной среде.

24. Устройство по п.22 или 23, в котором параметром является плотность дробленого материала или содержания минерала, и количество материала, который доносится до выпускного отверстия нижнего продукта, и количество материала, который доносится до выпускного отверстия верхнего продукта, определяется по плотностям или по содержанию минерала материала, который доносится до выпускного отверстия нижнего продукта, и по плотностям или по содержанию минерала материала, который доносится до выпускного отверстия верхнего продукта, так что если до выпускного отверстия нижнего продукта доносится материал с конкретными плотностями или содержанием минерала, которые фактически должны доноситься до выпускного отверстия верхнего продукта, то делается вывод, что сепаратор работает не удовлетворительно.

25. Устройство по п.21, в котором агрегатом является дробилка для дробления сыпучего материала до меньшего класса крупности, и параметром является размер или плотность или содержание минерала дробленого материала.

26. Устройство по п.21, в котором агрегатом является устройство кальцинирования, и параметром является величина кальцинации дробленого материала.

27. Устройство по п.21, в котором устройство также включает в себя источник излучения для генерации излучения для облучения дробленого материала, так чтобы излучение могло испускаться из дробленого материала.

28. Устройство по п.27, в котором датчик и источник излучения обеспечиваются в корпусе, и обеспечивается конвейер для транспортировки дробленого материала, проходящего между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал и так, чтобы соответствующие изображения могли захватываться датчиком.

29. Устройство по п.28, в котором датчиком является рентгеновский линейный детектор, основанный на различных технологиях детектирования, как сцинтиллятор и фотопроводники или рентгеновский детектор на приборах с зарядовой связью (CCD, ПЗС), имеющий множество пикселей для формирования изображения.

30. Устройство по п.21, в котором захваченное изображение составляется из нескольких пикселей, каждый из которых имеет уровень интенсивности, зависящий от степени, до которой излучение ослаблено частицей, через которую проходит излучение.

31. Устройство по п.30, в котором значения интенсивности включают в себя значения уровня серого и значения основных цветов RGB.

32. Устройство по п.21, в котором средство обработки предназначено для определения параметра посредством генерации локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; вычисления характеристик каждого идентифицированного локального окна изображения; вычисления переменных индикатора, суммирующих информацию, содержащуюся в характеристиках изображения, посредством многовариантных статистических методов; и определения из переменных индикатора по меньшей мере одного параметра каждой частицы или группы перекрывающихся частиц в дробленом материале, используя прогнозирующую математическую модель.

33. Устройство по п.32, в котором характеристики изображения выбираются из группы, состоящей из одной или нескольких статистических особенностей, основанных на гистограмме уровня серого или основных цветов RGB, которая представляет собой график зависимости частоты значений интенсивности от интенсивностей пикселей в пределах локального окна изображения; структурных особенностей, основанных на матрице смежности уровня серого; особенностей Габора, основанных на фильтрах Габора; и особенностям, основанным на вейвлет-преобразованиях.

34. Устройство по п.33, в котором статистические особенности, основанные на гистограмме уровня серого или основных цветов RGB, выбираются из группы, состоящей из одной или нескольких следующих величин: полное число пикселей, среднее значение, серединное значение, среднеквадратичное отклонение, эксцесс и асимметрия.

35. Устройство по п.33, дополнительно содержащее устройство для измерения толщины для обеспечения меры толщины материала.

36. Устройство по п.35, в котором устройство измерения толщины состоит из источников света для облучения материала и камер для детектирования облучаемого материала, так чтобы получить трехмерное изображение материала, из которого определяется мера толщины.

37. Устройство по п.35, в котором средство обработки дополнительно содержит искусственные нейронные сети или многовариантные регрессионные модели для обеспечения прогнозирующей математической модели для определения параметра.

38. Устройство по п.37, в котором средство обработки также предназначено для испытания и обоснования модели искусственных нейронных сетей с несколькими калибровочными образцами с захваченными рентгеновскими изображениями и известными параметрами и толщиной дробленого материала.

39. Устройство по п.37, в котором средство обработки также предназначено для вычисления параметров в прогнозирующей математической модели, используя несколько характеристик изображения или переменные индикатора с известной толщиной дробленого материала.

40. Способ определения параметра частиц дробленого материала, содержащий этапы
захват изображения излучения после того, как излучение прошло через образец дробленого материала, причем излучение изменяется дробленым материалом;
генерацию локальных окон изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц;
измерение толщины каждой частицы или группы частиц в окне изображения;
определение набора характеристик изображения для каждого окна изображения, относящихся к статистическим особенностям, структурным особенностям, особенностям Габора и особенностям, основанным на вейвлет-преобразованиях;
определение параметра для каждого окна изображения из набора характеристик изображения и толщины частицы, используя прогнозирующую математическую модель.

41. Способ по п.40, в котором параметром является плотность дробленого материала.

42. Способ по п.40, в котором излучением является рентгеновское излучение.

43. Способ по п.40, в котором изменением излучения является ослабление излучения.

44. Способ по п.40, в котором излучение захватывается датчиком при облучении дробленого материала источником излучения, так что излучение проходит через дробленый материал в датчик.

45. Способ по п.40, в котором дробленый материал является сам по себе самоизлучающим или может быть сделан самоизлучающим путем включения в дробленый материал материала, генерирующего излучение.

46. Способ по п.40, в котором захваченное изображение составляется из нескольких пикселей, каждый из которых имеет уровень интенсивности, зависящий от степени ослабления излучения частицей, через которую проходит излучение, причем предпочтительно значения интенсивности включают значения уровня серого и значения основных цветов RGB.

47. Способ по п.46, в котором набор характеристик выбирается из группы, состоящей из двух или нескольких из множества характеристик, включающих в себя полное число пикселей, среднее значение, серединное значение, среднеквадратичное отклонение, эксцесс, асимметрию, энтропию, контраст, корреляцию, энергию, локальную однородность, максимальную вероятность, суммарную энтропию, дифференциальную энтропию и особенности, основанные на фильтрах Габора и на вейвлет-преобразованиях.

48. Способ по п.47, в котором определение параметра выполняется посредством интеллектуального анализа данных характеристик изображения, извлеченных из захваченного изображения.

49. Способ по п.47, дополнительно содержащий характеристику меры толщины материала для обеспечения меры толщины материала.

50. Способ по п.40, в котором захватывается рентгеновское изображение материала калибровочного образца, в котором известен параметр, и способ содержит этап, на котором определяют набор характеристик изображения, относящихся к параметру калибровочного материала, и этап, на котором определяют параметр для каждого окна посредством сравнения с характеристиками калибровочного материала.

51. Способ по п.47, в котором характеристики изображения выбираются на основе тех характеристик изображения, которые наиболее точно соотносятся с известным параметром калибровочного материала.

52. Способ по п.51, в котором, чтобы обеспечить требуемую степень точности и уровень достоверности определяемого параметра, число характеристик в наборе характеристик изображения является настолько низким, насколько возможно.

53. Устройство для определения параметра частицы, содержащее
датчик для захвата изображения излучения после того, как излучение прошло через образец дробленого материала, причем излучение изменяется дробленым материалом; и
агрегат для измерения толщины частиц для обеспечения меры толщины для процессора данных;
процессор данных для генерации локальных окон изображения из захваченного датчиком изображения, внутри которых только одна частица или группа перекрывающихся частиц представляется посредством идентификации границ отдельных частиц или групп перекрывающихся частиц; и определения набора характеристик изображения для каждого окна, относящихся к статистическим особенностям, структурным особенностям, особенностям Габора и особенностям, основанным на вейвлет-преобразованиях; и определения параметра из набора характеристик изображения и меры толщины каждой частицы, используя прогнозирующую математическую модель.

54. Устройство по п.53, в котором процессор дополнительно выполнен с возможностью определения параметра для каждого окна посредством сравнения набора характеристик изображения с заданным набором характеристик изображения, относящихся к дробленому материалу; и определения параметра из сравнения.

55. Устройство по п.53, в котором излучение захватывается датчиком, причем дробленый материал облучается источником излучения, так что излучение проходит через дробленый материал в датчик.

56. Устройство по п.53, в котором устройство также включает в себя источник излучения для генерации излучения, предназначенного для облучения дробленого материала так, что излучение может проходить через дробленый материал.

57. Устройство по п.56, в котором датчик и источник излучения обеспечиваются в корпусе, и обеспечивается конвейер для транспортировки дробленого материала, проходящего между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком.

58. Устройство по п.53, в котором дробленый материал помещают на неподвижную плоскую пластину между источником излучения и датчиком так, чтобы излучение могло проходить через дробленый материал, и так, чтобы соответствующие изображения могли захватываться датчиком.

59. Устройство по п.56, в котором датчиком является рентгеновский линейный детектор, основанный на различных технологиях детектирования, как сцинтиллятор и фотопроводники или рентгеновский ПЗС детектор, имеющий множество пикселей для формирования изображения.

Images