RU2560744C1 - Способ разделения минерального сырья оптическим методом - Google Patents

Abstract

Изобретение относится к контрольно-измерительной технике, а именно к способам разделения минерального сырья оптическим методом. Согласно способу получают цифровое RGB-изображение объекта и преобразуют его в пространство HLS. Как минимум для одного из каналов пространства HLS находят соотношение количества элементов, попадающих в заданный диапазон по цветовой координате, к общему количеству элементов в канале, относящихся к объекту. Минеральное сырье разделяют сравнением полученного соотношения с заданным критерием. При этом дополнительно осуществляют преобразование HLS-изображений в область пространственных частот и производят разделение минерального сырья на основании сравнения полученных спектров мощности со спектрами мощности эталонных объектов. Технический результат - повышение эффективности сортировки минерального сырья. 4 ил.

Description

Изобретение относится к контрольно-измерительной технике и может быть использовано для решения различных прикладных задач, например, для сортировки минерального сырья по содержанию в нем полезного компонента с помощью устройств, осуществляющих сортировку оптическими методами. Изобретение также может применяться для сортировки промышленных или бытовых отходов, для контроля качества продуктов или промышленных изделий и т.д.

Оптический метод разделения твердых полезных ископаемых успешно используется в горнодобывающей промышленности при добыче золота, алмазов, никеля, кальцитов, полевых шпатов и др. Сепарация минерального сырья данным методом основывается на селекции минералов по их оптическим характеристикам, таким как, например, блеск и цвет.

Известны способы разделения минералов оптическим методом, основанные на измерении цвета объекта, например, способ измерения цвета объектов (патент RU 2356016, МПК G01J 3/46, опубл. 20 марта 2009 г.), заключающийся в том, что проводят освещение поверхности объекта двумя полноцветными (белыми) источниками света, собирают данные о яркости, цветовом оттенке, соответствующем лучам света, отраженным от заданного множества точек освещенной поверхности объекта при помощи цветной фото-, видеокамеры и обрабатывают данные о яркости, цветовом оттенке и насыщенности цвета объекта. Освещение осуществляется поочередно с помощью, по крайней мере, двух источников света, освещающих поверхность объекта под разными углами.

Указанный способ не предполагает проведения анализа структуры объекта, которая зачастую является характерным признаком для разделения различных минеральных пород. Кроме того, одинаковые по цвету минералы окажутся не разделенными при сепарации на основе приведенного способа. Так, например, кварц и плагиоказ имеют одинаковые цветовые координаты в любом из каналов цветового пространства HLS (цветовой тон Н, яркость L и насыщенность S), что приведет к их ошибочной классификации, в результате которой объекты будут идентифицированы как один и тот же минерал.

Наиболее близким по совокупности существенных признаков к заявляемому изобретению является способ цветовой классификации объектов (патент RU 2468345, G01J 3/51, G01N 21/85, дата публикации 27.11.2012), который был принят за прототип.

Способ заключается в том, что, по крайней мере, один контролируемый объект размещают в зоне анализа, оптически сопряженной с источником излучения и фотоприемным модулем, формируют цветное изображение каждого из объектов контроля в плоскости изображения зоны анализа, преобразуют совокупное цветное изображение в электрический сигнал, преобразуют полученный электрический сигнал из аналоговой формы в цифровую с получением трех двумерных массивов целых чисел, каждый из которых содержит информацию о пространственном распределении в изображении одного из трех цветов - красного, синего или зеленого, затем преобразуют полученные массивы в цветовое пространство HLS. После этого сравнивают значение цветовой координаты h(x_i,y_j), l(x_i,y_j) или s(x_i,y_j) каждого элемента соответствующего массива с априорно известными значениями соответствующих цветовых координат изображения зоны анализа. Для несовпадающих по цветовой координате элементов проводят выравнивание цветовых координат, а классификацию объектов осуществляют путем сравнения значений выровненных по цвету элементов массивов [H(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)], по крайней мере, по одной цветовой координате с априорно известным значением соответствующей цветовой координаты эталонных объектов.

Помимо перечисленных выше недостатков данному способу разделения минералов присущ еще один существенный недостаток, заключающийся в том, что одного только сравнения значений цветовых координат отдельных элементов изображения объекта с эталонным оказывается недостаточно для качественного разделения минерального сырья. Зачастую минеральный объект является совокупностью нескольких пород минералов, сформированных в одном месторождении. Ценность таких «соседствующих» пород может быть различна. Поэтому решение об отнесении объекта к тому или иному классу необходимо принимать на основании анализа процентного соотношения присутствия в объекте полезных пород с учетом их ценности.

Задачей, на решение которой направлено заявляемое изобретение, является увеличение эффективности сортировки минерального сырья и, как следствие, расширение сферы применения оптического метода.

Поставленная задача решается за счет достижения технического результата, заключающегося в уточнении классификации по дополнительным признакам.

Указанный технический результат достигается за счет того, что в способе разделения минерального сырья оптическим методом, заключающимся в том, что, по крайней мере, один контролируемый объект размещают в зоне анализа, оптически сопряженной с источником излучения и фотоприемным модулем, формируют цветное изображение каждого из объектов контроля в плоскости изображения зоны анализа, преобразуют совокупное цветное изображение в электрический сигнал, преобразуют полученный электрический сигнал из аналоговой формы в цифровую с получением трех двумерных массивов целых чисел, каждый из которых содержит информацию о пространственном распределении в изображении одного из трех цветов - красного, синего или зеленого, затем преобразуют полученные массивы в цветовое пространство HLS, сравнивают значение цветовой координаты h(x_i,y_j), l(x_i,y_j) или s(x_i,y_j) каждого элемента соответствующего массива с априорно известными значениями соответствующих цветовых координат изображения зоны анализа, для несовпадающих по цветовой координате элементов проводят выравнивание цветовых координат, новым является то, что, как минимум, для одного из выровненных по цвету массивов [Н(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)] находят соотношение количества элементов массива, находящихся в диапазоне, ограниченном заданными порогами по цветовой координате, к общему количеству элементов соответствующего массива, относящихся к объекту, а разделение минерального сырья осуществляют путем сравнения полученного соотношения с заданным критерием, при этом над элементами выровненных по цвету массивов [H(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)] дополнительно осуществляют преобразование в область пространственных частот и производят разделение минерального сырья на основании сравнения полученного спектра мощности со спектром мощности эталонных объектов.

Таким образом, заявляемое устройство всей своей совокупностью существенных признаков позволяет достичь заявляемого технического результата за счет того, что:

- при сортировке различных минералов с одинаковыми цветовыми координатами в изображении объекта разделение производят на основании анализа структуры поверхности объектов (для непрозрачных объектов) и/или анализа внутренней структуры (для прозрачных объектов), а именно за счет сравнения спектра мощности, по меньшей мере, одного из массивов [Н(x_i,y_j)], [L(x_i,y_j)] или [S(x_i,y_j)] со спектром мощности эталонных объектов;

- критерием разделения объектов при цветовой классификации является соотношение количества элементов массива [Н(x_i,y_j)], [L(x_i,y_j)] и/или [S(x_i,y_j)], находящихся в диапазоне, ограниченном заданными порогами по цветовой координате, к общему количеству элементов соответствующего массива, относящихся к объекту, что позволяет сортировать объекты, содержащие искомый минерал на подклассы, соответствующие процентному содержанию этого полезного минерала в каждом отобранном объекте;

- для прозрачных объектов разделение минералов с одинаковыми цветовыми координатами в изображении может также производиться на основании анализа степени прозрачности объектов по изображениям, полученным в проходящем свете, а именно за счет определения соотношения количества элементов массива [L(x_i,y_j)], находящихся в диапазоне, ограниченном заданными порогами по цветовой координате, к общему количеству элементов массива [L(x_i,y_j)], относящихся к объекту.

Отмеченные недостатки известных способов позволяют сделать вывод о соответствии заявляемых изобретений критерию охраноспособности - изобретательский уровень.

Сущность изобретения поясняется чертежами, где на фигуре 1 приведена обобщенная структурная схема устройства для разделения непрозрачных объектов, позволяющего осуществить заявляемый способ. На фигуре приняты следующие обозначения: 1 - блок источников излучения, 2 - фотоприемный модуль, 3 - оптическая система, 4 - многоэлементный приемник оптического излучения (МПОИ), 5 - набор светофильтров, 6 - блок преобразований, 7 - блок обработки, 8 - блок управления источниками, 9 - внешнее устройство ввода-вывода данных.

На фигуре 2 приведена схема, демонстрирующая этапы разделения минералов из общей смеси полевошпатового сырья.

На фигуре 3 представлена обобщенная структурная схема устройства для разделения объектов по прозрачности. Цифрой 10 на фигуре обозначен рассеиватель.

На фигуре 4 представлены спектры мощности, характерные для кварца (а) и плагиоклаза (б).

Способ реализуется следующим образом.

Световой поток, формируемый источником излучения 1, после взаимодействия с контролируемым объектом попадает в поле зрения оптической системы 3 фотоприемного модуля 2, которая формирует распределение освещенности на фоточувствительной площадке многоэлементного приемника оптического излучения 4, перед которым установлен набор из красных, синих и зеленых светофильтров 5, расположенных в одной плоскости. Таким образом, на выходе многоэлементного приемника оптического излучения 4 формируют цветное изображение, представляющее совокупность изображений каждого из объектов контроля, находящихся в поле зрения фотоприемного модуля 2 и изображения зоны анализа (фона). При этом поле зрения фотоприемного модуля 2 ограничено как углом поля зрения оптической системы 3, так и линейными размерами многоэлементного приемника оптического излучения 4.

Многоэлементный приемник оптического излучения 4 выполняет преобразование цветного изображения в электрический сигнал, который, попадая в блок преобразований 6, преобразуется из аналоговой формы в цифровую (т.н. RGB-изображение) с получением трех двумерных массивов целых чисел, каждый из которых содержит информацию о пространственном распределении в изображении одного из трех цветов - красного, синего или зеленого. Блок преобразований 6 выполняет преобразование полученных массивов в цветовое пространство HLS с получением трех двумерных массивов целых чисел [Н(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)], содержащих информацию о тоне, яркости и насыщенности изображения соответственно. Таким образом, для каждого пространственного элемента (x_i,y_j) получают набор из трех цветовых координат h(x_i,y_j), l(x_i,y_j) или s(x_i,y_j).

С выхода(-ов) блока(-ов) 6 предварительной обработки электрические сигналы поступают на вход блока обработки 7. Если полученные изображения требуют коррекции параметров МПОИ 4 (например, экспозиции) или изменения параметров источников излучения 1 (например, их яркости) или требуется подстройка к изменениям в спектре источника, то блок обработки 7, исходя из анализа характеристических зон изображений, посылает необходимые команды на вход матричного МПОИ 4 для изменения экспозиции и (или) на вход блока управления источниками 8 для регулировки яркости и (или) вносит необходимые поправочные коэффициенты в алгоритм обработки изображения.

В качестве характеристической зоны может быть использовано изображение фона или маркеров в поле зрения, например, нанесенных на ленту транспортного лотка. Если коррекции не требуется, то значение как минимум одной цветовой координаты h(x_i,y_j), l(x_i,y_j) или s(x_i,y_j) каждого пространственного элемента (x_i,y_j) сравнивают со значением соответствующей цветовой координаты изображения зоны анализа, которая априорно известна. Для несовпадающих по цветовым координатам элементов проводят выравнивание цветовых координат.

Далее как минимум для одного из выровненных по цвету массивов [Н(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)] проводят операцию очистки от фона с выделением областей указанных массивов, соответствующих изображениям объектов контроля. Для каждого объекта вычисляют соотношение количества элементов, значение цветовой координаты которых превышает заданный порог («полезную площадь» в изображении объекта) к общему количеству элементов соответствующего массива [Н(x_i,y_j)], [L(x_i,y_j)] и/или [S(x_i,y_j)], относящихся к объекту («общую площадь» всего изображения объекта в данном канале цветности). Полученное соотношение сравнивают с заданным критерием, тем самым осуществляя дополнительную классификацию на подкатегории или анализ степени прозрачности. Таким образом, оказывается возможным не только разделить сырье на группы «содержит»/ «не содержит», определяющие наличие или отсутствие искомого минерала в объектах, но и на подгруппы, соответствующие процентному содержанию искомого минерала в каждом объекте, а также разделить объекты по степени прозрачности.

В случае, когда объекты не могут быть разделены указанным способом (например, кварц и плагиоклаз), дополнительно анализируют структуру объекта. Для этого над изображением как минимум одного канала [Н(x_i,y_j)], [L(x_i,y_j)] и/или [S(x_i,y_j)] выполняют преобразование в область пространственных частот (например, преобразование Фурье) и сравнивают полученный спектр мощности с соответствующим спектром эталонных объектов, осуществляя, таким образом, его классификацию.

Данные о спектре мощности эталонных объектов, о распределении цветовых координат в их изображениях, о величинах необходимых порогов и критериях разделения занесены в базу данных и хранятся в памяти блока обработки 7. При этом база данных может быть сформирована посредством алгоритмического задания параметров объектов (известные признаки классов вводятся вручную в тело алгоритма) или при помощи операции обучения системы.

Поскольку для разделения некоторых объектов не всегда требуется анализировать все три цветовые координаты изображения, то можно значительным образом сократить время обработки одного изображения за счет исключения из анализа неосновных цветовых координат.

Внешнее устройство ввода-вывода данных 9 (фигуры 1, 3) предназначено для контроля оператором зоны анализа и изменения параметров работы алгоритма.

Пример конкретного исполнения.

В качестве примера рассмотрим одну из реализаций процесса разделения смеси полевошпатового сырья, содержащего биотит, мусковит, микроклин, плагиоклаз и кварц. Образцы имеют размер от 5 мм до 60 мм.

Схема установки, используемая для выделения объектов из общей смеси, представлена на фиг.1 и предназначена для анализа объектов в отраженном свете. Для обеспечения всестороннего анализа объекта подсветка осуществляется четырьмя блоками излучателей 1, попарно освещающих противоположные стороны объекта под оптимальными углами для разделения непрозрачных объектов (главные оси индикатрис излучения блоков источников 1 расположены под углом ±45° к визирным осям соответствующих фотоприемных модулей 2). Регистрация изображений производится двумя фотоприемными модулями 2, в поле зрения которых находятся противоположные стороны объекта. Таким образом, каждому из фотоприемных модулей 2 соответствует по два блока источников излучения 1, выполненных в виде матрицы из 66-ти полупроводниковых излучающих диодов (3 линии по 22 излучающих диода).

Фотоприемные модули 2 выполнены в виде цифровых камер, оптические системы 3 которых выполнены в виде фотографических объективов с угловым полем 2ω=25,4° и фокусным расстоянием f'=16 мм, а многоэлементные приемники оптического изображения 4 - в виде КМОП-матриц с 2592×1944 пространственными элементами (пикселями), размер каждого из которых равен 2,2 мкм × 2,2 мкм (r_el=2,2 мкм). Цветочувствительность матриц обеспечена нанесением на их поверхность набора светофильтров 5 по схеме Байера. Размер зоны анализа ограничен угловым полем оптических систем 3 и линейными размерами цветочувствительных многоэлементных приемников оптического излучения 4. Поскольку фокусное расстояние объективов f'=16 мм, а угловое поле 2ω=25,4°, то размер изображений зоны анализа по каждой координате не может превышать $${\text{x}}_{\text{max}}^{\text{'}}=\text{2}\cdot \text{tg(ω)}\cdot \text{f'}=\text{2}\cdot \text{tg(12}\text{,7)}\cdot \text{16}=\text{7}\text{,2}\text{мм}$$

, однако линейный размер матриц, равный 5,7 мм × 4,3 мм, вносит дополнительное ограничение на размер зоны анализа. Полезное поле зрения объективов составляет по горизонтали 2ω_g=20,6° и по вертикали 2ω_v=15,3°. Контролируемый объект располагают на расстоянии а=250 мм от объективов. Таким образом, действительный размер зоны анализа по горизонтали составляет x_g=2a·tg(ω_g)=2·250·tg(10,3°)=90,87 (мм), а по вертикали x_v=2a·tg(ω_v)=2·250·tg(7,65°)=67,16 (мм). Размер выравнивающей маски при таких условиях наблюдения составляет 5×5 пикселей (из опыта). Таким образом, минимальный размер изображения объекта составляет $$r_{p\min }=b^2\cdot r_{el}\cdot \sqrt{2}=25\cdot \mathrm{2,2}\cdot {10}^{-3}\cdot \sqrt{2}=8\cdot {10}^{-2}$$

(мм). Минимальный размер объекта, соответственно, $$r_{jb\min }=(x_g/2592)\cdot b^2\cdot \sqrt{2}=(\mathrm{90,85}/2592)\cdot 25\cdot \sqrt{2}=\mathrm{1,24}$$

(мм).

Каждый блок преобразований 6 состоит из аналого-цифрового преобразователя и микроконтроллера. Каждый блок преобразований 6 выполнен единым блоком с соответствующим фотоприемным модулем 2.

Блок обработки 7 выполнен в виде электронной вычислительной машины.

Каждый блок управления источниками 8 выполнен в виде электронного устройства, содержащего микросхему ARDUINO UNO 3, и управляет работой двух блоков источников излучения 1.

Видеоконтрольное устройство 9 выполнено в виде монитора, мыши и клавиатуры.

В общем потоке образцов кварца, плагиоклаза, мусковита, биотита и микроклина разделение возможно в несколько этапов и по разным признакам (фиг. 2). Данный процесс может быть реализован либо посредством нескольких оптических сепараторов различной настройки и конфигурации, либо посредством одного оптического сепаратора, который подвергается перенастройке перед каждым следующим этапом разделения, соответствующим различным уровням схемы, приведенной на фигуре 2. На первом этапе путем классификации по цвету оказывается возможным надежно разделить рассматриваемую смесь минерального сырья на три группы: микроклин, смесь кварца с плагиоклазом и смесь мусковита с биотитом. Несмотря на то, что мусковит и биотит обладают разными цветовыми координатами, разделение их на отдельные группы на первом этапе процесса разделения невозможно при использовании приемников оптического излучения 4 со стандартным динамическим диапазоном, т.к. при выставлении экспозиции камер на разделение темных пород изображения светлых минералов, таких как кварц и плагиоклаз, окажутся за пределами динамического диапазона приемника и информация о распределении цветовых координат окажется потерянной. Поэтому разделение смеси мусковита с биотитом на отдельные группы рекомендуется выполнять на следующем этапе разделения, либо использовать различные техники получения изображений с увеличенным динамическим диапазоном, т.н. High Dynamic Range Imaging.

Разделение смеси кварца с плагиоклазом на отдельные минералы посредством анализа цветовых параметров невозможно, т.к. они имеют одинаковые цветовые признаки. Однако кварц и плагиоклаз являются полупрозрачными минералами с различной внутренней и поверхностной структурой. Крупные минеральные образцы кварца и плагиоклаза (от 20 мм до 60 мм) отличаются разной степенью прозрачности. Мелкие минеральные образцы кварца и плагиоклаза (от 5 мм до 20 мм) одинаковы по степени прозрачности и отличаются различной внутренней структурой. Для разделения таких пород предлагается применять анализ по цветовой координате L (яркость), дополненный анализом структуры объекта посредством вычисления пространственного спектра изображений объекта в проходящем свете, т.е. осуществлять анализ степени прозрачности объектов вкупе с их структурным анализом.

Схема установки для выделения объектов по прозрачности и внутренней структуре представлена на фиг. 3. Излучение от блока источников 1 попадает на объект контроля, предварительно проходя через рассеиватель 10. Равномерно рассеянное излучение, пронизывая объект контроля, попадает в фотоприемный модуль 2, расположенный напротив блока источников 1.

Фотоприемный модуль 2 выполнен в виде цифровой камеры, оптическая система 3 которого выполнена в виде фотографического объектива с угловым полем 2ω=48,6° и фокусным расстоянием f'=8 мм, а многоэлементный приемник оптического изображения 4 - в виде КМОП-матрицы с 2592×1944 пространственными элементами (пикселями), размер каждого из которых равен 2,2 мкм × 2,2 мкм (r_el=2,2 мкм). Цветочувствительность матрицы обеспечена нанесением на их поверхность набора светофильтров 5 по схеме Байера. Размер зоны анализа ограничен угловым полем оптической системы 3 и линейными размерами цветочувствительного многоэлементного приемника оптического излучения 4. Поскольку фокусное расстояние объектива f'=8 мм, а угловое поле 2ω=48,6°, то размер изображений зоны анализа по каждой координате не может превышать $$x_{\max }^{\text{'}}=2\cdot tg(\omega )\cdot f\text{'}=2\cdot tg(\mathrm{12,7})\cdot 16=\mathrm{7,2}$$

мм, однако линейный размер матриц, равный 5,7 мм × 4,3 мм, вносит дополнительное ограничение на размер зоны анализа. Полезное поле зрения объективов составляет по горизонтали 2ω_g=39,9° и по вертикали 2ω_v=30°. Контролируемые объекты расположены на расстоянии а=150 мм от объективов. Таким образом, действительный размер зоны анализа по горизонтали составляет x_g=2a·tg(ω_g)=2·150·tg(19,95°)=108,9 (мм), а по вертикали x_v=2a·tg(ω_v)=2·150·tg(15°)=80,4 (мм). При применении выравнивающей маски размером b×b=5×5 пикселей (из опыта) минимальный размер изображения объекта $$r_{p\min }=b^2\cdot r_{el}\cdot \sqrt{2}=25\cdot \mathrm{2,2}\cdot {10}^{-3}\cdot \sqrt{2}=8\cdot {10}^{-2}$$

(мм). Минимальный размер объекта, соответственно, $$r_{jb\min }=(x_g/2592)\cdot b^2\cdot \sqrt{2}=(\mathrm{108,9}/2592)\cdot 25\cdot \sqrt{2}=\mathrm{1,5}$$

(мм).

Блок источников излучения 1 выполнен в виде матрицы из 132 полупроводниковых излучающих диодов (6 линии по 22 излучающих диода). Светодиоды расположены так, чтобы обеспечивать равномерную засветку всей зоны анализа. Главная ось индикатрисы излучения блока источников 1 расположены под углом 180° к визирной оси фотоприемного модуля 2.

Рассеиватель 10 выполнен в виде плоскопараллельной пластины из оптического молочного стекла и предназначен для выравнивания освещенности зоны анализа. Это требование к подсветке является критичным для анализа структуры объекта, поскольку неравномерность освещенности может привести к некорректному толкованию структуры объекта.

Для определения принадлежности объекта к определенному классу минералов для выровненного массива [L(x_i,y_j)] изображения объекта вычисляют соотношение количества элементов, значение цветовой координаты которых превышает заданный порог (количество прозрачных пикселей в изображении объекта) к общему количеству элементов соответствующего массива [L(x_i,y_j)], относящихся к объекту (общее количество пикселей в изображении объекта), т.о. определяя степень прозрачности образца. Полученное соотношение сравнивают с заданным критерием, тем самым осуществляя разделение объектов контроля. Из опыта известно, что для крупных минеральных образцов кварца (от 20 мм до 60 мм) данное соотношение (степень прозрачности) находится в пределах (30-80)%. При этом для образцов плагиоклаза той же крупности в зависимости от ориентации относительно визирной оси степень прозрачности либо меньше 25%, либо больше 85%. Последнее имеет место быть, когда образец плагиоклаза поворачивается так, что ось ориентации внутренней структуры совпадает с визирной осью фотоприемного блока. Следует отметить, что подобным образом можно анализировать и внешнюю структуру минералов. Для этого изображения в канале яркости должны быть получены в отраженном свете.

Более мелкие образцы минералов (от 5 мм до 20 мм) одинаковы по степени прозрачности, однако их спектры мощности, полученные путем Фурье-преобразования изображения в канале L в область пространственных частот, значительно отличаются (фиг. 4). Идентифицировать принадлежность спектра мощности к тому или иному минералу можно путем вычисления, например, геометрических моментов изображения спектра мощности, инвариантных к повороту изображения (см. M.K.. Нu, Visual pattern recognition by moment invariants, IEEE Trans. Inf. Theory 8 (1962) 179-182.)

Таким образом, оказывается возможным надежно разделить представленную смесь полевошпатового сырья на группы, соответствующие различным минеральным породам, для разного класса крупности объектов контроля.

На основании вышеизложенной совокупности признаков заявляемый способ разделения минерального сырья оптическим методом обеспечивает увеличение эффективности сортировки минерального сырья оптическим методом и, как следствие, расширение сферы его применения на объекты, ранее недоступные для разделения путем анализа цветного цифрового изображения объекта.

Claims (1)

1. Способ разделения минерального сырья оптическим методом, заключающийся в том, что, по крайней мере, один контролируемый объект размещают в зоне анализа, оптически сопряженной с источником излучения и фотоприемным модулем, формируют цветное изображение каждого из объектов контроля в плоскости изображения зоны анализа, преобразуют совокупное цветное изображение в электрический сигнал, преобразуют полученный электрический сигнал из аналоговой формы в цифровую с получением трех двумерных массивов целых чисел, каждый из которых содержит информацию о пространственном распределении в изображении одного из трех цветов - красного, синего или зеленого, затем преобразуют полученные массивы в цветовое пространство HLS, сравнивают значение цветовой координаты h(x_i,y_j), l(x_i,y_j) или s(x_i,y_j) каждого элемента соответствующего массива с априорно известными значениями соответствующих цветовых координат изображения зоны анализа, для несовпадающих по цветовой координате элементов проводят выравнивание цветовых координат, отличающийся тем, что, как минимум, для одного из выровненных по цвету массивов [Н(x_i,y_j)], [Z(x_i,y_j)] и [S(x_i,y_j)] находят соотношение количества элементов массива, находящихся в диапазоне, ограниченном заданными порогами по цветовой координате, к общему количеству элементов соответствующего массива, относящихся к объекту, а разделение минерального сырья осуществляют путем сравнения полученного соотношения с заданным критерием, при этом над элементами, по крайней мере, одного из выровненных по цвету массивов [Н(x_i,y_j)], [L(x_i,y_j)] и [S(x_i,y_j)] дополнительно осуществляют преобразование в область пространственных частот и производят разделение минерального сырья на основании сравнения полученного спектра мощности со спектром мощности эталонных объектов.

Images