基于图像特征的铁矿石品位估测方法研究

发布时间：2017-12-13 18:08

  本文关键词：基于图像特征的铁矿石品位估测方法研究

  更多相关文章： 铁矿石 图像分割 特征提取 特征选择 品位估测

【摘要】：长期以来,铁矿石品位的实时估测一直是采矿作业领域的一个关键性技术难题。化学分析法作为矿山企业传统的检测手段,经过多年的探索与改进具有技术成熟、操作流程规范、检测结果准确等优点,但存在信息反馈慢、检测成本较高、实时性差等缺点。本文尝试提出一种实时的铁矿石品位估测方法,这对提高矿山的生产效益有着非常重要的意义。本文的研究对象为南京梅山矿业公司已经过化学分析法检测获知品位的十八种铁矿石样品,通过实验初步验证了图像特征应用于铁矿石品位估测的可行性。具体研究内容包括:铁矿石图像的分割、铁矿石图像特征参数的提取、铁矿石图像特征量的选择、铁矿石品位估测模型的建立与结果分析。针对图像中铁矿石相互粘连的特点,提出了一种基于双阈值的局部均值化算法,较好的将相互粘连的各矿石目标分离。通过结合孔洞填充、距离变换、形态学重建等算法获取了矿石种子标记图像,利用基于标识的改进分水岭算法完成了铁矿石图像的分割。将中值滤波后的各品位铁矿石图像直接作为样本,对各矿石图像提取基于灰度直方图的统计特征、基于灰度共生矩阵、行程长度矩阵以及小波变换的纹理特征,获取样本集Sample1。将各品位铁矿石图像分割后的各矿石目标子区域作为样本,对各矿石目标子区域提取基于灰度直方图的统计特征和基于灰度共生矩阵的纹理特征,得到样本集Sample2。分别采用PCA和Isomap两种算法对两组样本集进行特征选择。再根据最终铁矿石品位估测结果的准确性确定采用哪种特征选择方法。最后对样本集Sample1和Sample2分别采用SVM和RBF神经网络建立铁矿石品位估测模型,并对两种铁矿石品位估测方法的估测效果进行比较和分析。本文的研究结果为今后进一步研究铁矿石品位实时准确估测提供了依据。
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD861.1;TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 屈明昌;;\ 矿石岅量中和工作的一些氃g[J];有色金属(冶炼部分);1958年05期

2 ;用坩X法炼拝铅矿石[J];有色金属(冶炼部分);1958年11期

3 王连印;骆中洲;;矿石品位控制的原理与方法[J];金属矿山;1992年02期

4 仇勇;;提高出窿矿石品位的途径[J];中国钨业;1993年01期

5 王文洪;单片机在矿石品位分析仪中的应用[J];矿业快报;2000年13期

6 周石，

本文编号：1286074