矿石粒度图像检测技术的研究

发布时间：2020-07-18 19:16

【摘要】：研究课题来源于生产实际,针对现场使用的矿石粒度检测设备存在成本高、检测过程中样品再次破碎导致检测结果失真等弊端,采用矿石图像处理算法,得到矿石的粒度分布。研究了矿石图像不同的滤波、分割算法之间的优缺点,提出了一种基于遗传算法的矿石图像分割算法,然后采用分水岭算法处理得到矿石颗粒的完整边界,提出了一种分阶段处理矿石颗粒图像,实现矿石颗粒分割的方法。进行了试验验证,试验结果与图像分析结果误差小于5%,具体研究过程如下:首先,对比实验结果,采用双边滤波法,对矿石图像除噪。由于采集的矿石图像受到多重因素的影响,图像本身携带了一些噪声,对于从图像中提取信息时会产生干扰,因此需要对采集的矿石颗粒图像进行滤波处理,本文利用多种滤波方法对矿石图像进行了处理,通过对比实验结果,本文选择双边滤波来对图像进行处理,该方法不仅可以去除图像上的噪声,同时还能够不破坏图像中矿石颗粒的信息。其次,采用阈值分割算法对双边滤波的图像进行处理。与一般的阈值分割算法不同,本文在常用的阈值分割算法中引入了遗传算法。采用遗传算法对本文要处理的矿石图像进行分割的基本思路是:根据图像的灰度值利用阈值M把图像的像素分成两类图像,一类是前景图像,即待分析的矿石颗粒图像G_1,另一类是背景图像G_2。前景中矿石颗粒图像G_1由灰度值在0～M之间的像素组成,图像G_2由灰度值在M(10)1～L-1(L为图像的灰度级数)之间的像素组成。由于矿石颗粒表面的凹凸不平会产生表面的灰度分布不均,因此对阈值分割完成的图像进行二值化。利用分水岭算法对二值化过图像进行分割。分水岭算法能够得到连续、完整的边界信息,能够为下一步的标记提供方便。再次,与试验数据进行比对,验证图像处理检测粒度的准确性,在分割处理的基础上,运用相关的标定理论,对分割后的矿石颗粒区域进行标定,经过相关运算得出矿石颗粒的粒度分布数据,然后将图像处理数据与人工筛分试验数据进行比对,二者的最大误差为5%,验证图像处理检测粒度的准确性。最后,设计矿石粒度图像实时检测系统。针对矿石颗粒图像的处理流程的特点,设计矿石颗粒粒度检测系统,并设计相关的针对矿石图像处理的用户操作界面,并对用户操作界面中所包含的功能进行了说明。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TD80
【图文】：

颗粒图像,颗粒图,矿石

同时能够实现对粒度检测的实时性和准确性，这种基于遗传算法的矿石粒度检测方法能够方便地检测矿石破碎效果，促进矿业生产的自动化发展。利用计算机图像处理技术来检测矿石颗粒的粒度，在检测矿石颗粒粒度信息的同时，还能够实时掌握矿石破碎的情况，根据相关的粒度数据及时对破碎机的运转状态进行调节，提高破碎机的利用效率，降低生产过程中的能源浪费。该粒度检测方法极大地减少了传统粒度检测中工人们的工作强度，同时避免了人工检测中受个人主观因素影响的检测结果的准确性[9]。随着计算机图像处理技术的进一步发展，利用计算机图像处理技术检测矿石颗粒的粒度会成为一种新的检测方法。根据企业对矿石破碎粒度信息的要求以及企业生产车间破碎矿石的种类，提出具体的检测方法，主要是对矿石图像中颗粒间的的粘连现象寻找有效的解决办法，提高矿石颗粒分割的准确性，降低分割产生的误差，满足企业的生产需求。在矿石破碎车间搭建矿石颗粒图像采集平台获取矿石图像，如图 1.1 所示：

变换对,矿石

原图明暗变换图图 2.3 明暗变换对比图通过图 2.3 可以明显的看出，原图中的矿石颗粒明显偏暗，产生堆叠的矿石颗粒边界不容易识别，经过明暗变换后，矿石颗粒的可以明显的与背景区分开来，图像中的矿石颗粒内部明显较亮。2.2.2 矿石图像灰度变换在矿石生产破碎现场获取的矿石图像是一幅由红、绿、蓝三个分量组成的三维图像，为了保证粒度检测的实时性，在保证处理效果的前提下，将三维图像转化为二维灰度图像，从三维到二维，大大减少了处理过程中的运算量，从而提高粒度检测效率。在获取图像时，受多重因素的影响，采集的矿石颗粒图像表面明暗分布不均匀，那么对图像逐点进行不同程度的灰度级修正，就能使整幅图像灰度均匀，从而获得满意的矿石颗粒图像。灰度变换作为一种处理图像的常用算法，通过

颗粒图像,灰度图像,矿石,图像

2 矿石图像预处理及相关算法，采集的矿石颗粒图像中，颗粒的的灰度十分密集，通过灰可以看出，根据本文要处理的矿石颗粒图像的特点，因此本。图像定义为一个函数 f ( x, y ),输入图像的灰度范围为[ a , b ],输 ( x, y ),变换过的图像的灰度区间为[ c, d ],采用如下所示变换公( , ) ( ) [ ( , ) ]a ag x y f f x y f g)为变换函数。理后的图像如图 2.4 所示：

【相似文献】