基于图像处理的矿石粒度在线检测与分析
发布时间：2023-03-28 17:45
破碎矿石的粒度信息一直是矿物加工过程中的一项关键数据指标,是评价破碎效果好坏的一项重要标准,尤其对选矿生产中选矿设备的工艺参数优化调整和实现选矿自动化具有非常重要的指导意义,通过对选矿矿石粒度的检测分析,能够及时地了解当前破碎机的工作状态,从而根据实际情况来及时地调节破碎机排矿口的大小,提高破碎机选矿的工作效率和破碎精度。在当前传统的选矿生产中,对于矿石粒度的检测主要通过人工筛分和沉降法检测等方法来实现,这些检测方法存在检测时间长,反馈矿石粒度的分布信息滞后,人为干扰影响大,导致检测的粒度的精确度比较低,效率不高。针对以上原因,本文研究了将机器视觉应用在粒度检测中的方法——基于图像处理的在线矿石粒度检测与分析,该方法运用工业相机对选矿车间传送带上的矿石颗粒图像进行实时采集,实时获取当前矿石的粒度分布信息,然后及时反馈给破碎机,来优化控制排矿口等参数的大小,消除了人工检测的误差,提高了选矿的效率和准确性,降低了能耗。通过对鞍钢集团矿业公司齐大山铁矿破碎车间实际生产情况和现场环境的实地考察,将基于图像处理技术的矿石粒度在线检测的方法应用到实际生产现场。首先应用工业相机采集矿石图像,通过双边...
【文章页数】：95 页
【学位级别】：硕士
【文章目录】：
中文摘要
ABSTRACT
1.绪论
1.1 课题研究的背景和意义
1.2 常见的矿石粒度检测方法综述
1.3 关于国内外矿石粒度在线检测方法的研究现状
1.3.1 基于图像处理的矿石粒度在线检测技术的发展现状
1.3.2 矿石粒度在线检测技术中矿石图像分割算法研究现状
1.4 本文的主要研究内容及结构
2.破碎矿石图像的预处理
2.1 图像数字化的基本理论基础
2.2 CCD工业相机采集矿石颗粒的初始图像
2.3 矿石初始图像进行亮度变换增强处理
2.4 矿石图像进行灰度化处理
2.5 矿石图像进行滤波去噪处理
2.5.1 矿石颗粒图像的均值滤波
2.5.2 矿石颗粒图像的中值滤波
2.5.3 矿石颗粒图像的双边滤波
2.5.4 本文对于图像滤波方法的选择
2.6 矿石颗粒图像进行积分图像处理
2.7 矿石颗粒图像的二值化处理
2.7.1 最大类间方差法二值化
2.7.2 利用积分图像法对矿石图像的快速自适应阈值化
2.8 本章小结
3.破碎矿石颗粒的形态学优化处理和矿石图像的分割
3.1 矿石颗粒图像的形态学基本理论方法
3.1.1 形态学的基本运算——腐蚀和膨胀
3.1.2 矿石图像形态学运算——开运算和闭运算
3.2 对矿石颗粒图像进行形态学优化
3.3 基于距离变换和边缘检测的改进分水岭算法对矿石粘连颗粒图像的分割
3.3.1 基本分水岭分割算法
3.3.2 二值矿石图像的距离变换处理与分水岭算法结合对图像分割
3.3.3 Canny边缘检测算法的基本理论与改进
3.3.4 Canny-Watershed对矿石图像进行分割
3.4 本章小结
4.矿石颗粒的标定及矿石粒度的计算
4.1 矿石颗粒的粒度参数的介绍
4.2 矿石颗粒粒度的标定
4.3 具体对于矿石颗粒的标定
4.4 击中与击不中变换对于实际现场矿石检测的实验
4.5 本章小结
5.改进的BP神经网络预测传送带整体矿石粒度分布情况
5.1 BP神经网络
5.1.1 神经元
5.1.2 BP神经网络的基本理论
5.1.3 BP神经网络的学习过程概述
5.2 基于改进的BP神经网络对矿石粒度分布的预测
5.2.1 传统BP神经网络的缺点
5.2.2 基于权值修正量的BP神经网络算法的改进
5.2.3 改进的BP神经网络训练数据集的建立
5.2.4 建立改进的BP神经网络模型
5.2.5 改进BP神经网络各项学习参数的初始化
5.3 改进的BP神经网络对矿石粒度分布的预测
5.4 本章小结
6.系统设计及动态矿石粒度在线检测
6.1 对粒度在线检测系统的硬件设计
6.2 系统的软件实现
6.3 实际现场矿石动态粒度分布测试
6.3.1 设备现场安装调试
6.3.2 现场测试分析
6.4 本章小结
7.总结与展望
7.1 本文总结
7.2 展望
参考文献
附录A 对改进的BP神经网络进行训练的数据集
附录B 神经网络进行训练的数据集归一化
攻读硕士学位期间发表学术论文情况
致谢
作者简介
本文编号：3772985
【文章页数】：95 页
【学位级别】：硕士
【文章目录】：
中文摘要
ABSTRACT
1.绪论
1.1 课题研究的背景和意义
1.2 常见的矿石粒度检测方法综述
1.3 关于国内外矿石粒度在线检测方法的研究现状
1.3.1 基于图像处理的矿石粒度在线检测技术的发展现状
1.3.2 矿石粒度在线检测技术中矿石图像分割算法研究现状
1.4 本文的主要研究内容及结构
2.破碎矿石图像的预处理
2.1 图像数字化的基本理论基础
2.2 CCD工业相机采集矿石颗粒的初始图像
2.3 矿石初始图像进行亮度变换增强处理
2.4 矿石图像进行灰度化处理
2.5 矿石图像进行滤波去噪处理
2.5.1 矿石颗粒图像的均值滤波
2.5.2 矿石颗粒图像的中值滤波
2.5.3 矿石颗粒图像的双边滤波
2.5.4 本文对于图像滤波方法的选择
2.6 矿石颗粒图像进行积分图像处理
2.7 矿石颗粒图像的二值化处理
2.7.1 最大类间方差法二值化
2.7.2 利用积分图像法对矿石图像的快速自适应阈值化
2.8 本章小结
3.破碎矿石颗粒的形态学优化处理和矿石图像的分割
3.1 矿石颗粒图像的形态学基本理论方法
3.1.1 形态学的基本运算——腐蚀和膨胀
3.1.2 矿石图像形态学运算——开运算和闭运算
3.2 对矿石颗粒图像进行形态学优化
3.3 基于距离变换和边缘检测的改进分水岭算法对矿石粘连颗粒图像的分割
3.3.1 基本分水岭分割算法
3.3.2 二值矿石图像的距离变换处理与分水岭算法结合对图像分割
3.3.3 Canny边缘检测算法的基本理论与改进
3.3.4 Canny-Watershed对矿石图像进行分割
3.4 本章小结
4.矿石颗粒的标定及矿石粒度的计算
4.1 矿石颗粒的粒度参数的介绍
4.2 矿石颗粒粒度的标定
4.3 具体对于矿石颗粒的标定
4.4 击中与击不中变换对于实际现场矿石检测的实验
4.5 本章小结
5.改进的BP神经网络预测传送带整体矿石粒度分布情况
5.1 BP神经网络
5.1.1 神经元
5.1.2 BP神经网络的基本理论
5.1.3 BP神经网络的学习过程概述
5.2 基于改进的BP神经网络对矿石粒度分布的预测
5.2.1 传统BP神经网络的缺点
5.2.2 基于权值修正量的BP神经网络算法的改进
5.2.3 改进的BP神经网络训练数据集的建立
5.2.4 建立改进的BP神经网络模型
5.2.5 改进BP神经网络各项学习参数的初始化
5.3 改进的BP神经网络对矿石粒度分布的预测
5.4 本章小结
6.系统设计及动态矿石粒度在线检测
6.1 对粒度在线检测系统的硬件设计
6.2 系统的软件实现
6.3 实际现场矿石动态粒度分布测试
6.3.1 设备现场安装调试
6.3.2 现场测试分析
6.4 本章小结
7.总结与展望
7.1 本文总结
7.2 展望
参考文献
附录A 对改进的BP神经网络进行训练的数据集
附录B 神经网络进行训练的数据集归一化
攻读硕士学位期间发表学术论文情况
致谢
作者简介
本文编号：3772985
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3772985.html
最近更新
教材专著
