本文關(guān)鍵詞：基于圖像特征的鐵礦石品位估測(cè)方法研究

  更多相關(guān)文章： 鐵礦石 圖像分割 特征提取 特征選擇 品位估測(cè)

【摘要】：長(zhǎng)期以來(lái),鐵礦石品位的實(shí)時(shí)估測(cè)一直是采礦作業(yè)領(lǐng)域的一個(gè)關(guān)鍵性技術(shù)難題�；瘜W(xué)分析法作為礦山企業(yè)傳統(tǒng)的檢測(cè)手段,經(jīng)過(guò)多年的探索與改進(jìn)具有技術(shù)成熟、操作流程規(guī)范、檢測(cè)結(jié)果準(zhǔn)確等優(yōu)點(diǎn),但存在信息反饋慢、檢測(cè)成本較高、實(shí)時(shí)性差等缺點(diǎn)。本文嘗試提出一種實(shí)時(shí)的鐵礦石品位估測(cè)方法,這對(duì)提高礦山的生產(chǎn)效益有著非常重要的意義。本文的研究對(duì)象為南京梅山礦業(yè)公司已經(jīng)過(guò)化學(xué)分析法檢測(cè)獲知品位的十八種鐵礦石樣品,通過(guò)實(shí)驗(yàn)初步驗(yàn)證了圖像特征應(yīng)用于鐵礦石品位估測(cè)的可行性。具體研究?jī)?nèi)容包括:鐵礦石圖像的分割、鐵礦石圖像特征參數(shù)的提取、鐵礦石圖像特征量的選擇、鐵礦石品位估測(cè)模型的建立與結(jié)果分析。針對(duì)圖像中鐵礦石相互粘連的特點(diǎn),提出了一種基于雙閾值的局部均值化算法,較好的將相互粘連的各礦石目標(biāo)分離。通過(guò)結(jié)合孔洞填充、距離變換、形態(tài)學(xué)重建等算法獲取了礦石種子標(biāo)記圖像,利用基于標(biāo)識(shí)的改進(jìn)分水嶺算法完成了鐵礦石圖像的分割。將中值濾波后的各品位鐵礦石圖像直接作為樣本,對(duì)各礦石圖像提取基于灰度直方圖的統(tǒng)計(jì)特征、基于灰度共生矩陣、行程長(zhǎng)度矩陣以及小波變換的紋理特征,獲取樣本集Sample1。將各品位鐵礦石圖像分割后的各礦石目標(biāo)子區(qū)域作為樣本,對(duì)各礦石目標(biāo)子區(qū)域提取基于灰度直方圖的統(tǒng)計(jì)特征和基于灰度共生矩陣的紋理特征,得到樣本集Sample2。分別采用PCA和Isomap兩種算法對(duì)兩組樣本集進(jìn)行特征選擇。再根據(jù)最終鐵礦石品位估測(cè)結(jié)果的準(zhǔn)確性確定采用哪種特征選擇方法。最后對(duì)樣本集Sample1和Sample2分別采用SVM和RBF神經(jīng)網(wǎng)絡(luò)建立鐵礦石品位估測(cè)模型,并對(duì)兩種鐵礦石品位估測(cè)方法的估測(cè)效果進(jìn)行比較和分析。本文的研究結(jié)果為今后進(jìn)一步研究鐵礦石品位實(shí)時(shí)準(zhǔn)確估測(cè)提供了依據(jù)。
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TD861.1;TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 屈明昌;;\ 礦石岅量中和工作的一些氃g[J];有色金屬(冶煉部分);1958年05期

2 ;用坩X法煉拝鉛礦石[J];有色金屬(冶煉部分);1958年11期

3 王連印;駱中洲;;礦石品位控制的原理與方法[J];金屬礦山;1992年02期

4 仇勇;;提高出窿礦石品位的途徑[J];中國(guó)鎢業(yè);1993年01期

5 王文洪;單片機(jī)在礦石品位分析儀中的應(yīng)用[J];礦業(yè)快報(bào);2000年13期

6 周石，

本文編號(hào)：1286074