【摘要】：研究課題來(lái)源于生產(chǎn)實(shí)際,針對(duì)現(xiàn)場(chǎng)使用的礦石粒度檢測(cè)設(shè)備存在成本高、檢測(cè)過(guò)程中樣品再次破碎導(dǎo)致檢測(cè)結(jié)果失真等弊端,采用礦石圖像處理算法,得到礦石的粒度分布。研究了礦石圖像不同的濾波、分割算法之間的優(yōu)缺點(diǎn),提出了一種基于遺傳算法的礦石圖像分割算法,然后采用分水嶺算法處理得到礦石顆粒的完整邊界,提出了一種分階段處理礦石顆粒圖像,實(shí)現(xiàn)礦石顆粒分割的方法。進(jìn)行了試驗(yàn)驗(yàn)證,試驗(yàn)結(jié)果與圖像分析結(jié)果誤差小于5%,具體研究過(guò)程如下:首先,對(duì)比實(shí)驗(yàn)結(jié)果,采用雙邊濾波法,對(duì)礦石圖像除噪。由于采集的礦石圖像受到多重因素的影響,圖像本身攜帶了一些噪聲,對(duì)于從圖像中提取信息時(shí)會(huì)產(chǎn)生干擾,因此需要對(duì)采集的礦石顆粒圖像進(jìn)行濾波處理,本文利用多種濾波方法對(duì)礦石圖像進(jìn)行了處理,通過(guò)對(duì)比實(shí)驗(yàn)結(jié)果,本文選擇雙邊濾波來(lái)對(duì)圖像進(jìn)行處理,該方法不僅可以去除圖像上的噪聲,同時(shí)還能夠不破壞圖像中礦石顆粒的信息。其次,采用閾值分割算法對(duì)雙邊濾波的圖像進(jìn)行處理。與一般的閾值分割算法不同,本文在常用的閾值分割算法中引入了遺傳算法。采用遺傳算法對(duì)本文要處理的礦石圖像進(jìn)行分割的基本思路是:根據(jù)圖像的灰度值利用閾值M把圖像的像素分成兩類圖像,一類是前景圖像,即待分析的礦石顆粒圖像G_1,另一類是背景圖像G_2。前景中礦石顆粒圖像G_1由灰度值在0～M之間的像素組成,圖像G_2由灰度值在M(10)1～L-1(L為圖像的灰度級(jí)數(shù))之間的像素組成。由于礦石顆粒表面的凹凸不平會(huì)產(chǎn)生表面的灰度分布不均,因此對(duì)閾值分割完成的圖像進(jìn)行二值化。利用分水嶺算法對(duì)二值化過(guò)圖像進(jìn)行分割。分水嶺算法能夠得到連續(xù)、完整的邊界信息,能夠?yàn)橄乱徊降臉?biāo)記提供方便。再次,與試驗(yàn)數(shù)據(jù)進(jìn)行比對(duì),驗(yàn)證圖像處理檢測(cè)粒度的準(zhǔn)確性,在分割處理的基礎(chǔ)上,運(yùn)用相關(guān)的標(biāo)定理論,對(duì)分割后的礦石顆粒區(qū)域進(jìn)行標(biāo)定,經(jīng)過(guò)相關(guān)運(yùn)算得出礦石顆粒的粒度分布數(shù)據(jù),然后將圖像處理數(shù)據(jù)與人工篩分試驗(yàn)數(shù)據(jù)進(jìn)行比對(duì),二者的最大誤差為5%,驗(yàn)證圖像處理檢測(cè)粒度的準(zhǔn)確性。最后,設(shè)計(jì)礦石粒度圖像實(shí)時(shí)檢測(cè)系統(tǒng)。針對(duì)礦石顆粒圖像的處理流程的特點(diǎn),設(shè)計(jì)礦石顆粒粒度檢測(cè)系統(tǒng),并設(shè)計(jì)相關(guān)的針對(duì)礦石圖像處理的用戶操作界面,并對(duì)用戶操作界面中所包含的功能進(jìn)行了說(shuō)明。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TD80
【圖文】：

同時(shí)能夠?qū)崿F(xiàn)對(duì)粒度檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性，這種基于遺傳算法的礦石粒度檢測(cè)方法能夠方便地檢測(cè)礦石破碎效果，促進(jìn)礦業(yè)生產(chǎn)的自動(dòng)化發(fā)展。利用計(jì)算機(jī)圖像處理技術(shù)來(lái)檢測(cè)礦石顆粒的粒度，在檢測(cè)礦石顆粒粒度信息的同時(shí)，還能夠?qū)崟r(shí)掌握礦石破碎的情況，根據(jù)相關(guān)的粒度數(shù)據(jù)及時(shí)對(duì)破碎機(jī)的運(yùn)轉(zhuǎn)狀態(tài)進(jìn)行調(diào)節(jié)，提高破碎機(jī)的利用效率，降低生產(chǎn)過(guò)程中的能源浪費(fèi)。該粒度檢測(cè)方法極大地減少了傳統(tǒng)粒度檢測(cè)中工人們的工作強(qiáng)度，同時(shí)避免了人工檢測(cè)中受個(gè)人主觀因素影響的檢測(cè)結(jié)果的準(zhǔn)確性[9]。隨著計(jì)算機(jī)圖像處理技術(shù)的進(jìn)一步發(fā)展，利用計(jì)算機(jī)圖像處理技術(shù)檢測(cè)礦石顆粒的粒度會(huì)成為一種新的檢測(cè)方法。根據(jù)企業(yè)對(duì)礦石破碎粒度信息的要求以及企業(yè)生產(chǎn)車間破碎礦石的種類，提出具體的檢測(cè)方法，主要是對(duì)礦石圖像中顆粒間的的粘連現(xiàn)象尋找有效的解決辦法，提高礦石顆粒分割的準(zhǔn)確性，降低分割產(chǎn)生的誤差，滿足企業(yè)的生產(chǎn)需求。在礦石破碎車間搭建礦石顆粒圖像采集平臺(tái)獲取礦石圖像，如圖 1.1 所示：

原圖 明暗變換圖圖 2.3 明暗變換對(duì)比圖通過(guò)圖 2.3 可以明顯的看出，原圖中的礦石顆粒明顯偏暗，產(chǎn)生堆疊的礦石顆粒邊界不容易識(shí)別，經(jīng)過(guò)明暗變換后，礦石顆粒的可以明顯的與背景區(qū)分開(kāi)來(lái)，圖像中的礦石顆粒內(nèi)部明顯較亮。2.2.2 礦石圖像灰度變換在礦石生產(chǎn)破碎現(xiàn)場(chǎng)獲取的礦石圖像是一幅由紅、綠、藍(lán)三個(gè)分量組成的三維圖像，為了保證粒度檢測(cè)的實(shí)時(shí)性，在保證處理效果的前提下，將三維圖像轉(zhuǎn)化為二維灰度圖像，從三維到二維，大大減少了處理過(guò)程中的運(yùn)算量，從而提高粒度檢測(cè)效率。在獲取圖像時(shí)，受多重因素的影響，采集的礦石顆粒圖像表面明暗分布不均勻，那么對(duì)圖像逐點(diǎn)進(jìn)行不同程度的灰度級(jí)修正，就能使整幅圖像灰度均勻，從而獲得滿意的礦石顆粒圖像�；叶茸儞Q作為一種處理圖像的常用算法，通過(guò)

2 礦石圖像預(yù)處理及相關(guān)算法，采集的礦石顆粒圖像中，顆粒的的灰度十分密集，通過(guò)灰可以看出，根據(jù)本文要處理的礦石顆粒圖像的特點(diǎn)，因此本。圖像定義為一個(gè)函數(shù) f ( x, y ),輸入圖像的灰度范圍為[ a , b ],輸 ( x, y ),變換過(guò)的圖像的灰度區(qū)間為[ c, d ],采用如下所示變換公( , ) ( ) [ ( , ) ]a ag x y f f x y f g)為變換函數(shù)。理后的圖像如圖 2.4 所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚香;堆浸設(shè)計(jì)幾個(gè)問(wèn)題的探討[J];黃金;1989年10期

2 潘顥丹;楊洪英;陳世棟;李偉濤;任廣智;佟琳琳;;礦石粒度對(duì)黃銅礦浸礦過(guò)程的影響[J];礦物學(xué)報(bào);2010年S1期

3 葉忠偉;;進(jìn)口鐵礦石粒度檢測(cè)用篩校準(zhǔn)存在問(wèn)題的探討[J];檢驗(yàn)檢疫學(xué)刊;2009年06期

4 馬連銘;姬建鋼;杜波;劉俊;郭庶;;基于機(jī)器視覺(jué)的礦石粒度檢測(cè)方法比較研究[J];礦山機(jī)械;2017年10期

5 袁曉鷹;孫燦;;淺議進(jìn)口鐵礦石粒度指標(biāo)[J];金屬礦山;2008年07期

6 T Umadevi;Naveen F Lobo;Rameshwar Sah;P C Mahapatra;;鐵礦石粒度對(duì)生球團(tuán)性能的影響(英文)[J];世界鋼鐵;2013年04期

7 谷士飛;張衛(wèi)民;于榮;;礦石粒度和礦漿濃度對(duì)原生硫化銅礦細(xì)菌浸出的影響[J];有色金屬(冶煉部分);2006年04期

8 陳何;氧化銅礦石粒度對(duì)浸出效果的影響[J];江西有色金屬;2001年01期

9 李叢奎，許署生，徐健;由礦石粒度確定最小取礦樣量新方法[J];鈾礦冶;1995年01期

10 蔡改貧;李龍茂;姜志宏;;基于圖像處理的礦石粒度檢測(cè)系統(tǒng)設(shè)計(jì)[J];冶金自動(dòng)化;2013年06期

相關(guān)會(huì)議論文 前2條

1 李榮興;謝剛;楊棣;楊大錦;張皓東;;低品位硫化鋅礦細(xì)菌浸出實(shí)驗(yàn)研究[A];2008年全國(guó)冶金物理化學(xué)學(xué)術(shù)會(huì)議專輯（下冊(cè)）[C];2008年

2 袁明華;李德;陳會(huì)全;謝剛;楊大錦;李榮興;;影響低品位硫化銅礦細(xì)菌浸出因素研究[A];2008年全國(guó)冶金物理化學(xué)學(xué)術(shù)會(huì)議專輯（下冊(cè)）[C];2008年

相關(guān)碩士學(xué)位論文 前4條

1 孫深深;礦石粒度圖像檢測(cè)技術(shù)的研究[D];鄭州大學(xué);2019年

2 商夢(mèng)石;基于圖像處理的礦石粒度檢測(cè)方法研究[D];昆明理工大學(xué);2017年

3 董珂;基于機(jī)器視覺(jué)的礦石粒度檢測(cè)技術(shù)研究[D];北京工業(yè)大學(xué);2013年

4 胡娟;圖像處理技術(shù)在巖體爆破粒度分析中的應(yīng)用[D];遼寧科技大學(xué);2012年

本文編號(hào)：2761314