破碎礦石的粒度信息一直是礦物加工過程中的一項(xiàng)關(guān)鍵數(shù)據(jù)指標(biāo),是評(píng)價(jià)破碎效果好壞的一項(xiàng)重要標(biāo)準(zhǔn),尤其對(duì)選礦生產(chǎn)中選礦設(shè)備的工藝參數(shù)優(yōu)化調(diào)整和實(shí)現(xiàn)選礦自動(dòng)化具有非常重要的指導(dǎo)意義,通過對(duì)選礦礦石粒度的檢測(cè)分析,能夠及時(shí)地了解當(dāng)前破碎機(jī)的工作狀態(tài),從而根據(jù)實(shí)際情況來及時(shí)地調(diào)節(jié)破碎機(jī)排礦口的大小,提高破碎機(jī)選礦的工作效率和破碎精度。在當(dāng)前傳統(tǒng)的選礦生產(chǎn)中,對(duì)于礦石粒度的檢測(cè)主要通過人工篩分和沉降法檢測(cè)等方法來實(shí)現(xiàn),這些檢測(cè)方法存在檢測(cè)時(shí)間長(zhǎng),反饋礦石粒度的分布信息滯后,人為干擾影響大,導(dǎo)致檢測(cè)的粒度的精確度比較低,效率不高。針對(duì)以上原因,本文研究了將機(jī)器視覺應(yīng)用在粒度檢測(cè)中的方法——基于圖像處理的在線礦石粒度檢測(cè)與分析,該方法運(yùn)用工業(yè)相機(jī)對(duì)選礦車間傳送帶上的礦石顆粒圖像進(jìn)行實(shí)時(shí)采集,實(shí)時(shí)獲取當(dāng)前礦石的粒度分布信息,然后及時(shí)反饋給破碎機(jī),來優(yōu)化控制排礦口等參數(shù)的大小,消除了人工檢測(cè)的誤差,提高了選礦的效率和準(zhǔn)確性,降低了能耗。通過對(duì)鞍鋼集團(tuán)礦業(yè)公司齊大山鐵礦破碎車間實(shí)際生產(chǎn)情況和現(xiàn)場(chǎng)環(huán)境的實(shí)地考察,將基于圖像處理技術(shù)的礦石粒度在線檢測(cè)的方法應(yīng)用到實(shí)際生產(chǎn)現(xiàn)場(chǎng)。首先應(yīng)用工業(yè)相機(jī)采集礦石圖像,通過雙邊...

【文章頁數(shù)】：95 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
1.緒論
    1.1 課題研究的背景和意義
    1.2 常見的礦石粒度檢測(cè)方法綜述
    1.3 關(guān)于國(guó)內(nèi)外礦石粒度在線檢測(cè)方法的研究現(xiàn)狀
        1.3.1 基于圖像處理的礦石粒度在線檢測(cè)技術(shù)的發(fā)展現(xiàn)狀
        1.3.2 礦石粒度在線檢測(cè)技術(shù)中礦石圖像分割算法研究現(xiàn)狀
    1.4 本文的主要研究?jī)?nèi)容及結(jié)構(gòu)
2.破碎礦石圖像的預(yù)處理
    2.1 圖像數(shù)字化的基本理論基礎(chǔ)
    2.2 CCD工業(yè)相機(jī)采集礦石顆粒的初始圖像
    2.3 礦石初始圖像進(jìn)行亮度變換增強(qiáng)處理
    2.4 礦石圖像進(jìn)行灰度化處理
    2.5 礦石圖像進(jìn)行濾波去噪處理
        2.5.1 礦石顆粒圖像的均值濾波
        2.5.2 礦石顆粒圖像的中值濾波
        2.5.3 礦石顆粒圖像的雙邊濾波
        2.5.4 本文對(duì)于圖像濾波方法的選擇
    2.6 礦石顆粒圖像進(jìn)行積分圖像處理
    2.7 礦石顆粒圖像的二值化處理
        2.7.1 最大類間方差法二值化
        2.7.2 利用積分圖像法對(duì)礦石圖像的快速自適應(yīng)閾值化
    2.8 本章小結(jié)
3.破碎礦石顆粒的形態(tài)學(xué)優(yōu)化處理和礦石圖像的分割
    3.1 礦石顆粒圖像的形態(tài)學(xué)基本理論方法
        3.1.1 形態(tài)學(xué)的基本運(yùn)算——腐蝕和膨脹
        3.1.2 礦石圖像形態(tài)學(xué)運(yùn)算——開運(yùn)算和閉運(yùn)算
    3.2 對(duì)礦石顆粒圖像進(jìn)行形態(tài)學(xué)優(yōu)化
    3.3 基于距離變換和邊緣檢測(cè)的改進(jìn)分水嶺算法對(duì)礦石粘連顆粒圖像的分割
        3.3.1 基本分水嶺分割算法
        3.3.2 二值礦石圖像的距離變換處理與分水嶺算法結(jié)合對(duì)圖像分割
        3.3.3 Canny邊緣檢測(cè)算法的基本理論與改進(jìn)
        3.3.4 Canny-Watershed對(duì)礦石圖像進(jìn)行分割
    3.4 本章小結(jié)
4.礦石顆粒的標(biāo)定及礦石粒度的計(jì)算
    4.1 礦石顆粒的粒度參數(shù)的介紹
    4.2 礦石顆粒粒度的標(biāo)定
    4.3 具體對(duì)于礦石顆粒的標(biāo)定
    4.4 擊中與擊不中變換對(duì)于實(shí)際現(xiàn)場(chǎng)礦石檢測(cè)的實(shí)驗(yàn)
    4.5 本章小結(jié)
5.改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)傳送帶整體礦石粒度分布情況
    5.1 BP神經(jīng)網(wǎng)絡(luò)
        5.1.1 神經(jīng)元
        5.1.2 BP神經(jīng)網(wǎng)絡(luò)的基本理論
        5.1.3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程概述
    5.2 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)礦石粒度分布的預(yù)測(cè)
        5.2.1 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)
        5.2.2 基于權(quán)值修正量的BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)
        5.2.3 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集的建立
        5.2.4 建立改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型
        5.2.5 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)各項(xiàng)學(xué)習(xí)參數(shù)的初始化
    5.3 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)礦石粒度分布的預(yù)測(cè)
    5.4 本章小結(jié)
6.系統(tǒng)設(shè)計(jì)及動(dòng)態(tài)礦石粒度在線檢測(cè)
    6.1 對(duì)粒度在線檢測(cè)系統(tǒng)的硬件設(shè)計(jì)
    6.2 系統(tǒng)的軟件實(shí)現(xiàn)
    6.3 實(shí)際現(xiàn)場(chǎng)礦石動(dòng)態(tài)粒度分布測(cè)試
        6.3.1 設(shè)備現(xiàn)場(chǎng)安裝調(diào)試
        6.3.2 現(xiàn)場(chǎng)測(cè)試分析
    6.4 本章小結(jié)
7.總結(jié)與展望
    7.1 本文總結(jié)
    7.2 展望
參考文獻(xiàn)
附錄A 對(duì)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的數(shù)據(jù)集
附錄B 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的數(shù)據(jù)集歸一化
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
作者簡(jiǎn)介



本文編號(hào)：3772985