煤泥浮选泡沫图像分割与特征提取

针对在煤泥浮选泡沫图像中的煤泥气泡互相粘连、边界模糊的情况,根据分水岭变换模拟浸水原理,提出一种新的、有效的分割算法,同时应用数学形态学中的腐蚀和膨胀算法,解决了经典分水岭算法不能处理的过分割和欠分割问题,使得粘连的煤泥气泡得到了有效的分割.然后计算出各个煤泥气泡的横截面积、周长、形状等物理特征参数,这些参数是实现自动控制浮选过程的重要依据.     

煤泥浮选泡沫的图像处理

介绍了煤泥浮选泡沫图像灰度处理的几种方法，对泡沫图像的个体特征作了分析，并为煤泥浮选泡沫图像的识别提供算法依据。     

煤泥浮选泡沫图像灰度直方图及其统计纹理特征研究

针对煤泥浮选泡沫图像灰度直方图特征问题，进行了实验室浮选柱试验，采集了50组煤泥浮选泡沫图像，分析了泡沫图像及其直方图的类别及形态，提取了浮选泡沫图像直方图统计纹理特征参数，研究了泡沫直方图统计纹理特征参数随浮选时间的变化关系。研究表明，统计纹理特征参数-方差能够表征浮选泡沫图像直方图特征，并与特定的泡沫状态相关，可为煤泥浮选视觉监控系统提供泡沫状态信息。     

煤泥浮选泡沫图像分割算法研究

针对工业现场采集的泡沫图像噪声大、对比度低、气泡粘连等特点,提出了一种基于双边滤波与限制对比度自适应直方图均衡的分水岭分割模型。首先通过双边滤波对原始泡沫图像进行去噪处理;其次,针对泡沫图像对比度低的特点,采用限制对比度自适应直方图均衡(CLAHE)增强图像对比度以及防止噪声的放大,最后利用分水岭变换对预处理之后的图像进行分割处理。实验结果证明该模型的有效性,预处理之后分割的图像能够有效改善直接处理所带来的欠分割现象。     

浮选图像中泡沫边缘分割

矿物浮选过程中泡沫的表面特征是浮选性能的重要指标,它可以实时、直观地反映浮选效果的变化,准确分割泡沫的边缘信息是浮选过程中一项重要的任务。近年来,研究人员提出了各种浮选泡沫图像分割算法,但浮选泡沫图像中存在泡沫数量多、泡沫间粘连严重以及边缘不清晰等问题,现存的方法由于其特征提取能力有限,无法精确的分割泡沫边缘。据此,本文利用深度学习提出了一种基于多尺度融合的浮选泡沫图像边缘分割算法,该算法通过引入一种深度高分辨率的编码结构以及一种基于注意力的分层融合方法来增强模型的特征提取能力,从而提高对于浮选泡沫边缘的分割效果。具体而言,深度高分辨率的编码结构可以在不同分辨率层级上同时维护特征信息,使我们的网络模型可以有效地捕捉不同尺度的信息,在提高图像语义理解能力的同时能够保持更多的细节信息,提高处理高分辨率以及密集任务图像的能力。除此之外,本文设计了一种基于注意力的分层融合方法来充分融合深层和浅层的特征图,使融合得到的特征图趋向于更重要的特征信息,从而提高识别浮选泡沫的边界和精确定位浮选泡沫的能力。该算法在泡沫边界分割数据集上凭借58.25的泡沫IoU以及73.62的泡沫Fscore取得了最佳的性能,证明了我们提出的算法可以更加准确地分割浮选泡沫边缘。     

煤泥浮选泡沫图像灰度行程及其统计纹理特征

针对煤泥浮选泡沫灰度图像统计纹理特征问题,通过实验室浮选柱试验,采集了大量的煤泥浮选泡沫图像,分析了泡沫图像的类别及特征,提出了描述浮选泡沫纹理特征的灰度行程矩阵提取算法,并进一步提取灰度行程矩阵的行程因子特征参数来描述浮选泡沫的视觉纹理特征,分析了各特征参数随浮选时间的变化关系.研究表明,泡沫灰度行程因子特征参数能够表征浮选泡沫图像纹理特征,并与特定的泡沫状态相关,可为煤泥浮选视觉监控系统提供泡沫状态信息.     

超声波同步处理强化煤泥浮选的试验研究

为探究超声波对细粒煤泥浮选过程的影响,自制超声浮选装置进行浮选试验。 使用激光 粒度仪、扫描电子显微镜,分析超声波对浮选产品粒度组成和表面特性的影响;利用紫外分光 光度计测定矿浆剩余捕收剂量,计算超声波对捕收剂吸附的影响。 试验结果表明:在浮选过程加 入超声波后,可燃体回收率、浮选完善指数均有提升;100kHz超声波作用时,可燃体回收率比常 规浮选提高10%,改进效果最佳;在同等浮选条件下,超声浮选比常规浮选所需浮选药剂用量低 19%~35%。 超声作用能够去除煤粒表面吸附细泥,促使浮选气泡团聚,形成气絮团,提高大于+0.045mm粒级的浮选效率。     

一种改进分水岭算法的浮选泡沫图像分割方法

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。     

煤泥浮选泡沫数字图像处理中的边缘检测算法研究

通过分析煤泥浮选泡沫图像的特点和应用常规边缘检测算法所存在的问题, 提出了综合应用煤泥浮选泡沫图像灰度和梯度信息进行煤泥浮选状态监控的观点, 介绍了使用基于Sobel算子改进的方向算子对煤泥浮选泡沫图像进行处理的方法。     

基于模糊综合评判的在线图像分割

为使矿岩块度在线检测能精确和快速地进行,提出了一种自适应阈值分割算法:首先选取全局自动阈值分割算法粗分割图像,然后针对粗分割效果较差的目标区域,重复利用阈值分割算法直到无区域可分离。在重复分割前,利用模糊综合评判方法对每一个目标物体的参数(尺寸,形状及梯度等)进行综合评价,若该目标为非正常块度,对其进行重复分割。通过对一次矿山爆破的300多幅矿岩块度图像进行测试表明:在线图像分割算法与新近的聚类分析及图论最小割算法相比,不仅简单而且具有较好的分割效果,在保证在线处理速度的要求下,分割准确率达95%以上,可有效地扩展应用在其它颗粒在线检测系统中。     

基于图像分割的煤岩孔隙多尺度分形特征

根据煤岩孔隙系统的精确描述对流体运移机理的重要性,对来自6个不同矿区的煤岩进行了扫锚电镜观测,提出了基于扫锚电镜图像分割的煤岩孔隙多尺度分形研究方法.采用了图像分割算法中的灰度阈值分割、Laplacian边缘算子及Prewin边缘算子检测,提取了煤岩扫描电镜(SEM)图片中的大尺度裂隙、边界曲线以及小尺度孔隙特征;采用盒维数法计算了分形维数,研究了多重孔隙介质分形标度律存在的尺度与SEM放大倍数的关系.结果表明:大尺度裂纹分形标度律存在的下限尺度与7 500倍SEM观测尺度相对应;小尺度孔隙分形标度律存在的上限尺度与2 000倍的SEM观测尺度相对应;细观裂纹分维数反映了煤岩渗透性能;边界分维反映了流动边界的迂曲程度相关于流动阻力;微观孔隙分维相关于吸附性能.     

中矸磁尾粗煤泥重选回收精煤试验研究

粗煤泥回收工艺中,重介旋流器有效分选粒度通常在2mm以上,浮选的有效分选粒度通常在0.25mm以下,这样介于0.25~2.0mm之间的粗煤泥难以得到有效分选回收,造成精煤流失。本文针对某选煤厂中矸磁尾粗煤泥(2mm以下)分选工艺及设备不尽完善导致的低灰精煤回收困难等问题,提出了"煤泥离心分选+高频筛分级"联合分级分选回收精煤工艺,设计了煤泥离心分选机。经工业运行试验,结果表明:从中矸磁尾煤泥中获取到了灰分小于10%的精煤,精煤产率12.5%,实现了难选煤泥的有效回收,为企业带来了巨大经济效益和社会效益。     

曲波变换在超声波成像图像分割中的应用

超声波成像测井由于不受泥浆导电性的影响,可对油基泥浆井的裂缝进行较准确评价,具有电成像测井不可替代的特点。针对油基泥浆下裂缝识别问题,选用具有各向异性的曲波变换对超声波成像进行了图像分割。此方法对于图像的边缘更为敏感,可以提取图像边缘信息,对图像分割有一定的作用。     

选煤厂煤泥制水煤浆多峰级配技术

文章通过对在制浆过程中影响水煤浆成浆性的关键因素之一级配技术中的多峰级配进行了研究,旨在找出一种最佳粒度级配,使得其制成的煤泥水煤浆在浓度、粘度、稳定性上均能满足应用要求,最终得出当细粒子在煤泥中的比例为-320目粒子在煤泥中的比例为60%～70%时,煤浆的粘度和稳定性才可能达到最佳值等结论.     

基于变分水平集的图像分割防堵仓技术研究

针对煤矿井下噪声高、分辨率低、照度不均的特殊环境,建立煤块图像分割模型,实现对大煤块的准确检测,预防堵仓事故发生。新模型基于变分水平集算法,对GAC(Geodesic Active Contour)和C-V(Chan and Vese)模型改进,融合轮廓和区域模型对煤块视频图像信息进行分割,通过求偏微分方程的稳态解,解决能量模型的最优解求取问题,利用半点离散化差分方法完成数值计算,有效提高计算精度、拓扑结构自适应性、抗噪能力,降低了光照敏感性。实验结果表明,新模型在煤矿井下复杂环境有良好的鲁棒性,实时性高,在减轻了矿工人力筛选大煤块负担的同时极大提高筛选准确率。