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。     

输送带表面图像快速分割技术研究

快速图像处理是基于机器视觉的输送带在线状态监测系统的关键技术。针对输送带表面图像的分割,提出了一种快速阈值分割算法。该算法基于图像的灰度信息,具有简单、实时性好等特点。文章通过用实际图像对快速阈值分割算法与其它几种算法进行了对比,结果验证了该算法的有效性。     

基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法

爆破大块率是反映爆破效果的关键指标,其统计精度主要依赖于爆堆矿石图像分割的准确性。由于爆堆矿石图像中存在矿石目标分布密集、边缘对比度低等问题,致使传统图像分割方法难以准确分割爆堆矿石图像。因此,提出了一种基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法,以实现大块率的精准统计。首先利用无人机在哑巴岭露天矿爆破现场拍摄爆堆矿石图像,制作爆堆矿石图像数据集;然后利用深度学习算法建立了UNet网络架构,同时融合了高级语义信息和低级语义信息,建立了爆堆矿石图像分割模型,再利用训练后的模型对爆堆矿石图像进行初步分割,进一步采用基于距离运算的分水岭算法优化了分割结果;最后评估了该方法的分割精度。试验结果表明:该算法可准确分割露天矿爆堆矿石图像,为露天矿爆破大块率统计、爆破效果智能评价提供技术支持。     

复杂混合浮选泡沫图像分割方法研究

针对浮选泡沫图像难以直接识别的问题,提出了一种基于形态学的分水岭改进算法,利用CLAHE、最小最大值滤波对泡沫图像进行预处理,采用形态学方法进行图像重建,最后利用分水岭算法对重建后的图像进行分割。仿真结果表明,该算法可有效地对复杂混合泡沫图像进行分割。     

基于深度学习的智能爆破矿岩块度自动分析系统

在露天开采领域,自动、准确地获取爆堆矿岩块度信息是优化爆破设计的关键。针对目前块度分析系统存在无法自动采集和自动批量处理图像的问题,提出一种基于深度学习的矿岩块度自动分析系统,该系统主要由基于MobileNet分类模型的自动采集子系统和基于U-Net语义分割模型的自动分析子系统组成。系统自动连续采集旋回破碎站的电动轮卸矿图像,通过4G网络上传云平台进行块度信息自动分析,分别对分类模型和分割模型进行定量、定性评估,其中分类模型在测试集上的精度达到98.08%,矿石分割模型的矿石类别IoU达到78.43%。将系统部署到某矿露天采区旋回站,通过一年多的工业生产实践,结果表明,本系统达到了设计要求,实现从采集到分析、信息展示全流程的自动化、无人化、智能化,可以进一步为智能爆破提供数据支持。     

降落岩石骨料图像阈值分割算法

岩石破碎质量可通过对皮带末端降落过程中岩块摄像图像的分析来实现连续监测。因此，摄像图像的处理是该系统的关键问题。为此，研究了一种降落岩石骨料灰度图像的局部阈值二值化算法，该算法重复分割岩石骨料图像直到图像中所有目标分割完毕。目标分割前，在每一次迭代分割过程中计算目标的尺寸、形状以及其灰度变化范围。本算法已应用于在线系统，相关测试结果表明在一定的条件下分割效果较好。     

基于深度学习的螺旋选矿机矿物分带图像特征信息提取方法研究

螺旋选矿机是一种流膜重力选矿设备,目前其产品的截取是通过工人观察矿物分带并根据精矿与尾矿的分割位置调节截取器的分矿块到相应的位置以实现对精矿的准确截取,获得合格的精矿产品。由于每个工人的经验和技术水平不一样,难以保证获取的矿带位置信息和操作的准确性,而容易造成选矿指标的波动。为了准确、快速、自动地获取螺旋选矿机矿物分带的位置信息,本文针对螺旋选矿机矿带分界模糊、识别难度大等难题,提出了一种优化的Canny边缘检测算法和基于深度学习的HED (Holistically-Nested Edge Detection)边缘检测算法,并分别对螺旋选矿机矿物分带图像进行了矿带分割位置提取试验。试验结果表明,基于深度学习的HED算法优于传统的边缘检测算法,其识别的精度可以满足生产中对螺旋选矿机矿带分割特征信息识别的要求。     

形态学与区域增长相结合的煤粒检测

突破煤粒检测的传统方法局限,提出了一种结合形态学和区域增长算法的煤粒图像检测方法。该方法在对图像完成滤波、二值化、取反等预处理的基础上,先应用形态学的腐蚀算法对图像进行分割获得种子点,之后利用种子对原始图像进行区域增长完成目标识别。在对粘连煤粒判断和处理问题上,找到了一种快速获得粘连点的方法。结果表明,本方法能有效实现煤粒图像的分割,获得煤粒数据,实现煤粒数据检测。     

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。     

丰山铜矿北缘采区矿岩稳定性分级的灰色聚类方法研究

根据丰山铜矿北缘采区的矿体赋存条件及开采特点，综合国内外矿岩稳定性分类的方法，提出了以岩体质量指标、单轴抗压强度、岩体完整性系数、节理间距和节理状态等5项指标评定该采区矿岩稳定性的指标体系，并应用灰色定权聚类法对矿岩的稳定性进行了综合分级，分级的结果符合工程实际。     

基于图像处理的岩体块度分析系统

建立了岩体图像分割模型,基于计算机图像处理技术,在MATLAB环境下开发了适用可靠、简便高效的岩体块度分析系统,实现了岩体原始图像的获取、图像的分辨率推导、图像预处理、融合岩块的切割、岩块几何尺寸的计算以及块度分级曲线生成等过程的计算机处理。测试结果表明,系统具有较高的测试精度,满足实际应用要求,对爆破设计的优化具有重要意义。     

基于双目视觉深度感知的带式输送机煤量检测方法

针对带式输送机存在煤料图像难以识别,以及煤料内部颗粒间隙非均匀随机分布导致体积难以计算的问题,提出了一种由运输煤料识别模块、运输煤料三维信息提取模块和运输煤料量计算模块3部分组成的基于双目视觉深度感知的带式输送机煤量检测方法。其中,运输煤料识别模块采用小波变换算法增强运输煤料图像,并结合K-means聚类算法分割出煤料图像;然后,运输煤料三维信息提取模块采用双目视觉方法获取煤料图像各点的深度信息,从而得到运输煤料三维点云信息;最后,运输煤料量计算模块将Delaunay算法与T-S模糊推理算法相结合,求得煤料体积,进而应用煤量计算公式实现煤量的检测。利用实际图像进行了实验研究,结果表明所提方法的有效性。     

显微图像粒度检测系统研究

在显微颗粒图像研究的基础上,以分水岭算法和极限腐蚀算法为关键步骤,研究开发显微图像粒度检测系统,从噪声较为复杂的颗粒图像中有效地分割出目标图像,较好地解决了颗粒粘连以及重叠问题,从而得到较高准确度的粒度信息。对铜精矿实践应用结果表明,该系统具备较好的适应性和推广性,为之后的研究提供了一定的参考和借鉴作用。     

新型钢丝绳芯输送带接头抽动检测算法

针对钢丝绳芯输送带X射线图像特性,提出一种新型接头抽动检测算法。该算法首先进行图像增强,将图像的对比度拉伸到一个指定范围;随后进行迭代阈值分割图像接头检测,并删除错误检测点;在此基础上进行接头点对归类,并将当前采集图像与参考图像的接头点对进行比较,得出每张图像的平均抽动与最大抽动,至此完成了接头抽动检测。通过实际应用验证该方法更全面地反应接头实际情况,防止接头抽动引起输送带撕裂,保证煤矿安全运输。     

钢丝绳芯输送带接头检测的纹理编码研究与应用

针对ZSX1140矿用钢绳芯输送带X射线探伤系统精度低下的问题,分析上传的输送带图像,提出了一种改进的纹理编码算法,得到了图像中每一行的钢丝绳根数,并根据接头的限定条件,准确地寻找出输送带的接头图像。通过大量的实验以及实际应用,证明该方法具有检测精度高、实时性强等特点。     

基于等效数值法的地下开采矿岩稳定性评价

将等效数值法与地下开采矿岩稳定性评价相结合,从地下开采的角度选取能够反映矿岩稳定性的5个影响指标进行评价,即实测RQD值、单轴抗压强度Rc、体积裂隙数η、隙壁状态指标J6和裂隙水指标Jw,并把矿岩稳定性等级分为5类.将该方法用于开阳磷矿用沙坝矿4种矿岩的稳定性评价中,并与模糊灰元法进行了比较.结果表明,等效数值法用于矿岩稳定性的评价,评价结果符合实际情况.该方法计算简单,便于工程人员在实际工程中应用.     

91单动三重半合管钻具的研制与应用

为了提高松软复杂地层岩矿心采取率和岩矿心的质量,弥补普通双管钻具取心功能的不足,特别研制了91单动三重半合管钻具。介绍了钻具的结构、工作原理、组装、维护保养及在3个不同矿区5个钻孔的野外生产应用情况。应用结果表明,该钻具适宜松散地层钻进,岩矿心采取率达到了100%,同时防止了岩矿心被外界扰动,保持了岩矿心的原状性,提高了岩矿心的质量并利于岩矿心后期的运输与储藏。     

自然崩落法矿岩质量三维数字化评价方法

针对传统以岩体构造调查或岩石力学试验处的局部RMR 值来近似表征整个区域矿岩质量存在的片面性、经验性等缺点, 提出了一种矿岩质量三维数字化评价方法。该方法以钻孔和岩体原位调查数据为基础, 选取岩石单轴抗压强度、岩石质量指标、节理间距、节理条件和地下水条件作为矿岩质量评价指标, 研究各指标的空间变异特性, 基于区域化变量最优估值理论及RMR评价体系, 将各指标插值到离散后的矿岩空间, 建立起评价区域矿岩质量的三维数字化模型。最后以该模型为基础, 应用Laubscher崩落图对矿区初始和持续崩落水力半径进行预测。该方法在普朗铜矿的应用实践表明: 普朗铜矿平均RMR值为42.27, 矿岩可崩性为较好~好, 持续崩落水力半径为21.6~22.6 m, 与生产实际相符, 为普朗铜矿采用自然崩落法进行大规模开采提供了支撑和依据。     

矿岩移动规律基本方程的应用

本文对已建立的实际散体移动规律基本方程的应用进行了研究 ,得出矿岩移动规律基本方程是类椭球体放矿理论的基本方程 ,利用该方程能够得出放矿中观察到的很多现象 ,解决实际生产中的很多问题 ,例如放出体形、放矿漏斗、移动过渡、相关关系以及确定矿岩接触面及其变化、控制矿石的放出量等问题 ,理论与实践验证矿岩移动规律基本方程能够反映散体的移动规律 ,完善了类椭球体放矿理论。     

智能矿山中的岩矿光谱智能感知技术与研究进展

随着新时代背景下的大数据、云计算、人工智能等先进技术的兴起,我国矿山正在由过去的机械化、数字化发展阶段逐步向智能化阶段迈进,智能化矿山或智慧矿山应运而生。传统的岩矿测试方法由于存在工作量大、效率低、周期长等缺陷,已成为智能矿山建设的瓶颈,研发新的岩矿测试技术已成为现代智能矿山建设的必由之路。在分析目前岩矿测试技术现状及存在问题的基础上,提出了基于光谱分析的岩矿智能感知技术,简称岩矿光谱智能感知技术。该技术具有原位测试、非接触、周期短、工序简单、经济高效和智能化特点,并可以识别矿岩中不同矿物的成分及其含量。结合课题组的科研实践,分析了该技术目前发展现状,指出加强岩矿光谱库建设、完善和发展现有光谱分析算法、提高光谱理论研究水平,从而提高岩矿识别与定量分析精度,将是未来科研工作的主方向,加强软硬件的集成化研究和应用化研究则是该技术落地的关键所在。