表征煤质指标的煤粒图像颜色特征

针对煤粒表面图像的表征问题,采集了7个密度级共70幅煤粒图像,研究了煤粒图像的两个颜色空间,分析了煤粒图像RGB和HSV的6个颜色特征的一、二、三阶矩,并对其进行筛选.结果表明煤粒表面呈现深灰色并且色彩信息很少,在进行煤粒密度级判别时,可以选取亮度一阶、亮度二阶、亮度三阶、饱和度一阶和饱和度三阶这5个颜色特征,参数表征不同密度级煤粒的颜色信息,为实现机器视觉识别煤质指标提供了参考.     

基于钻孔返渣图像的煤岩界面识别方法研究

为满足未来煤矿井下钻孔机器人对智能化施工的要求,针对钻孔返渣中只有岩屑和煤渣,且二者颜色特征差异大的特点,利用返渣图像特征进行了煤岩识别技术研究。结果表明:研究的煤岩界面识别方法主要包括图像预处理、阈值分割和图像识别3个步骤;其中图像预处理先采用HSV颜色空间进行转换以提取明度分量,再采用高斯滤波进行图像去噪,最后采用拉普拉斯方法实现图像增强;将预处理图像采用固定单阈值分割方案进行图像分割,并以实验采集数据为例,利用最大类间方差法确定了采集样品图像的固定阈值为115;最后在图像分割的二值图像基础上,通过计算煤渣和岩屑在图像像素点总数中各自所占比例,进行煤岩标识,再通过分析场景中采集的大量样本数,设置不同煤层条件下煤、岩界限的阈值,从而实现了图像识别。     

基于K-means的金属矿物光片嵌布粒度测量

目前金属矿物嵌布粒度的测定主要依靠技术人员在显微镜下观测,存在工作量大、观测粒度准确度和精度不高等问题。因此提出了基于K-means聚类算法的金属矿物嵌布粒度测量方法。K-means算法初始聚类中心数K值的准确预设是本方法的核心之一,本项目对此开展了深入研究,发现利用金属矿物光片显微镜下图像中的颜色特征,对原矿图像中的矿物种类进行准确判别,再将识别到的矿物颜色特征作为设置K值的依据。通过K-means算法将目的矿物的颜色聚类为单一的颜色,对聚类的图像进行颜色分割,最后利用Feret Diameter精确测量出该金属矿物嵌布粒度。结果表明：该方法明显提高了金属矿物嵌布粒度测量的准确度、精度和效率,具有极大的应用价值。     

基于矿苗特征的黑钨初选算法研究

通过对机器视觉黑钨初选系统的关键技术进行研究,结合黑钨矿石的光学及纹理特征,提出了一种基于HSV颜色空间的图像标记算法。将原矿图像RGB颜色空间转化为HSV颜色空间,进行二值化处理,结合连通域像素标记,采用反选法识别出目标围矿。实验结果表明,该算法针对性强,能够准确的检测出目标围矿,并且算法结构简单,检测准确率高,具有较强的稳定性和实用价值。     

基于机器视觉的雷波薄夹层磷矿石预分选研究

随着磷矿资源的快速消耗,现阶段我国中低品位磷矿存在占比大且利用率较低的问题,导致生产处理成本增加。利用机器视觉技术代替人工观察实现提前抛废,对磷矿进行预富集,提升矿石综合利用效率及减少经济成本。针对四川省雷波县巴姑中低品位薄夹层磷矿的特性,本文提出一种基于HSV颜色模型采用多阈值法提取特征值并结合KNN算法的磷矿动态实时预分选算法。待选矿石经本算法分选进行化验后的精矿品位可到18.3%,这表明本文提出的算法的识别准确率较高,基本满足企业识别尾矿的分选需求,达到抛尾的目的。     

最大类间方差法在图像分割中的应用

基于阈值分割的方法,在图像分割过程中,物体像素的灰度级与背景像素的灰度级有不同,可以将物体从背景中较好的分割出来,总能用封闭而且连通的边界定义不交叠的区域。本文针对细胞图像的特点,首先对细胞图像分别利用经典的Sobel算子和Log边缘检测进行阈值分割,此分割方法是基于最大类间方差准则的分割。然后利用最大类间方差法对图像进行阈值分割。分割效果较令人满意。经实验证实运算速度较快,实现起来较为简单。     

基于HSV空间融合Retinex算法的全天候运动目标检测

提出了一种在矿山复杂情况下基于HSV色彩空间融合Retinex算法的全天候运动目标检测方法。该方法将运动目标检测转换为运动目标上特定标志物的检测,通过颜色空间转换提取目标原始灰度图像,由灰度分布直方图判断是否进行低照度图像恢复,并在场景中选取特定的标志物,将原图像进行HSV颜色空间变换,选择对应ROI区域,通过阈值获取二值化图像,进行平滑处理后使用Canny算子提取轮廓信息,从而提取标志物的特征参数。应用实例证实,通过该方法能精准获得标志物特征参数,进而解决复杂环境下机械设备间连接件脱落问题,具有一定的实际工程应用价值。     

视觉感知技术在选煤厂的应用研究

为了实现人员、设备、环境在交互过程中的协调运转,提出了一种基于视觉感知技术的选煤厂智能化解决方案。应用HOG算法和混合高斯背景建模算法,分别进行了人脸特征识别和动态特征检测,以实现对选煤厂人员行为的视觉感知。应用基于HSV颜色空间的图像分割算法和参考物测量方法,分别完成了积水区域识别和积水面积计算,以实现对选煤厂管网系统的跑、冒、滴、漏等环境问题的视觉检测。试验结果表明,视觉感知技术能够对选煤厂人员行为的合理性和危险性进行有效分析,能够对选煤厂生产区域的积水面积进行精准计算,具有良好的自适应性、准确性、鲁棒性和时效性。     

基于机器视觉的橡胶输送带积水识别方法

针对橡胶输送带凹陷处在雨天易形成局部积水无法及时检测的问题,研究并提出了一种基于机器视觉的橡胶输送带积水识别方法。首先对采集图像预处理,通过直方图均衡化提高图像对比度,然后利用图像坐标自动截取感兴趣区域,再使用动态阈值法分割图像,最后进行白像素点个数判断,实现积水区域的识别与标记。该方法速度快、效率高,能够准确地检测出输送带上的积水;     

关于彩色图像分割算法的研究

主要根据灰度图像的边缘检测算法思想，借助空域微分算子，通过卷积提出了基于边缘的两种彩色图像分割算法。一种是将彩色图像转化为灰度图像，再进行分割处理；另一种是在三基色空间分别进行分割，再加以合成。同时文章采用了迭代阈值设定、区域生长、空间滤波等方法，有效改善了分割结果。     

基于多颜色分量CLBP提取的浮选泡沫状态识别

针对不同状态的浮选泡沫图像之间纹理结构相似、颜色差异不明显的问题，提出一种基于色调、饱和度和亮度（HSV）颜色空间的完全局部二进制模式（CLBP）纹理提取的浮选泡沫状态识别方法。首先使用双域去噪在保留纹理细节的同时滤除图像噪声，然后转换为HSV图像，在H、S和V颜色分量上分别提取三个尺度的CLBP纹理特征。将提取的纹理特征归一化后线性排列，建立高维度的纹理分类模型。最后通过一对一模式的支持向量机分类器对四类泡沫状态的样本集进行纹理提取后的分类训练与测试。结果表明，该方法对不同浮选泡沫状态的分类正确率较高，优于其他纹理描述方法，适用于浮选泡沫状态的识别。     

金相组织图像智能分析技术研究

金相分析是显示图像分析的一项重要内容,金相图像空间形貌和组织形状非常复杂,包含了大量的专业性信息,给金相图像的处理和识别带来了较大的困难。本文介绍了金相组织图像智能分析系统的构成,从金相图像预处理、图像分割与晶界重建、金相组织特征参数提取、模式识别等方面对系统的关键技术进行了论述,分析了所面临的问题,对进一步的研究方向进行了展望。     

蒙古某铁矿石工艺矿物学研究

中国国内铁矿资源不能满足市场需求,从蒙古进口了大量铁矿石。为实现该矿石的合理开发利用,采用化学分析、物相分析、XRD分析、扫描电子显微镜等检测手段对该矿石进行了系统的工艺矿物学研究。结果表明：矿石铁品位为45.53%,铜可综合回收,杂质硫含量较高;矿石含铁矿物主要为磁铁矿,另有少量赤褐铁矿;其余金属矿物主要为黄铁矿,另有少量黄铜矿,微量铜蓝、蓝辉铜矿、磁黄铁矿及金红石等;矿石的构造主要为块状构造、浸染状构造,其次为网脉状、条纹状构造;矿石的结构主要有半自形-他形粒状结构、交代残余结构、假象结构、压碎结构、自形晶结构;磁铁矿多呈半自形-他形晶粒状及其集合体的形式分布在脉石矿物中,集合体中可见脉石矿物呈粒状或细脉状沿磁铁矿颗粒间隙分布,磁铁矿的嵌布粒度以中粒为主,在粗粒、中粒、细粒的分布率分别为32.43%、39.63%和27.03%;不同磨矿细度下磁铁矿的单体解离度统计结果表明,大部分磁铁矿在磨矿中易于单体解离,磁铁矿易于回收。针对矿石性质,提出采用粗磨磁选抛尾,粗精矿再磨除硫、硅等杂质的工艺流程进行选别。试验结果可以为该矿石的合理开发利用提供技术参考。     

Froth delineation based on image classification

This paper describes a set of image segmentation algorithms for mineral froth images, based on gray-value valley detection and a kind of image classification. The size, shape, texture and color of froth bubbles are very important pieces of information for production optimization in mineral processing. In order to determine these parameters, bubbles in a froth image first have to be delineated. Froth images display a large variation of image patterns and quality, thus it is difficult to use only a single algorithm for segmenting all images. To achieve successful segmentation the images are first classified into image classes. Then sets of segmentation algorithms are used, based on the different image classes. The segmentation algorithms and classification algorithms have been tested in a laboratory and in industrial on-line systems for froth images, the test results show that they are robust for froth images. The processing speed for the segmentation algorithm is much faster than for a standard morphological segmentation algorithm. The processing accuracy is comparable to manual drawn result. This test shows that the algorithms work satisfactorily.     

基于改进Otsu的煤体CT图像阈值分割算法的研究

煤体CT图像阈值选取的准确性对于三维重建的模型能否还原真实煤体结构至关重要。Otsu阈值分割法(简称Otsu法)对煤体CT图像中孔裂隙结构的过分割,使得三维重建的煤体模型与实际不符。为克服该缺陷,首先探究了Otsu法对煤体CT图像阈值分割失效的机理,并据此确定合适的权重因子修正Otsu最佳阈值选择公式,提出了一种改进的Otsu阈值分割法(MP-Otsu阈值分割法,简称MP-Otsu法)。最后利用MatLab软件检测MP-Otsu法对煤体CT图像的二维分割效果,同时利用Avizo软件对煤体孔裂隙结构进行三维重建并对比改进前后孔裂隙参数的变化。结果表明:煤体内部矿物含量与Otsu法确定的阈值两者之间呈正相关关系。煤体内部矿物组分的存在导致目标和背景区域方差差异大,低孔隙率导致煤体CT图像灰度分布直方图呈单峰分布且不能提供足够的方差信息,这些特征是Otsu法对煤体CT图像阈值分割失效的主要原因。MP-Otsu法引入矿物含量与Otsu阈值的拟合曲线斜率,目标在图像中所占的大致比例等3个权重因子改进Otsu阈值分割法,得到的二值图像与原图像高度契合,能够准确提取孔裂隙目标区域。三维重建的模型孔隙率和最大喉道尺寸与Otsu法相比分别下降了96.18%和80.07%,有效克服了Otsu法对煤体CT图像过分割的缺陷。此研究能为进一步探究与孔裂隙结构相关的煤体物理特性提供基础。     

基于图像处理的输送带煤量动态计量研究

通过监测煤量来对井下输送带进行变频调速可以有效地为矿企节能减耗。利用矿井现有的硬件资源与通信接口，提出一种基于图像处理的输送带调速优化方案：针对图像反光的问题提出一种基于窗口阀值的滤波方法，有效去除噪声的同时保留了边界信息。对边界对比度低和现场光源不稳定的问题，首先利用反光程度不同的模板进行EMD匹配处理，经过腐蚀与膨胀后，采用改良的自适应阀值算法进行分割|使用连续帧间差分法识别一级输送带的运行状态来协调控制能耗。现场运行结果表明，该方案满足带式输送机的变频调速要求，且无需安装额外的硬件装备，具有一定的推广应用价值。     

基于机器视觉的阴极铜表面质量检测系统研究

为了解决了目前人工对于阴极铜表面质量检测存在的问题,实现阴极铜的全自动化检测与筛选。本文将图像处理技术应用于阴极铜表面质量的检测。论文的研究方法如下:首先选择试验需要的硬件和软件,然后通过试验采集照片,通过系统获得数据,最后把实际测量的数据和系统数据对比,分析之后得出结论。表面检测系统的流程设置为:图像预处理、相机标定、立体较正、立体匹配、数据计算。应用的原理和方法是双目视差原理、三角测量法、逐渐像提取法、以及Sobel算子和BM算法。把检测系统计算出相关数据与试验实际测量得出的数据进行对比,发现两种数据差别极小,检测结果一致,验证了检测系统的正确性,说明该系统能够满足实际生产的需求。最终建立一套阴极铜表面质量检测系统,确立了系统的结构设计和位置安装。本系统解决了当前人工筛选存在的问题,实现了阴极铜的全自动化生产。     

煤岩图像识别方法研究

煤岩图像识别是实现采掘工作面无人化的基础。研究了字典学习法、小波变换法、灰度共生矩阵法等主流算法在煤岩图像识别应用中的适用范围和存在的问题。提出了基于多参数融合的煤岩识别方法:提取温度、声音、振动、粉尘浓度、图像等特征参量,结合各自的优点,采用深度学习等先进技术,能够有效提高煤岩图像的鲁棒性及识别率。