共查询到20条相似文献,搜索用时 15 毫秒
1.
近年来,图像处理技术在矿石的智能分选领域广泛应用,但当前的智能分选图像处理算法在精度、算法效率和通用性等方面仍存在局限性。X射线分选矿石图像的轮廓提取是实现智能分选的重要前提之一,根据轮廓信息确定矿石中矿物分布、含量、尺寸及形态等特征,进而优化矿石的分选流程,提高矿产的回收率和经济效益。本文对X射线智能分选机的成像原理及图像噪声特性进行分析,概括了图像预处理方法并重点介绍了经典canny算法和深度学习的HED、DeepEdge、U-Net轮廓提取算法的原理和网络结构,对算法的优势与不足进行分析。最后提出X射线智能分选矿石图像处理算法现存的问题及今后的研究重点。为X射线智能分选图像处理系统矿物轮廓提取研究提供参考。 相似文献
2.
3.
4.
针对射线检测焊接图像内缺陷的提取,本文给出了一种利用小波分析对焊接图像中列灰度曲线奇异点检测进行缺陷提取的方法。把每一列灰度值曲线的微分曲线作为被分析函数f(x),根据Lipschitz指数与小波变换模极大值的关系,利用小波模极大值处检测出曲线f(x)上的所有奇异点,并利用Lipschitz指数来估算边缘点奇异程度,由此实现焊缝和缺陷边缘的精确检测。仿真结果表明,利用小波分析方法可取得较好的焊缝、缺陷边缘提取效果。 相似文献
5.
6.
双能X射线透射识别技术可识别物质种类,是一种能用于废金属回收的新方法。在废金属识别算法中,目前的曲线拟合识别算法只能在物质厚度较小时能较好的拟合,识别准确性和厚度范围不能满足废金属分选要求,并且不能解决X射线源扇形效应的影响。针对现有算法的不足,基于 曲线提出 识别特征,提高了识别的厚度范围;提出将物料位置作为识别特征,解决了扇形效应;结合 特征和位置特征提出基于BP神经网络算法的废金属分类模型。通过铜和铝物料实验对比,结果表明识别准确率从81.4%提高到了94%。 相似文献
7.
8.
矿石的检测是矿山企业采矿生产的重要工作,它既可以帮助分析指导采矿生产,又是后续选矿(冶炼)生产配比的组织保障。但是由于矿石的特殊性以及现场环境工况的复杂性,传统的矿石品位检测方法难以在无损检测的前提下准确的判断品位。X射线透射法已经成熟应用于安检、医疗领域中进行物质识别,本文将此方法改进引入矿石品位检测中,通过感知器算法形成分类曲线,依据分类曲线统计K值,进而判断矿石品位。这种方法立足于大量实验数据,判断结果和实际相符程度高,并且实现无损检测。 相似文献
9.
环境适应能力强、识别精度高是有效分离煤和矸石的前提。采用双能X射线透视煤和矸石并成像,避免了粉尘、光照强度和物料表面等外界因素影响。但双能X射线探测器采集射线能量数据存在余晖效应、厚度效应和射束硬化效应等缺陷。为降低缺陷影响,提高煤和矸石识别率,提出一种联合R值图像与高、低能图像特征对煤和矸石进行多维度分析的方法。首先基于双能X射线采集系统获取高、低能图像,并利用比值法得到R值图像;然后针对所获取的3种图像,研究煤和矸石密度及灰分含量等关键物性参数与图像特征关系,据此设计特征提取方案,共计提取8个特征参量,形成一种强特征组合;最后采用Relief算法度量每个特征参量的重要性,进而设计分类试验。以不同地区肥煤、焦煤、气煤和矸石为试验对象,观察剔除权重较低的特征后,分类模型准确率,发现以特征组合[Rc,Glc,Gl,Ra]为输入,PSO-SVM分类模型对3种煤混合矸石识别效果最佳,识别率为99.4%。结合PSO-SVM分类模型和[Rc,Glc,Gl,Ra]的特征组合对肥煤、焦煤和气煤分别混合矸石进行识别验证,结果表明:肥煤混合矸石识别率为98.89%,焦煤混合矸石识别率为100%,气煤混合矸石的识别率为99.44%。本方法通过联合多张图像的多个特征,进行多维度分析,发现R值图像特征和高能图像特征对煤和矸石的区分度最好,可有效降低双能X射线缺陷影响,能以较少的特征,实现对不同煤种的较高识别率,优于现有方法。此外,以灰分、密度为参照选取特征阈值,贴合实际需求,减少了工程应用中根据矿区煤质差异进行参数调整的频次,提高了识别模型的泛化能力。 相似文献
10.
针对工业领域利用深度学习模型对矿石进行在线分类时,矿石样本稀少导致的模型过拟合、分类准确率低的问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络(Enhance-based Classification ACGAN-gp, EC-ACGAN-gp),采用卷积和连续残差块构建判别器和生成器,引入注意力机制捕捉矿石细节特征,生成高质量样本扩充原始数据集,同时使用带梯度惩罚的Wasserstein距离重构判别器的损失函数提高对抗训练的稳定性,避免模式崩溃。通过增加辅助分类器重建样本标签信息,最终实现矿石样本的类别预测。结果表明,该方法能实现矿石品位分类的精准预测,准确率可达89.62%,比现有传统方法提高3.98%。该模型生成的矿石样本泛化性良好,能够显著提高小样本数据集的泛化性,在SVM、LeNet5、VGGNet、ResNet上测试,精度分别提升了2.83%、2.36%、1.89%和3.74%,可进一步用于提升其他分类模型在矿石品位预测方面的性能。 相似文献
11.
12.
13.
14.
将与矿石原子序数相关的R值图像映射方法运用在矿物识别中能够较准确的识别矿石,但是由于R值的推导直接忽略了矿石厚度的影响,从而导致其受厚度的影响较大,所以该图像映射方法存在一定的缺陷。与矿石厚度及密度相关的T值算法保留了厚度和密度两个重要参数,因此使用T值得到的图像信息量将会更多。本文使用T值图像映射方法对采集到的双能X射线透射矿石的图像进行验证。首先,对铝和铜进行T值与R值识别算法进行曲线拟合的优劣对比,经过实验可知,R值的相关系数仅为0.9145和0.9855,而T值曲线拟合相关系数分别达到了0.9983和0.9949,因此T值算法相对减小了厚度对物质识别的影响且T值算法更优。本文在此研究的基础上提出一种基于T值的图像映射方法。该方法首先利用灰度值来代替信号强度值计算出T值,得到由T值作为等大小的灰度图像,然后再使用中值滤波以及RGB配色得到最终的图像。经过实验可知,T值映射相较于R值映射不仅在运行速度上得到了提高,而且在图像清晰度以及矿石识别的准确率都得到了较好的提升。 相似文献
15.
为研究不同变形程度构造煤的孔隙结构特征,采用小角X射线散射(SAXS)和低温氮吸附相结合的方法,分析了重庆中梁山南矿不同类型构造煤的孔径、孔体积、比表面积和表面分形维数等参数的变化规律。SAXS研究结果表明,随着煤的变形程度增强,X射线散射强度增大,煤中微孔比例增加,最可几孔径减小,孔隙表面分形维数增大,这与低温氮吸附的结果一致。但由于两种方法的测试原理不同,SAXS所测孔隙比表面积高出低温氮吸附结果 1~2个数量级。 相似文献
16.
17.
灰分是煤炭工业分析的一项重要指标。针对目前灰分检测多采用人工方式,检测速度慢,难以指导煤炭生产过程等问题,研究了一种基于X射线衍射(XRD)的煤炭灰分快速检测方法。通过对XRD数据定性分析可知,矿物质在XRD曲线上表现为尖峰,煤中有机物在XRD曲线上表现为较宽的驼峰,且煤炭灰分与矿物质峰面积正相关,与有机物峰面积负相关;通过拟合XRD曲线,提取有机物及矿物质峰面积,并建立了两个煤炭灰分预测数学模型。研究结果表明:基于有机峰及矿物峰面积联合的数学模型预测误差更小;采用该模型对三个选煤厂煤样灰分进行预测,预测绝对误差均值分别为0.730 1%,0.809 9%,0.501 5%。该方法可在5 min之内获得干燥磨细后的粉末煤样的灰分数据,提高了灰分检测的速度,并且相对于目前应用较广的放射测灰法更加安全,具有工业应用价值。 相似文献
18.
19.