基于机器视觉的球团矿粒度检测方法研究
发布时间：2020-04-06 04:11
【摘要】：球团矿作为一种高炉精料有强度好、含铁品位高和还原性好等特点,在钢铁冶炼中有着重要作用。球团粒度是球团矿质量最重要的指标之一,但目前球团矿的粒度检测主要是传统筛分法和人工检测方法,这两种方法不仅检测效率低、准确率性差,而且粒度信息不能实时在线反馈,严重影响了球团质量的保证。本文将机器视觉检测技术应用于球团矿粒度检测中,是目前球团矿粒度检测的主要研究方向。球团矿生产工业环境复杂,原始球团矿图像含有许多噪声,必须对球团矿图像进行预处理。本文采用巴特沃斯滤波方法,既能消除噪声又较好的保护图像中的边缘信息;采用开闭重建处理图像,使得球团矿图像中的明暗细节被消除,同时重建之后图像没有产生新的边界或是边界偏移现象,并且目标区域内的极大值和极小值得到修正。球团矿图像是一种典型的类圆形堆叠颗粒图像,对其实现有效分割是保证粒度检测准确性的关键。本文分析了球团矿图像的分割难点,研究表明传统的图像分割方法不能满足球团矿图像的分割要求,为此提出了一种基于自适应标记提取的分水岭分割算法。通过仿真验证,方法能将目标球团准确分离,很好地解决图像中目标相互遮挡、粘连等类圆形堆叠图像问题,克服了传统分水岭算法的过分割现象。在球团矿图像有效分割的基础上,首先采用基于线标记方法对二值图像连通区域进行标记,利用提出的FUR圆形度度量指标将不能正确反映球团矿粒度信息的目标区域筛除,以保证后期检测结果的准确性。然后,标定图像检测系统的系数并提取球团矿图像中球团目标的实际面积,换算得到球团矿的粒度值。最后,将本文检测的球团矿粒度值与实际粒度检测结果进行对比,结果表明,基于机器视觉的球团矿粒度检测方法具有较好的准确性和可靠性。基于机器视觉的球团矿粒度检测方法,传统的筛分法相比,更加方便易行、准确,而且具有实时性,能实现在线检测,对提高球团生产质量起到极大的推动作用。
【图文】：
逦（２．８）逡逑当巴特沃斯滤波器阶数》较大时，其作用效果接近理想滤波器：当阶数较小时接近高斯逡逑滤波器［３６］，如图２．４是巴特沃斯低通滤波器的３Ｄ形状视图。本文采用的滤波器阶数《＝２，逡逑截止频率ＺＸ）＝１５０，处理结果如图２．５所示。从效果对比看出，巴特沃斯滤波处理效果逡逑在抑制噪声的同时，图像边缘模糊程度大大降低，且没有振铃效应。这样不仅达到滤波逡逑预处理效果，同时保护了球团矿原始图像边缘信息。逡逑－１７－逡逑
图２．５巴特沃斯低通滤波效果图逡逑Ｆｉｇ．邋２．５邋Ｂｕｔｔｅｒｗｏｒｔｈ邋ｌｏｗ－ｐａｓｓ邋ｆｉｌｔｅｒ邋ｅｆｆｅｃｔ邋ｄｉａｇｒａｍ逡逑２．３球团矿图像形态学处理逡逑数学理论中，数学形态学建立在严谨的数学集论基础上，用来分析研究空间结构的逡逑形状、框架的数学分支。自数学形态学理论提出以来，，逐渐被应用于数字图像处理、信逡逑号处理、模式识别、数据处理和图像分析等诸多领域。数字图像处理中数学形态学可以逡逑用来处理抑制噪声、边缘检测、图像分割、纹理分析、图像恢复及重建等诸多问题。逡逑形态学图像处理的直观理解是，利用结构元素作为“刷子”在待处理图像中移动及相逡逑应运算，以此了解图像各部分间的相互结构并做出相应处理，已达到操作图像的目的。逡逑显然结构元素非常重要，根据我们研[偟耐枷衲谌莺吞匦缘牟煌淇删哂屑褐牟煌义闲巫础⒋笮『突叶鹊刃畔ⅰ＝峁乖厥怯杉系愎钩傻模煌慕峁乖氐淖饔眯Ч铄义弦旌艽螅虼松杓品喜僮髂康牡慕峁乖厥峭枷穹治龅墓丶街琛ｅ义
本文编号：2615989
【图文】：
逦（２．８）逡逑当巴特沃斯滤波器阶数》较大时，其作用效果接近理想滤波器：当阶数较小时接近高斯逡逑滤波器［３６］，如图２．４是巴特沃斯低通滤波器的３Ｄ形状视图。本文采用的滤波器阶数《＝２，逡逑截止频率ＺＸ）＝１５０，处理结果如图２．５所示。从效果对比看出，巴特沃斯滤波处理效果逡逑在抑制噪声的同时，图像边缘模糊程度大大降低，且没有振铃效应。这样不仅达到滤波逡逑预处理效果，同时保护了球团矿原始图像边缘信息。逡逑－１７－逡逑
图２．５巴特沃斯低通滤波效果图逡逑Ｆｉｇ．邋２．５邋Ｂｕｔｔｅｒｗｏｒｔｈ邋ｌｏｗ－ｐａｓｓ邋ｆｉｌｔｅｒ邋ｅｆｆｅｃｔ邋ｄｉａｇｒａｍ逡逑２．３球团矿图像形态学处理逡逑数学理论中，数学形态学建立在严谨的数学集论基础上，用来分析研究空间结构的逡逑形状、框架的数学分支。自数学形态学理论提出以来，，逐渐被应用于数字图像处理、信逡逑号处理、模式识别、数据处理和图像分析等诸多领域。数字图像处理中数学形态学可以逡逑用来处理抑制噪声、边缘检测、图像分割、纹理分析、图像恢复及重建等诸多问题。逡逑形态学图像处理的直观理解是，利用结构元素作为“刷子”在待处理图像中移动及相逡逑应运算，以此了解图像各部分间的相互结构并做出相应处理，已达到操作图像的目的。逡逑显然结构元素非常重要，根据我们研[偟耐枷衲谌莺吞匦缘牟煌淇删哂屑褐牟煌义闲巫础⒋笮『突叶鹊刃畔ⅰ＝峁乖厥怯杉系愎钩傻模煌慕峁乖氐淖饔眯Ч铄义弦旌艽螅虼松杓品喜僮髂康牡慕峁乖厥峭枷穹治龅墓丶街琛ｅ义
本文编号：2615989
本文链接：https://www.wllwen.com/projectlw/yjlw/2615989.html
