基于图像识别的在线粒度检测方法研究与检测系统设计.pdf

分类号 密级 公开 U D C 学号 6720160287 硕硕 士士 学学 位位 论论 文文 学学 位位 类类 别别 全日制专业型全日制专业型硕士硕士 作作 者者 姓姓 名名 黄习敏黄习敏 学学 科科 专专 业业 机械工程机械工程 研研 究究 方方 向向 图像处理图像处理 指指 导导 教教 师师 姜志宏姜志宏 副教授副教授 2019 年年 05 月月 29 日日 基于图像识别的在线粒度检测方法研究与检测系统设计基于图像识别的在线粒度检测方法研究与检测系统设计 Research and design of online particle size detection system based on image recognition 万方数据 江西理工大学硕士学位论文 独创性声明 学位论文独创性声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人 已经发表或撰写过的研究成果， 也不包含已获得江西理工大学或其他教育机构的 学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已 在论文中做了明确的说明并表示谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 研究生签名 时间 年 月 日 学位论文版权使用授权书 本人完全了解江西理工大学关于收集、保存、使用学位论文的规定即学校 有权保存按要求提交的学位论文印刷本和电子版本， 学校有权将学位论文的全部 或者部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保 存、 汇编以供查阅和借阅；学校有权按有关规定向国家有关部门或者机构送交论 文的复印件和电子版。本人允许本学位论文被查阅和借阅，同意学校向国家有关 部门或机构送交论文的复印件和电子版，并通过网络向社会公众提供信息服务。 保密的学位论文在解密后适用本授权书 学位论文作者签名（手写） 导师签名（手写） 签字日期 年 月 日 签字日期 年 月 万方数据 江西理工大学硕士学位论文 摘要 I 摘要摘要 碎矿的粒度信息反映了破碎过程中各级破碎机的工作状况。 通过碎矿的在线 粒度检测，可以实时地掌握矿石的粒度分布情况，将检测结果反馈给破碎机控制 系统，能够有效的控制破碎机的工作参数，从而提高选矿效率，降低能耗，提高 矿产资源的利用率。基于计算机视觉图像处理的在线粒度检测技术，具有安全、 快速、非接触测量等诸多优势，是当前颗粒检测技术研究的热点。 本课题主要针对矿石破碎过程中粒径信息采集方法问题， 采用图像处理技术， 设计在线粒度测量系统。论文的主要研究成果如下 （1）针对采集的矿石图像存在运动模糊的问题，采用基于梯度结构相似度 的清晰度算法（NRSS） ，对采集到的多幅不同清晰度、不同内容的矿石图像进行 实验对比，初步确定判断图像是否清晰的 NRSS 阈值。 （2）针对矿石图像中粘连颗粒无法有效地分割问题，提出基于多尺度形态 学梯度的改进分水岭变换的分割方法，通过与常见的分割算法对比，结果表明， 该分割方法能够较精准的分割出颗粒目标。 （3）根据实际测量单位与像素标定的关系，计算矿石图像中每个颗粒的实 际参数特征，对矿石分割区域进行标定，统计矿石粒度分布状况，并绘制颗粒的 参数分布图和粒度分布图。结果表明，检测到的粒径分布结果与实际筛分结果相 差较小，具有较高的准确性。 （4）结合 MATLAB 图像处理工具箱和图形用户界面开发环境（GUIDE） ， 组建粒度在线检测系统的软件部分，利用 MATLAB 与 Excel 之间的通讯，实现 图像载入、 图像去噪、 图像二值化、 图像分割、 粒度检测、 保存粒度数据等功能。 本研究设计的在线粒度检测系统能够精确的分割矿石图像， 实现粒度的在线 检测。 关键词颗粒检测；颗粒图像分割；分水岭算法；粒度分布 万方数据 Abstract II Abstract The particle size ination of crushed ore reflects the working status of crushers at all levels in the crushing process. The particle size distribution of ore can be mastered in real time by online particle size detection. The test results are fed back to the crusher control system, which can effectively control the working parameters of the crusher. So as to improve the efficiency of mineral processing, reduce energy consumption, improve the utilization rate of mineral resources. Online particle size detection technology based on computer vision image processing, which has many advantages such as safe and fast non-contact measurement, is a hot spot of current particle detection technology research. Aiming at the spot production environment, the image processing technology is used and the on-line granularity measurement system is designed in this research. The main results of this research are as follows 1 The resolution algorithm NRSS based on gradient structural similarity is used to compare the ore images with different resolution and content. A preliminary NRSS threshold that can be used to determine whether an image is clear. Finally, the validity of threshold selection is verified by randomly collected images. The results show that the threshold can accurately uate the sharpness of collected images. 2 Aiming at the problem that the adhesive particles in the ore image cannot be effectively segmented, an improved watershed trans segmentation based on multi-scale morphological gradient is proposed. Compared with the common segmentation algorithms, the results show that the particle target can accurately be segmented in this segmentation . 3 According to the relationship between the actual measurement unit and pixel calibration, the actual parameter characteristics of each particle in the ore image are calculated. The ore segmentation region is demarcated. The ore particle size distribution is statistically analyzed. And the parameter distribution map and particle size distribution map are drawn. The results show that the difference between the detected particle size distribution results and the actual screening results is small and has high accuracy. 万方数据 Abstract III 4 By combining MATLAB image processing toolbox and GUI development environment GUIDE, the software part of granularity online detection system is established. And the system operation interface is designed. The communication between MATLAB and Excel is used to realize the function of image loading, image denoising, image binarization, image segmentation, particle size detection and particle size data preservation. The ore image can precisely be segmented and the on-line particle size detection is realized by the on-line particle size detection system that is designed in this research. Key Words detecting microparticles; granular image segmentation; watershed algorithm; particle size distribution; 万方数据 江西理工大学硕士学位论文 目录 I 目目 录录 摘要 .................................................................................................................................................. I Abstract ............................................................................................................................................ II 第一章 绪论 ..................................................................................................................................... 1 1.1 论文的研究背景及意义 ..................................................................................................... 1 1.2 现代粒度检测方法 ............................................................................................................ 1 1.3 国内外研究现状 ................................................................................................................ 3 1.3.1 图像粒度检测技术的研究现状 .............................................................................. 3 1.3.2 矿石图像分割算法的研究现状 ............................................................................. 4 1.4 主要研究内容 .................................................................................................................... 5 第二章 矿石图像采集装置及矿石图像分析 ................................................................................. 7 2.1 矿石颗粒图像的采集 ........................................................................................................ 7 2.1.1 工业相机选型 ......................................................................................................... 8 2.1.2 光源 ......................................................................................................................... 8 2.2 矿石图像的特征分析 ........................................................................................................ 9 2.3 矿石的检测指标和检测性能评价方法 ........................................................................... 10 2.4 本章小结 .......................................................................................................................... 11 第三章 矿石图像预处理 ............................................................................................................... 13 3.1 无参考图像质量评价算法 .............................................................................................. 13 3.1.1 基于梯度结构相似度的清晰度算法 ................................................................... 13 3.1.2 实验与分析 ........................................................................................................... 14 3.2 矿石图像的滤波算法 ...................................................................................................... 16 3.2.1 去噪效果评价指标 ............................................................................................... 16 3.2.2 中值滤波 ............................................................................................................... 17 3.2.3 自适应中值滤波 ................................................................................................... 19 3.3 矿石图像二值化算法 ...................................................................................................... 20 3.3.1 基于积分图像的自适应阈值化算法 ................................................................... 20 3.3.2 矿石图像二值化实验分析 ................................................................................... 22 3.4 本章小结 .......................................................................................................................... 23 第四章 复杂矿石图像分割算法研究 ........................................................................................... 25 万方数据 江西理工大学硕士学位论文 目录 II 4.1 基于多尺度形态学梯度改进分水岭的颗粒分割算法 .................................................. 25 4.1.1 形态学重构 ........................................................................................................... 26 4.1.2 多尺度形态学梯度 ............................................................................................... 27 4.1.3 算法实现 ............................................................................................................... 28 4.2 实验结果与分析 .............................................................................................................. 32 4.3 本章小结 .......................................................................................................................... 36 第五章 矿石图像颗粒特征参数与粒度分布 ............................................................................... 37 5.1 矿石粒度的特征参数 ...................................................................................................... 37 5.1.1 矿石颗粒形态参数 ............................................................................................... 37 5.1.2 矿石图像的单位标定 ........................................................................................... 38 5.2 矿石粒度分布实验分析 .................................................................................................. 38 5.3 本章小结 .......................................................................................................................... 41 第六章 颗粒检测系统的总体设计 ............................................................................................... 43 6.1 颗粒检测系统的设计指标 .............................................................................................. 43 6.2 矿石检测系统的总体结构 ............................................................................................... 43 6.3 矿石检测系统的软件设计 .............................................................................................. 44 6.3.1 软件功能分析 ....................................................................................................... 44 6.3.2 图像采集软件设计 ............................................................................................... 45 6.3.3 程序实现 ............................................................................................................. 46 6.4 本章小结 .......................................................................................................................... 52 第七章 结论与展望 ....................................................................................................................... 53 7.1 结论 .................................................................................................................................. 53 7.2 展望 .................................................................................................................................. 53 参考文献......................................................................................................................................... 55 致谢 ................................................................................................................................................ 58 攻读硕士学位期间的研究成果 ..................................................................................................... 59 万方数据 第一章 绪论 1 第一章第一章 绪论绪论 1.1 论文的研究背景及意义 粒度控制是选矿破碎作业中核心的工作， 然而目前国内破碎过程的控制仍然 由人工控制为主，由于取样，分析等人为因素常造成指标波动频繁，使得控制精 度低， 控制过程的能源损耗高。 精确的粒度控制， 对于提高选矿破碎作业的效率， 实现控制过程的节能降耗具有重要的现实意义。 粒度分布指的是不同尺寸的破碎颗粒占总颗粒的百分比含量。 破碎矿石的粒 度分布是破碎过程的主要的工艺考核指标，精确检测破碎矿石产品的粒度分布， 并据此对破碎工序控制参数进行及时调节，从而调整破碎产品的粒度分布，实现 破碎过程粒度控制的优化。 目前我国绝大部分选矿厂， 由于条件限制都没有在破碎过程中引入在线粒度 检测系统，限制了我国选矿自动化的发展，因此有必要研制一套满足碎矿作业需 求的在线粒度检测系统。通过设计的硬件采集装置，在线采集碎矿作业中的矿石 图像。检测系统采用多尺度梯度与改进分水岭算法结合的图像分割技术， 实现对 矿石图像的分割与识别。在线实时检测碎矿的粒度分布，及时反馈给碎磨控制系 统，实现破碎作业的自动化控制。这不仅提高了矿石破碎效率，促进选矿企业的 自动化发展，提升了企业的市场竞争力，并大大降低能耗，给矿产企业带来巨大 的经济效益。 1.2 现代粒度检测方法 现代常用的粒度检测方法很多，如筛分法、沉降法、显微镜法、电感应法、 光散射法等。 不同检测方法的理论依据不同， 获得的参数有平均直径、 平均粒度、 等效体积直径、等效表面积直径、Feret 直径、Strokes 直径等。同时，得到的粒 度分布的表示方法也互不相同，如颗粒个数、百分数、质量百分数等。 （1）筛分法 筛分法[1]是较早提出的检测方法，利用多个筛孔的大小不同筛子，多次筛选 将样品分成多个粒级，再对各个粒级分别称重，然后以各个粒级占总质量的百分 数来表示颗粒粒度分布的方法。该方法可处理物料粒度为 0.01100mm，粒度大 万方数据 第一章 绪论 2 于 0.1mm 采用干筛方法，小于 0.1mm 则采用湿分法。筛分法具有操作简单，设 备费用低的优点，其缺点是筛分结果受颗粒形状的限制，其影响较大，这就需要 在破碎过程尽量使颗粒形状规则[2]。 （2）沉淀法 沉降法[3]主要通过颗粒大小不同在水中沉降速度不同，获得物料的若干粒级。 沉降法适用于测量粒度为175 m 的细粒物料，按沉降速度的差异分级。沉降 法测量颗粒粒度时，其结果既受颗粒的形状影响，又受颗粒密度的影响。因此， 当被检测的物料中包含不同密度的颗粒时， 其测定结果中的各个粒级都包含密度 大的小颗粒和密度小的大颗粒。沉降法主要分为重力沉降法和离心沉降法，重力 沉降法适用于粒度为2100 m 的颗粒，而离心沉降法适于粒度为0.01 20 m 的颗粒。选矿过程中主要使用重力沉降分析法。 （3）显微镜法 显微镜法就是在显微镜下对颗粒的大小和形状直接进行测量的方法， 通常用 来检查分选作业的产品或校正沉降法所得到的分析结果。依照粒度大小，可分别 选用光学显微镜或者电子显微镜。光学显微镜测定范围为0.8150 m ，粒度大 于 150m 的颗粒常用放大镜观察，电子显微镜用于观察小于0.8 m 的颗粒， 在0.0015 m 范围内的颗粒常用电子显微镜直接观察粒度。 由于显微镜法在测量过程中要考虑物体颗粒的形状， 所以其测量的结果不仅 仅是平均粒度的分布图，而且还需要绘制特定表面的粒度分布图。多个颗粒易在 力的作用下形成球团，这会使测量的结果不准确，因此在用电子显微镜对超细颗 粒进行测量时， 需要选择适当的方法对颗粒进行分散操作， 减小测量结果的误差。 传统显微镜测量方法，是采用人工对大量样本显微图像进行统计分析。由于人工 统计受主观因素影响，导致测量精度低，误差大。 4 激光粒度分析法 激光粒度分析法测量物体粒度通常是采用激光粒度分析仪对微细粒级物料 进行粒度组成测量[4]，这种分析方法的优点是节省时间、使用方便，12min 即 可完成一个样品的检测，而且检测结果不需要进行任何数据处理。由于颗粒形状 的多种多样，而且每次检测使用的样品小于 1g，往往为了保证测定结果真实可 靠，需要平行测定 3 次以上，取其平均值作为检测结果。 ５ 夫朗和费激光衍射法 激光衍射粒度分析方法是根据夫朗和费衍射理论得出[5]。该方法要求颗粒粒 径须大于激光波长，此方法设计仪器测量范围是31000 m ，具有快速、简单、 经济、实用、准确的特点，在各领域的测量研究中得到广泛应用。 万方数据 第一章 绪论 3 1.3 国内外研究现状 随着工业现代化的快速发展， 而矿物资源又是该发展过程中极为重要的一环， 矿物资源的需求量和开采量突飞猛进，各个矿山的矿物资源总量也随之减少，甚 至有些地方出现了矿物资源稀缺的现象。因此，提高矿物资源利用率，充分利用 其价值成了近年来各个矿产企业的重点。目前，提高矿物资源利用率有较多的方 法， 其中较为常用且已成为热点的一种方法是建立出矿石的粒级分布模型，以提 高碎磨工序质量，进而实现岩石颗粒各个粒径的有效利用。但是，大部分选矿行 业还处于非自动化地粒度检测，即安排工人对岩石进行取样，再经过筛选，其过 程较为复杂且工作效率较低，最重要的是存在无法实时检测的缺陷，进而也无法 在线获取排料口的粒度分布，缺乏反馈检测的功能。因此，寻找一种高效地自动 化颗粒检测方法迫在眉睫，已成为该领域研究的重点。 近年来，计算机技术、智能控制及图像处理方法迅速兴起，为解决颗粒实时 检测问题提供了一种新思路基于图像处理的粒度检测方法。 该方法在多学科 交叉的基础上，将机器视觉图像处理应用于矿石粒度检测当中，以期得到矿石碎 后粒度分布数据。在进行颗粒图像处理过程中，由于摄像设备的原因及现场光线 不均匀，会产生表面噪声严重、堆叠等现象，需采用滤波图像分割等进行处理。 图像分割的效果直接影响矿石粒度参数检测，因此，采用智能优化算法优化分割 过程， 从而实现矿石颗粒图像的准确分割，是基于图像处理的矿石粒度检测方法 的关键所在。 1.3.1 图像粒度检测技术的研究现状 基于机器视觉理论，可以对矿石颗粒的大小和边界进行标定及捕捉，国外许 多学者对此具有较大兴趣。Julius Kruttschnitt 研究所在 1976 年，将光学传感器 运用至矿石研究中， 以期得到其一维弦长， 遗憾的是， 这样做有一个很大的缺陷， 即没考虑光源是不规则的，从而得到的数据与真实数据相比，具有较大的偏差， 一方面，该方法不能处理高度重合且较多矿石的情况；另一方面，采用一维弦长 来描述矿石颗粒的粒径参数不合常理。因此，并没有推广使用。King 等也报道 了类似结果，机器视觉原理来获取弦长，进而得到矿石颗粒的形状特征[6]，但也 存在不能正确表述的问题。 Lin 等发现了一种新型颗粒粒度确定方法[7]，但该方法仅针对粗颗粒，而且 万方数据 第一章 绪论 4 在皮带机上进行具体实验时，并不能得到较好的结果，没有实现矿石颗粒的实时 在线检测，但为后人的研究奠定了基础。 南非Cape Town大学的Crida博士于1995年设计了一套矿石图像分割装置[8]， 该装置系统把椭圆检测带到了矿石颗粒的形状特征提取当中，不足的是，对其进 行实验的结果显示，该装置存在较多颗粒未检测的情况。 Arizona 大学的研究学者自主研制了一套在线颗粒分析装置，该装置需人工 对系统的光线环境进行调节，但其捕捉到的图像处理结果也不尽人意。 国内对于粒度检测技术的研究相对较晚，但也取得了不错的成果。苑玮琦等 报道了对水泥生料球粒度的检测方法[9][10]，结果表明，该方法具有一定的有效性 [11]。蔡健荣等于 2002 年基于计算机机器视觉理论分析了超微粉碎物料粒度的特 征提取及图像识别，结果表明，该方法能够较大程度上得出超微粉碎物料粒度的 粒径分布情况[12]黄胜国等自主研制了一种基于显微图像理论的矿石粒度检测装 置[13][14]， 并取得了较好的结果。 温春友等基于图像处理得到了球团的粒度分布， 并基