收藏本站
收藏 | 论文排版

基于图像处理的矿石粒度在线检测与分析

宋国庆  
【摘要】:破碎矿石的粒度信息一直是矿物加工过程中的一项关键数据指标,是评价破碎效果好坏的一项重要标准,尤其对选矿生产中选矿设备的工艺参数优化调整和实现选矿自动化具有非常重要的指导意义,通过对选矿矿石粒度的检测分析,能够及时地了解当前破碎机的工作状态,从而根据实际情况来及时地调节破碎机排矿口的大小,提高破碎机选矿的工作效率和破碎精度。在当前传统的选矿生产中,对于矿石粒度的检测主要通过人工筛分和沉降法检测等方法来实现,这些检测方法存在检测时间长,反馈矿石粒度的分布信息滞后,人为干扰影响大,导致检测的粒度的精确度比较低,效率不高。针对以上原因,本文研究了将机器视觉应用在粒度检测中的方法——基于图像处理的在线矿石粒度检测与分析,该方法运用工业相机对选矿车间传送带上的矿石颗粒图像进行实时采集,实时获取当前矿石的粒度分布信息,然后及时反馈给破碎机,来优化控制排矿口等参数的大小,消除了人工检测的误差,提高了选矿的效率和准确性,降低了能耗。通过对鞍钢集团矿业公司齐大山铁矿破碎车间实际生产情况和现场环境的实地考察,将基于图像处理技术的矿石粒度在线检测的方法应用到实际生产现场。首先应用工业相机采集矿石图像,通过双边滤波算法消除图像噪声并应用二值图像进行距离变换与重构以进行种子提取,为分水岭分割做准备,使其减少过分割的现象。其次利用形态学梯度重构的分水岭分割算法与Canny边缘检测算法(阈值的图像分割算法)相结合,将Canny边缘检测算法得到的分割边缘线与改进分水岭算法的分割线合并,实现矿石颗粒有效分割。然后利用击中与击不中变换方法统计矿石图像中不同粒度等级的矿石颗粒数量,实现了矿石颗粒的标定及矿石粒度的统计,得到输送带上破碎矿石粒度表层分布信息。最后提出了一种基于权值修正量的BP神经网络算法,预测矿石粒度深度分布状态,为进一步提升矿石粒度检测精度提供了保证,通过上述预处理分析以及现场人工筛分对比,预测精度满足实际现场需求,有效地提升了破碎能力,达到了多磨精磨的生产目的。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 马连铭;姬建钢;杜波;刘俊;郭庶;;基于机器视觉的矿石粒度检测方法比较研究[J];矿山机械;2017年10期
2 潘颢丹;杨洪英;陈世栋;李伟涛;任广智;佟琳琳;;矿石粒度对黄铜矿浸矿过程的影响[J];矿物学报;2010年S1期
3 叶忠伟;;进口铁矿石粒度检测用筛校准存在问题的探讨[J];检验检疫学刊;2009年06期
4 袁晓鹰;孙灿;;浅议进口铁矿石粒度指标[J];金属矿山;2008年07期
5 T Umadevi;Naveen F Lobo;Rameshwar Sah;P C Mahapatra;;铁矿石粒度对生球团性能的影响(英文)[J];世界钢铁;2013年04期
6 龚为;安翔;;铁矿石粒度与化验环节的关系探讨[J];冶金设备;2019年06期
7 谷士飞;张卫民;于荣;;矿石粒度和矿浆浓度对原生硫化铜矿细菌浸出的影响[J];有色金属(冶炼部分);2006年04期
8 张建立;叶平坤;孙深深;;形态学图像处理下的矿石粒度的检测[J];机械设计与制造;2020年03期
9 陈何;氧化铜矿石粒度对浸出效果的影响[J];江西有色金属;2001年01期
10 李丛奎,许署生,徐健;由矿石粒度确定最小取矿样量新方法[J];铀矿冶;1995年01期
11 蔡改贫;李龙茂;姜志宏;;基于图像处理的矿石粒度检测系统设计[J];冶金自动化;2013年06期
12 吴文芳;赴日本考察侧记[J];耐火材料;1997年02期
13 王张辉;;含硫矿石粒度与自燃氧化性关系的热重实验分析[J];能源技术与管理;2009年06期
14 成学军;;峨眉铁厂原料整粒——小、净、匀[J];四川冶金;1981年02期
15 罗小燕;林龙飞;蔡改贫;;基于图像处理的矿石粒度在线检测系统[J];仪表技术与传感器;2015年07期
16 邹勇;李军旗;徐本军;陈朝轶;董强;;高铁铝土矿铝铁分离技术研究[J];广州化工;2013年23期
17 任百禄;;第五铜鑛选鑛厂降低碎鑛粒度技术总结[J];有色金属;1952年07期
中国重要会议论文全文数据库 前2条
1 李荣兴;谢刚;杨棣;杨大锦;张皓东;;低品位硫化锌矿细菌浸出实验研究[A];2008年全国冶金物理化学学术会议专辑(下册)[C];2008年
2 袁明华;李德;陈会全;谢刚;杨大锦;李荣兴;;影响低品位硫化铜矿细菌浸出因素研究[A];2008年全国冶金物理化学学术会议专辑(下册)[C];2008年
中国博士学位论文全文数据库 前1条
1 展彦彤;基于多尺度特征分析的矿石粒度分布方法研究[D];中国矿业大学(北京);2019年
中国硕士学位论文全文数据库 前6条
1 宋国庆;基于图像处理的矿石粒度在线检测与分析[D];辽宁科技大学;2020年
2 孙深深;矿石粒度图像检测技术的研究[D];郑州大学;2019年
3 商梦石;基于图像处理的矿石粒度检测方法研究[D];昆明理工大学;2017年
4 董珂;基于机器视觉的矿石粒度检测技术研究[D];北京工业大学;2013年
5 胡娟;图像处理技术在岩体爆破粒度分析中的应用[D];辽宁科技大学;2012年
6 李龙茂;基于数字图像处理技术的粒度在线检测方法研究[D];江西理工大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978