基于機器視覺的鎢礦初選算法研究.pdf

1、隨著機器視覺檢測在工業(yè)中的廣泛應用,為工業(yè)生產的信息化、智能化提供了強有力的技術支持。針對目前我國鎢礦開采過程中,在礦石初選時還采用傳統(tǒng)的人工選礦方法,其存在的弊端是顯而易見。而鎢礦在礦石中的紋理分布和獨特的顏色特征,為機器視覺檢測提供了客觀依據(jù)。利用機器視覺技術的強大優(yōu)越性:速度快、信息量大、功能多、效率高等特點,如果將其應用于鎢礦石初選檢測,將具有人工檢測所無法比擬的優(yōu)勢。利用機器視覺進行檢測不僅可以排除人的主觀因素的干擾,而且還能

2、夠對這些指標進行定量描述。避免因人而異的分選結果,減小礦石初選誤差,提高生產效率和分選精度。
　　因此在針對鎢礦初選環(huán)節(jié)的機械化分選問題,本文在論證了機器視覺技術應用于鎢礦初選檢測系統(tǒng)中軟硬件實現(xiàn)可行性的基礎上,重點研究了系統(tǒng)檢測過程中的核心算法——目標礦的邊緣檢測,并展開了具體的分析和研究。對此本文主要做了如下一些工作:
　　首先,根據(jù)機器視覺檢測的特點,研究了機器視覺檢測系統(tǒng)的一般結構和系統(tǒng)功能,與此同時給出了機器視覺技

3、術應用于鎢礦石初選工藝流程。
　　其次,在研究了鎢礦石物象特征的基礎上,結合鎢礦初選工藝,提出了基于機器視覺分選的具體的硬件和軟件算法解決方案。概述了機器視覺檢測技術在鎢礦初選系統(tǒng)中的具體實現(xiàn)。
　　再者,重點分析和研究了系統(tǒng)檢測過程的核心算法——鎢礦圖像的邊緣檢測。首先研究比較了Roberts算子、Sobel算子、Prewitt算子、拉普拉斯高斯算子、Canny算子,在鎢礦圖像特征提取上的效果、算子的抗噪性、穩(wěn)定性等。并且

4、簡要分析了每個算子的特點,及每個算法在檢測鎢礦圖片存在的不足。對此提出了解決問題的方法——基于SUSAN算法的邊緣檢測。其中重點研究了SUSAN算法運用在鎢礦圖像邊緣提取的可取性,并結合工藝流程要求對算法的快速性能提出了改進方法。用測試圖像對提取算子進行試驗分析,結果表明SUSAN算子的改進在測試圖上的結果表明各項性能有所提高。
　　最后,基于數(shù)學形態(tài)學是一種非線性濾波方法,可以用來解決抑制噪聲、特征提取、邊緣檢測、圖像分割、紋理