CN107063946A - 视频生球粒径仪及其生球粒径状态检测方法 - Google Patents
视频生球粒径仪及其生球粒径状态检测方法 Download PDFInfo
- Publication number
- CN107063946A CN107063946A CN201611207414.7A CN201611207414A CN107063946A CN 107063946 A CN107063946 A CN 107063946A CN 201611207414 A CN201611207414 A CN 201611207414A CN 107063946 A CN107063946 A CN 107063946A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- pixel
- green
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 138
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 239000000463 material Substances 0.000 claims abstract description 117
- 238000003384 imaging method Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 230000010339 dilation Effects 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000005498 polishing Methods 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 26
- 238000003707 image sharpening Methods 0.000 claims description 17
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 230000001681 protective effect Effects 0.000 claims description 11
- 239000000835 fiber Substances 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 239000013307 optical fiber Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010926 purge Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000005453 pelletization Methods 0.000 abstract description 4
- 238000005260 corrosion Methods 0.000 abstract 1
- 230000007797 corrosion Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011175 product filtration Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种视频生球粒径仪及其生球粒径状态检测方法,视频生球粒径仪包括图像采集***、数据传输***和数据处理***;图像采集***包括设置在两个LED光源之间的成像设备,使成球区域上采集的有效物料宽度不小于1.4m;两个LED光源对向低角度打光,对成像设备进行光源补偿;配合生球粒径状态检测方法,对现场采集原始图像依次进行去噪、均衡、平滑、增强、锐化、自适应阈值的二值化以及腐蚀和膨胀运算处,得到送入高炉炉料的粒度和块数信息;该视频生球粒径仪及其生球粒径状态检测方法能够实现对造球机成球区域造球质量和状态进行准确监控、图像处理,并能够对出现异常物料及时报警。
Description
技术领域
本发明涉及视频监控分析技术领域,特别涉及一种视频生球粒径仪及其生球粒径状态检测方法。
背景技术
随着资源不断的枯竭和国际铁矿石价格的不断攀升,高炉使用的原燃料质量不断出现劣化。对于大型高炉,高炉的操作、铁水质量均与原料有着非常密切的关系,“七分原料,三分操作”,可以说原料对高炉的操作的顺行、稳定起着非常重要的作用。造球机是为高炉提供球团矿物料的设备,造球机的成球合格率及矿石物料的部分比例会直接影响到高炉的生产质量。
目前国内外对粒度检测的方法主要包括机械的筛网筛分法、激光衍射法、电感应法等(后两者主要针对尘埃颗粒),随着数字图像处理技术在粒度识别领域中的应用,颗粒测量技术向着范围广、测量准确度和精确度高、重现性好、速度快的方向发展。
近年来,随着数字图像处理技术的广泛应用,非接触式的视频在线自动检测技术逐渐兴起。非接触式是指通过工业相机采集物料图像,可以实时进行物料的现场监控和检测,但是现有技术在检测方式和处理速度上还存在不足。
发明内容
本发明的目的是提供一种实现准确监控造球机成球区域造球状态,并能够对出现异常物料及时报警的视频生球粒径仪。
本发明的另一目的是提供一种对造球机成球区域的造球状态和质量进行在线实时检测的生球粒径状态检测方法。
为此,本发明的技术方案如下:
一种视频生球粒径仪,包括图像采集***、数据传输***和数据处理***;
所述图像采集***包括设置在两个LED光源之间的成像设备,所述成像设备包括多台工业相机和安装在每台所述工业相机上的镜头,所述LED光源低于所述成像设备设置,且对向低角度打光;
所述工业相机设置在造球机的成球区域正上方,且多台所述工业相机的台数与每台所述工业相机的视野范围相互配合,使多台所述工业相机在成球区域上采集的有效物料总宽度不小于1.4m;其中,相邻所述工业相机之间的水平距离为350~550mm;所述工业相机镜头至成球区域的垂直距离为1185~1215mm;
两个所述LED光源对向打光,且与相邻一侧设置的所述工业相机之间的水平间距为400~650mm、垂直距离为0.4~0.5m;所述LED光源的光束中心线与位于成球区域所在平面之间所成夹角为40~60°。
每台所述工业相机的外侧均套装有一防护套,在所述防护套的前端面中心位置设置有一开孔,使工业相机镜头能够通过该开孔采集图像,所述防护套内还设置有一气体吹扫装置,使压缩空气由内向外吹扫镜头表面。
所述数据处理***设置在中央控制室内,包括用于对图像采集***采集的图像进行计算分析的高速处理工控机、实时显示在线采集图像及数据计算分析结果的显示器和面对异常情况自动启动发出警报的报警装置;所述高速处理工控机与所述显示器之间通过数据传输线连接;所述报警装置通过信号转换器与所述高速处理工控机连接。
所述数据传输***包括分别设置在现场控制箱和室内控制箱内的光纤收发器以及用于连接各设备之间的光纤和网线;所述现场控制箱和所述室内控制箱的光纤收发器之间通过光纤连接;所述图像采集***与所述现场控制箱之间通过网线和电源线连接;所述室内控制箱和所述高速处理工控机之间通过网线连接。
其中,为了连接的稳定性和安全性,所述网线的长度为1~5m;所述网线的 一端采用M12接头与所述高速处理工控机的M12接口连接。
一种生球粒径状态检测方法,包括如下步骤:
S1、利用上述图像采集***对造球机球盘中的物料状态进行图像采集,获得原始图像;
S2、对经步骤S1获得的原始图像依次进行图像去噪、图像均衡和图像平滑预处理;
S3、对经步骤S2处理后的图像依次进行图像增强和图像锐化处理;
S4、对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料颗粒的图像;
S5、对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理;
S6、对经步骤S5处理后的图像进行物料颗粒进行粒度、平均粒度和数量的计算;
S7、对每批物料颗粒生产周期内获取的全部原始图像重复上述步骤S2~S6的处理过程,计算出整批物料颗粒的平均粒度和粒度分布。
所述步骤S2中,对原始图像的图像去噪处理、图像均衡处理和图像平滑处理的具体方法为:
S201、图像去噪处理采用自适应中值滤波的方法进行处理,包括两步计算:
第一步:计算A1和A2的数值:
A1=zmed-zmin
A2=zmed-zmax
如果A1>0且A2<0,则进行第二步计算,
否则,增大滤波窗口的尺寸;
如果增大后的窗口尺寸≤Smax,则重复第一步计算,
否则输出zmed;
第二步:计算B1和B2的数值:
B1=zxy-zmin
B2=zxy-zmax
如果B1>0且B2<0,则输出zxy,否则输出zmed;
其中,Zmin为Sxy中灰度级的最小值,Zmax为Sxy中灰度级的最大值,Zmed为Sxy中灰度级的中值Zxy为在坐标(x,y)上的灰度级,Smax为Sxy允许的最大尺寸,B1=zxy-zmin,B2=zxy-zmax;通过图像去噪处理解决实际图像由于噪声干扰而导致图像质量下降的问题,有效地提高图像质量,增大信噪比,更好的体现原来图像所携带的信息,尽可能多的保留原始图像的细节,为后续的图像处理打下良好的基础;
S202、图像均衡处理按照公式:
进行,其中,rk是原始图像中的第k个灰度级,sk是rk经变换后的灰度值,T(rk)为变化函数,Pr(rk)为原始图像中灰度级为rk的像素出现的概率,nj为第k级灰度的像素数,N为一幅图像中像素的总数;对原始图像进行图像均衡处理的目的为对原始图像的像素灰度做映射变换,使变换后的图像灰度的概率密度均匀分布,增加图像灰度的动态范围,达到提高图像的对比度的目的;
S203、图像平滑处理采用高斯平滑函数,按照公式:
进行,其中,(x,y)是图像的坐标,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,σ是高斯滤波器宽度。
对步骤S2处理的图像进行图像增强和图像锐化处理的具体方法为:
S301、图像增强处理按照公式:
g(x,y)=|f(x,y)-mean|×factor+orig进行,其中,f(x,y)是原始图像像素点(x,y)的灰度值,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,mean是整幅图像的平均灰度值,factor是增强系数,orig是补偿系数;进行图像增强处理的目的在于调节图像的对比度,使得图像中暗的区域被增强,亮的区域被减弱,且越暗或者越亮的区域被调节的越明显,最终达到平衡图像亮度和对比度的目的。
S302、图像锐化处理按照公式:进行,其中,g(x,y)是经过图像增强之后像素点(x,y)的灰度值,G[f(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|,即像素点(x,y)处的梯度值,f(x,y)是原始图像在像素点(x,y)处的灰度值,A是图像锐化系数,T是图像锐化阈值;
当G[f(x,y)]大于或等于阈值T时认为该像素点处于图像的边缘,对结果加上图像锐化系数A,使图像边缘变亮;
当G[f(x,y)]小于阈值时认为该像素点为同类像素,即同为物体或同为背景。
对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料颗粒的图像;具体处理方法为依次按以下公式进行计算:
N1+N2=M×N
ω1+ω2=1
μ=μ1×ω1+μ2×ω2
g=ω1×(μ-μ1)2+ω2×(μ-μ2)2=ω1×ω2×(μ1-μ2)2
threshold-maxi=0,1.....255gi
其中,M×N是图像的大小,N1是图像中灰度值小于阈值的像素个数,ω1是灰度值小于阈值的像素个数占整幅图像的比例,μ1是灰度值小于阈值的像素的平均灰度,N2是图像中灰度值大于阈值的像素个数,ω2是图像中大于阈值的像素个数占整幅图像的比例,μ2是灰度值大于阈值的像素的平均灰度,g是类间方差,threshold是遍历灰度值0~255的类间最大方差,即自适应二值化阈值,f(x,y)是原始图像在像素点(x,y)的灰度值,g(x,y)是经过自适应二值化处理后的图像在像素点(x,y)的灰度值。
对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理,用B(x)代表结构元素,对工作空间E中的每一点x进行腐蚀运算处理;腐蚀运算按公式:进行;用B(x)对E进行腐蚀运算的结果就是把结构元素B平移后使B包含于E的所有点构成的集合;膨胀运算按公式: 进行,用B(y)对E进行膨胀运算的结果就是把结构元素B平移后使B与E的交集非空的点构成的集合。
步骤S6中,1)图像中物料颗粒直径的像素值尺寸按照公式:进行;物料颗粒的实际直径尺寸按照公式:进行;其中,Dx是在图像中计算的物料颗粒直径大小的像素值尺寸,Sx是在图像中计算的物料颗粒面积的像素值尺寸,Ds是物料颗粒的实际直径大小尺寸,Fs是相机所拍摄图像的实际 横向视野,fx是图像的横向分辨率;
物料颗粒平均粒度l的计算方法按公式:进行,其中,K是一张图像中有效物料颗粒的个数;ri是第i块物料颗粒的实际直径大小尺寸;tempri是第i块物料颗粒的实际直径所对应的粒度区间的均值,假设粒度区间为(D1,D2),那么该粒度区间的均值为:
步骤S7中,对整批物料颗粒的平均粒度计算按公式:进行,其中,L是该时间段内物料的平均粒度;n是该时间段内物料包含的图片的张数;li是第i张图片中物料的平均粒度;
对整批物料颗粒的平均粒度分布计算依次按下述公式:和进行,其中,S是该时间段内全部物料面积的总和,Si是对应粒度分布区间内的物料面积的总和,N2是粒度分布区间的划分个数,sj是对应粒度分布区间内每一块物料的面积,N1是对应粒度分布区间内物料颗粒的数量,peri是该粒度分布区间所占的百分比。
该视频生球粒径仪及生球粒径状态检测方法利用非接触式视频检测设备和机器视觉技术,实时动态监控造球机的生产状况,及时了解所生产矿石的粒度和粒级分布情况,生产人员可根据实时数据及其趋势对生产过程做出及时调整,保证造球机保持较高的成球率,为高炉的顺利和高效生产奠定基础,达到节能减排、减员增效、安全生产的目的。
附图说明
图1为本发明的视频生球粒径仪的结构示意图;
图2为本发明的视频生球粒径仪中构成高速处理工控机内部各功能模块工作原理的结构示意图;
图3为本发明实施例中成像设备采集的原始图像;
图4为本发明实施例中经步骤S3处理后的图像;
图5为本发明实施例中经步骤S4处理后的图像;
图6为本发明实施例中经步骤S5处理后的图像;
图7为本发明实施例中步骤S6中对颗粒的最小外接圆计算示意图。
其中,1、造球机,2、LED光源,3、成像设备 4、现场控制箱,5、室内控制箱,6、高速处理工控机,7、显示器,8、信号转换器,9、报警装置,10、防护套。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明,但下述实施例绝非对本发明有任何限制。
如图1所示为一种适用于圆盘直径为7.5m的视频生球粒径仪的视频生球粒径仪。其中,图1省略了视频生球粒径仪1的其它部件,仅绘制出了造球盘的结构,用于表明视频生球粒径仪中的图像采集***相对于造球盘的具体设置方式。
该视频生球粒径仪包括图像采集***、数据传输***和数据处理***。
图像采集***包括设置在两个LED光源2之间的成像设备3;成像设备3包括两台工业相机,在每台工业相机上安装有一个镜头;所述LED光源2低于所述成像设备3设置且对向低角度打光;具体地,工业相机设置在造球机1的成球区域正上方,为了确保拍摄的图片清晰完整,防护套前端距离造球盘上物料的垂直距离为1.2m,两台相机中心点之间的距离为450mm;单台相机的视野范围是715mm(横向)×545mm(纵向),两台相机可以覆盖的视野范围是1430mm(横向)×545mm(纵向),使***能检测的有效物料宽度在1.4m左右,成像设备的图像采集频率为3帧/秒,在1秒内纵向有效覆盖1.5m以上,检测精度可以达到±10mm;
两个LED光源2选用HQ-SD-W400F泛光灯,其光通量为40000±5%LM,色温为5500-6000K;LED光源2设置在成像设备3两侧对向打光,具体地,LED光源2与成像设备3之间的垂直距离为0.4m,LED光源2光束中心线与成球盘的成球区域的水平方向之间所成夹角α为45°,两个LED光源2与相邻一侧设置的工业相机之间的水平间距均为500mm。
由于成像设备设置在敞开环境中,且成球机的成球过程会造成环境中存在大量粉尘,因此在每台工业相机和工业镜头的外侧均套装有一防护套10;在所述防护套的前端面中心位置设置有一开孔,使工业相机镜头能够通过该开孔采集图像;防护套10内还设置有一气体吹扫装置,使压缩空气由内向外吹扫镜头表面,确保工业相机镜头表面洁净。图像采集清晰。
所述数据处理***设置在中央控制室内,包括用于对图像采集***采集的图像进行计算分析的高速处理工控机6、实时显示在线采集图像及数据计算分析结果的显示器7和面对异常情况自动启动发出警报的报警装置9;所述高速处理工控机与所述显示器7之间通过数据传输线连接;所述报警装置9通过信号转换器8与所述高速处理工控机6连接。
所述数据传输***包括分别设置在现场控制箱4和室内控制箱5内的光纤收发器以及用于连接各设备之间的光纤和网线;所述现场控制箱4和所述室内控制箱5的光纤收发器之间通过光纤连接;所述图像采集***与所述现场控制箱4之间通过网线和电源线连接;所述室内控制箱5和所述高速处理工控机6之间通过网线连接。
其中,所述高速处理工控机接收前端模块传输过来的图像信号,自动完成预处理、判断、分析、计算和存储等各项检测处理过程,单帧图像的处理速度为300ms左右,最终将得到的物料粒度和分布比例数据显示和保存。具体地,所述高速处 理工控机6包括数据接收模块、数据分析模块、数据计算模块、数据存储模块、数据报警模块和数据输出模块。
所述数据接收模块接收实时图像;经数据分析模块先依次进行去噪、均衡、平滑等预处理,然后进行图像增强和锐化处理,再采用自适应阈值的二值化方法识别出图像中所有的离散物料颗粒,最后采用图像分割技术将重叠在一起的离散物料颗粒分割开,利用面积过滤法去除面积较小的干扰和杂点,并识别和去除与图像边界相连的空白区域,最终获取全部有效的离散物料颗粒;数据计算模块计算所有有效离散物料颗粒的面积,通过最小外接矩形法经过面积转换计算得出有效直径;数据存储模块对上述数据分析模块和数据计算模块的数据处理过程中获得全部数据进行一次存储;数据报警模块内预设有异物警戒阈值,数据计算模块获取的各项数据与异物警戒阈值相比较,当离散物料颗粒的大小超过异物警戒阈值,数据存储模块对异常数据和对应图像单独进行二次存储,同时启动数据报警模块。
当整批料完全通过后,***的数据计算模块会自动计算出整批料的平均粒度和各分布区间的分布比例数据,并通过数据存储模块将计算结果保存到数据库和工控机的指定位置;
其中,数据输出模块将计算结果转换为串口信号并输出。数据输出模块通过信号转换器8与报警装置连接,一旦接收到异常信号,报警装置9中的蜂鸣器即可发出报警声响。
此外,在实际操作过程中,设置在现场的加水管道上的流量控制阀、加料管道上的重量感应器、造球盘的转速传感器等均可以通过现场控制箱将相应检测数据传递至高速处理工控机6,通过上述分析处理模块输出的串口信号,操作人员可对造球盘的加水量、加料量、转速、角度等因素进行人力控制或作为生产闭环回馈信号与其他控制***联动进行自动控制,实现造球机高效、高质工作。
数据传输***包括分别设置在现场控制箱4和室内控制箱5内的光纤收发器 以及用于连接各设备之间的光纤和网线;现场控制箱4和室内控制箱5的光纤收发器之间通过光纤连接;图像采集***与现场控制箱4之间通过网线和电源线连接;室内控制箱5和高速处理工控机之间通过网线连接。
其中,网线的长度为1~5m;另外,为了连接的稳定性和安全性,设置在主控室内的网线一端采用M12接头与高速处理工控机的M12接口相连;成像设备采集的图像信号通过网线传输至现场箱内,并通过现场箱内的光纤收发器转化为光信号进行远距离传输并传输至位于主控室内的室内控制箱内,经室内控制箱内的光纤收发器转化为图像信号后传输至高速处理工控机内。
具体地,以下对上述视频生球粒径仪的数据处理***中的高速处理工控机6、显示器7和报警装置9具体数据处理过程进行进一步解释。
高速处理工控机6的各模块具体采用下述方法对图像采集***获取的原始图像进行处理并获得相应的物料状态。
一种利用上述视频生球粒径仪实现的视频生球粒径状态检测方法,包括如下具体步骤:
S1、利用上述图像采集***对造球机球盘中的物料状态进行图像采集,获得原始图像,如图3所示。其中,为了配合视频生球粒径仪中的高速处理工控机的图像处理速度,对应地,成像模块的图像采集频率为350ms/次。
S2、对经步骤S1获得的原始图像依次进行图像去噪、图像均衡和图像平滑预处理;具体处理步骤包括:
S201、图像去噪处理采用自适应中值滤波的方法进行处理,包括两步计算:
第一步:计算A1和A2的数值:
A1=zmed-zmin 式(1)
A2=zmed-zmax 式(2)
如果A1>0且A2<0,则进行第二步计算,
否则,增大滤波窗口的尺寸;
如果增大后的窗口尺寸≤Smax,则重复第一步计算,
否则输出zmed;
第二步:计算B1和B2的数值:
B1=zxy-zmin 式(3)
B2=zxy-zmax 式(4)
如果B1>0且B2<0,则输出zxy,否则输出zmed;
其中,Zmin为Sxy中灰度级的最小值,Zmax为Sxy中灰度级的最大值,Zmed为Sxy中灰度级的中值Zxy为在坐标(x,y)上的灰度级,Smax为Sxy允许的最大尺寸,B1=zxy-zmin,B2=zxy-zmax;通过图像去噪处理解决实际图像由于噪声干扰而导致图像质量下降的问题,有效地提高图像质量,增大信噪比,更好的体现原来图像所携带的信息,尽可能多的保留原始图像的细节,为后续的图像处理打下良好的基础;
S202、图像均衡处理按照公式:
进行,其中,rk是原始图像中的第k个灰度级,sk是rk经变换后的灰度值,T(rk)为变化函数,Pr(rk)为原始图像中灰度级为rk的像素出现的概率,nj为第k级灰度的像素数,N为一幅图像中像素的总数;对原始图像进行图像均衡处理的目的为对原始图像的像素灰度做映射变换,使变换后的图像灰度的概率密度均匀分布,增加图像灰度的动态范围,达到提高图像的对比度的目的;
S203、图像平滑处理采用高斯平滑函数,按照公式:
进行,其中,(x,y)是图像的坐标,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,σ是高斯滤波器宽度(σ越大平滑程度就越好);该图像平滑处理的目的在于提取有效目标之前去除图像中的一些琐碎细节、桥接直线或者曲线的缝隙,抑制图像中的干扰高频成分,使图像亮度平缓渐变,减小突变梯度,改善图像质量。
S3、对经步骤S2处理后的图像依次进行图像增强和图像锐化处理;具体处理步骤包括:
S301、图像增强处理按照公式:
g(x,y)=|f(x,y)-mean|×factor+orig 式(7)
进行,其中,f(x,y)是原始图像像素点(x,y)的灰度值,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,mean是整幅图像的平均灰度值,factor是增强系数,orig是补偿系数;进行图像增强处理的目的在于调节图像的对比度,使得图像中暗的区域被增强,亮的区域被减弱,且越暗或者越亮的区域被调节的越明显,最终达到平衡图像亮度和对比度的目的。
S302、图像锐化处理按照公式:
进行,其中,g(x,y)是经过图像增强之后像素点(x,y)的灰度值,G[f(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|,即像素点(x,y)处的梯度值,f(x,y)是原始图像在像素点(x,y)处的灰度值,A是图像锐化系数,T是图像锐化阈值。当G[f(x,y)]大于或等于阈值T时认为该像素点处于图像的边缘,对结果加上图像锐化系数A,使图像边缘变亮;当G[f(x,y)]小于阈值时认为该像素点为同类像素,即同为物体或同为背景;采用这一处理方法既增亮了图像的边界,同时又保留了图像背景原来的状态,比传统的梯度锐化具有更好的增强效果和适用性;上述图像锐化处理消除图像平滑预处理所带来的边缘模糊的影响,使得图像的边缘轮廓变得清晰,易于识别,即如图4所示。
S4、对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料颗粒的图像,即利用物料表面高低不平因而在光照条件下各物料颗粒之间必然有阴影区域产生的特点,进行图像处理,得到如图6所示的黑白相间的二值化图像(其中,白色为物料颗粒,黑色为物料颗粒与物料颗粒之间缝隙);
通过自适应阈值的二值化方法,即按照图像的灰度特性,将图像分为背景(物料)和目标(缝隙)两部分;当背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或者部分背景错分为目标都会导致两部分的方差变小,因此使类间方差最大的分割就意味着分错的概率最小;具体处理步骤为按照下述公式(9)~(16)进行依次计算:
N1+N2=M×N 式(11)
ω1+ω2=1 式(12)
μ=μ1×ω1+μ2×ω2 式(13)
g=ω1×(μ-μ1)2+ω2×(μ-μ2)2=ω1×ω2×(μ1-μ2)2 式(14)
threshold-maxj=0,1.....255gj 式(15)
其中,M×N是图像的大小,N1是图像中灰度值小于阈值的像素个数,ω1是灰度值小于阈值的像素个数占整幅图像的比例,μ1是灰度值小于阈值的像素的平均 灰度,N2是图像中灰度值大于阈值的像素个数,ω2是图像中大于阈值的像素个数占整幅图像的比例,μ2是灰度值大于阈值的像素的平均灰度,g是类间方差,threshold是遍历灰度值0~255的类间最大方差,即自适应二值化阈值,f(x,y)是原始图像在像素点(x,y)的灰度值,g(x,y)是经过自适应二值化处理后的图像在像素点(x,y)的灰度值。
S5、对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理,即采用边缘提取技术将重叠在一起的离散物料颗粒分割开,并通过图像形态学的开运算和闭运算分离物料边界,然后通过面积过滤法去除面积较小的干扰和杂点,识别和去除与图像边界相连的大面积空白区域,获得全部有效的离散物料颗粒图像,如图7所示;具体处理步骤包括:
在图像形态学中,结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B(x)代表结构元素,对工作空间E中的每一点x进行腐蚀运算处理;
腐蚀运算按公式:
进行;用B(x)对E进行腐蚀运算的结果就是把结构元素B平移后使B包含于E的所有点构成的集合;
膨胀运算按公式:
进行,用B(y)对E进行膨胀运算的结果就是把结构元素B平移后使B与E的交集非空的点构成的集合。上述先腐蚀后膨胀的过程称为开运算,先膨胀后腐蚀的过程称为闭运算。在本步骤S5中先进行开运算以够消除细小杂物,在纤细处分离物料,平滑较大物块的边界;再进行闭运算以填充物料内细小空洞,连接邻近物块和平滑物料边界。
S6、对经步骤S5处理后的图像中的物料颗粒进行粒度、平均粒度以及块数的计算;具体计算方法分别为:
S601、物料颗粒的粒度计算方法:通过对图像中所有有效离散物料颗粒的面积,通过面积转换计算得出有效直径;
具体计算方法是:获取图像中每个物料颗粒边缘后,找出能够包罗物料颗粒边界最大扩张区域全部像素点的最小闭合外接圆,该最小闭合外接圆应包含了物料颗粒边界最大扩张区域全部像素点;由于最小外接圆的直径D与颗粒的大小成正比,在通过实际拍摄范围和相机像素比值的换算,即可算出该物料颗粒的实际直径大小;具体地,物料颗粒直径的像素值尺寸按照公式:
进行;物料颗粒的实际直径尺寸按照公式:
进行;其中,Dx是在图像中计算的物料颗粒直径大小的像素值尺寸,Sx是在图像中计算的物料块的最小闭合外接圆面积的像素值尺寸,Ds是物料颗粒的实际直径大小尺寸,Fs是相机所拍摄图像的实际横向视野,fx是图像的横向分辨率;
S602、平均粒度的计算方法:
经上一步得到每一块物料颗粒的直径后,结合相关系数π按照公式:
进行,计算出每一张图像中全部物料颗粒的平均粒度l,即每单张图像中所有物料颗粒的平均粒度;其中,K是一张图像中有效物料颗粒的个数;ri是第i块物料颗粒的实际直径大小尺寸;tempri是第i块物料颗粒的实际直径所对应的粒度区间的均值,假设粒度区间为(D1,D2),那么该粒度区间的均值为:
S603、物料颗粒数量计算方法:
在进行步骤S601的过程中,每对图像中的一个物料颗粒的边缘进行获取后,进行一次计数操作,然后通过对整个图像中每个物料颗粒边缘获取过程进行循环计数,即得到每张图片中的全部物料颗粒的总数。
S7、对造球盘内生产的整批物料颗粒的平均粒度和粒度分布进行计算:
由于造球盘内的物料是连续不断进行生产的,因此以某个固定的时间作为整批物料的生产时长,例如一分钟或两分钟,对该时间段内获取的所有原始图像重复上述步骤S2~S6的处理过程,然后进行下述计算:
S701、整批物料颗粒的平均粒度计算:
通过对一定时间段内采集到的所有原始图像的物料颗粒平均粒度l求平均值,即可得到该时间段内物料颗粒的平均粒度L。具体计算按公式:
进行;其中,L是该时间段内物料的平均粒度;n是该时间段内物料包含的图片的张数;li是第i张图片中物料的平均粒度。
S702、粒度分布计算:
将上述时间段内所有原始图像中的每一个物料颗粒的面积依次累加到其直径对应的粒度分布区间内并分别进行计数,最后通过该粒度各个分布区间内物料面积总和以及该时间段内全部物料面积总和的比值,即可计算出该粒度分布区间所占的百分比。具体计算依次按下述公式:
进行;其中,S是该时间段内全部物料面积的总和,Si是对应粒度分布区间内的物料面积的总和,N2是粒度分布区间的划分个数,sj是对应粒度分布区间内每一块物料的面积,N1是对应粒度分布区间内物料颗粒的数量,peri是该粒度分布区间所占的百分比。通过对整批物料的粒度分布状况进行计算,能够实时了解造球盘内物料的生产分布情况,指导物料生产者及时调整生产工艺、提高成球合格率,最终达到提高生产效率、降低成本的目的。
上述步骤S6和步骤S7的数据计算出来后会与高速处理工控机6中预设的异物警戒阈值进行比对,当计算数据超过异物警戒阈值时,高速处理工控机6进行存储后输出至信号转换器8,经信号转化后启动报警装置,报警装置的蜂鸣器发出警报声音。
Claims (10)
1.一种视频生球粒径仪,其特征在于,包括图像采集***、数据传输***和数据处理***;其中,
所述图像采集***包括设置在两个LED光源(2)之间的成像设备(3)所述成像设备(3)包括多台工业相机和安装在每台所述工业相机上的镜头;所述LED光源(2)低于所述成像设备(3)设置,且对向低角度打光;
所述工业相机设置在造球机(1)的成球区域正上方,且多台所述工业相机的台数与每台所述工业相机的视野范围相互配合,使多台所述工业相机在成球区域上采集的有效物料总宽度不小于1.4m;其中,相邻所述工业相机之间的水平距离为350~550mm;所述工业相机镜头至成球区域的垂直距离为1185~1215mm;
两个所述LED光源(2)对向打光,且与相邻一侧设置的所述工业相机之间的水平间距为400~650mm、垂直距离为0.4~0.5m;所述LED光源的光束中心线与位于成球区域所在平面之间所成夹角为40~60°。
2.根据权利要求1所述的视频生球粒径仪,其特征在于,每台所述工业相机的外侧均套装有一防护套(10),在所述防护套(10)的前端面中心位置设置有一开孔,使工业相机镜头能够通过该开孔采集图像,所述防护套(10)内还设置有一气体吹扫装置,使压缩空气由内向外吹扫镜头表面。
3.根据权利要求1所述的视频生球粒径仪,其特征在于,所述数据处理***设置在中央控制室内,包括用于对图像采集***采集的图像进行计算分析的高速处理工控机(6)、实时显示在线采集图像及数据计算分析结果的显示器(7)和面对异常情况自动启动发出警报的报警装置(9);所述高速处理工控机与所述显示器(7)之间通过数据传输线连接;所述报警装置(9)通过信号转换器(8)与所述高速处理工控机(6)连接。
4.根据权利要求3所述的视频生球粒径仪,其特征在于,所述数据传输***包括分别设置在现场控制箱(4)和室内控制箱(5)内的光纤收发器以及用于连接各设备之间的光纤和网线;所述现场控制箱(4)和所述室内控制箱(5)的光纤收发器之间通过光纤连接;所述图像采集***与所述现场控制箱(4)之间通过网线和电源线连接;所述室内控制箱(5)和所述高速处理工控机(6)之间通过网线连接。
5.一种生球粒径状态检测方法,其特征在于,包括如下步骤:
S1、利用上述图像采集***对造球机球盘中的物料状态进行图像采集,获得原始图像;
S2、对经步骤S1获得的原始图像依次进行图像去噪、图像均衡和图像平滑预处理;
S3、对经步骤S2处理后的图像依次进行图像增强和图像锐化处理;
S4、对经步骤S3处理后的图像采用自适应阈值的二值化方法获得能够识别出图像中所有的离散物料颗粒的图像;
S5、对经步骤S4处理得到的二值化图像进行腐蚀和膨胀运算处理;
S6、对经步骤S5处理后的图像进行物料颗粒进行粒度、平均粒度和数量的计算;
S7、对每批物料颗粒生产周期内获取的全部原始图像重复上述步骤S2~S6的处理过程,计算出整批物料颗粒的平均粒度和粒度分布。
6.根据权利要求5所述的生球粒径状态检测方法,其特征在于,所述步骤S2中,对原始图像的图像去噪处理、图像均衡处理和图像平滑处理的具体方法为:
S201、图像去噪处理采用自适应中值滤波的方法进行处理,包括两步计算:
第一步:计算A1和A2的数值:
A1=zmed-zmin
A2=zmed-zmax
如果A1>0且A2<0,则进行第二步计算,
否则,增大滤波窗口的尺寸;
如果增大后的窗口尺寸≤Smax,则重复第一步计算,
否则输出zmed;
第二步:计算B1和B2的数值:
B1=zxy-zmin
B2=zxy-zmax
如果B1>0且B2<0,则输出zxy,否则输出zmed;
其中,Zmin为Sxy中灰度级的最小值,Zmax为Sxy中灰度级的最大值,Zmed为Sxy中灰度级的中值Zxy为在坐标(x,y)上的灰度级,Smax为Sxy允许的最大尺寸,B1=zxy-zmin,B2=zxy-zmax;通过图像去噪处理解决实际图像由于噪声干扰而导致图像质量下降的问题,有效地提高图像质量,增大信噪比,更好的体现原来图像所携带的信息,尽可能多的保留原始图像的细节,为后续的图像处理打下良好的基础;
S202、图像均衡处理按照公式:
进行,其中,rk是原始图像中的第k个灰度级,sk是rk经变换后的灰度值,T(rk)为变化函数,Pr(rk)为原始图像中灰度级为rk的像素出现的概率,nj为第k级灰度的像素数,N为一幅图像中像素的总数;对原始图像进行图像均衡处理的目的为对原始图像的像素灰度做映射变换,使变换后的图像灰度的概率密度均匀分布,增加图像灰度的动态范围,达到提高图像的对比度的目的;
S203、图像平滑处理采用高斯平滑函数,按照公式:进行,其中,(x,y)是图像的坐标,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,σ是高斯滤波器宽度。
7.根据权利要求5所述的生球粒径状态检测方法,其特征在于,对步骤S2处理的图像进行图像增强和图像锐化处理的具体方法为:
S301、图像增强处理按照公式:
g(x,y)=|f(x,y)-mean|×factor+orig进行,其中,f(x,y)是原始图像像素点(x,y)的灰度值,g(x,y)是经过平滑后图像像素点(x,y)的灰度值,mean是整幅图像的平均灰度值,factor是增强系数,orig是补偿系数;进行图像增强处理的目的在于调节图像的对比度,使得图像中暗的区域被增强,亮的区域被减弱,且越暗或者越亮的区域被调节的越明显,最终达到平衡图像亮度和对比度的目的。
S302、图像锐化处理按照公式:进行,其中,g(x,y)是经过图像增强之后像素点(x,y)的灰度值,G[f(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|,即像素点(x,y)处的梯度值,f(x,y)是原始图像在像素点(x,y)处的灰度值,A是图像锐化系数,T是图像锐化阈值;
当G[f(x,y)]大于或等于阈值T时认为该像素点处于图像的边缘,对结果加上图像锐化系数A,使图像边缘变亮;
当G[f(x,y)]小于阈值时认为该像素点为同类像素,即同为物体或同为背景。
8.根据权利要求5所述的生球粒径状态检测方法,其特征在于,对经步骤S4的具体处理方法为依次按以下公式进行计算:
<mrow>
<msub>
<mi>&omega;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mrow>
<mi>M</mi>
<mo>&times;</mo>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mn>2</mn>
</msub>
<mrow>
<mi>M</mi>
<mo>&times;</mo>
<mi>N</mi>
</mrow>
</mfrac>
</mrow>
N1+N2=M×N
ω1+ω2=1
μ=μ1×ω1+μ2×ω2
g=ω1×(μ-μ1)2+ω2×(μ-μ2)2=ω1×ω2×(μ1-μ2)2
threshold=maxi=0,1.....255gi
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>t</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mi>h</mi>
<mi>o</mi>
<mi>l</mi>
<mi>d</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,M×N是图像的大小,N1是图像中灰度值小于阈值的像素个数,ω1是灰度值小于阈值的像素个数占整幅图像的比例,μ1是灰度值小于阈值的像素的平均灰度,N2是图像中灰度值大于阈值的像素个数,ω2是图像中大于阈值的像素个数占整幅图像的比例,μ2是灰度值大于阈值的像素的平均灰度,g是类间方差,threshold是遍历灰度值0~255的类间最大方差,即自适应二值化阈值,f(x,y)是原始图像在像素点(x,y)的灰度值,g(x,y)是经过自适应二值化处理后的图像在像素点(x,y)的灰度值。
9.根据权利要求5所述的生球粒径状态检测方法,其特征在于,步骤S6中,1)图像中物料颗粒直径的像素值尺寸按照公式:进行;物料颗粒的实际直径尺寸按照公式:进行;其中,Dx是在图像中计算的物料颗粒直径大小的像素值尺寸,Sx是在图像中计算的物料块的最小闭合外接圆面积的像素值尺寸,Ds是物料颗粒的实际直径大小尺寸,Fs是相机所拍摄图像的实际横向视野,fx是图像的横向分辨率;
物料颗粒平均粒度l的计算方法按公式:进行,其中,K是一张图像中有效物料颗粒的个数;ri是第i块物料颗粒的实际直径大小尺寸;tempri是第i块物料颗粒的实际直径所对应的粒度区间的均值,假设粒度区间为(D1,D2),那么该粒度区间的均值
10.根据权利要求5所述的生球粒径状态检测方法,其特征在于,步骤S7中,对整批物料颗粒的平均粒度计算按公式:进行,其中,L是该时间段内物料的平均粒度;n是该时间段内物料包含的图片的张数;li是第i张图片中物料的平均粒度;
对整批物料颗粒的平均粒度分布计算依次按下述公式:和进行,其中,S是该时间段内全部物料面积的总和,Si是对应粒度分布区间内的物料面积的总和,N2是粒度分布区间的划分个数,sj是对应粒度分布区间内每一块物料的面积,N1是对应粒度分布区间内物料颗粒的数量,peri是该粒度分布区间所占的百分比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611207414.7A CN107063946B (zh) | 2016-12-23 | 2016-12-23 | 视频生球粒径仪及其生球粒径状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611207414.7A CN107063946B (zh) | 2016-12-23 | 2016-12-23 | 视频生球粒径仪及其生球粒径状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107063946A true CN107063946A (zh) | 2017-08-18 |
CN107063946B CN107063946B (zh) | 2023-04-28 |
Family
ID=59623331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611207414.7A Active CN107063946B (zh) | 2016-12-23 | 2016-12-23 | 视频生球粒径仪及其生球粒径状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107063946B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109458941A (zh) * | 2018-12-29 | 2019-03-12 | 天津市三特电子有限公司 | 矿车自动装载监测***及监测方法 |
CN110006795A (zh) * | 2019-04-30 | 2019-07-12 | 华北电力大学(保定) | 颗粒检测装置、方法及fpga |
CN110598577A (zh) * | 2019-08-23 | 2019-12-20 | 山东钢铁股份有限公司 | 一种高炉炉缸残铁中焦碳信息挖掘的图像处理分析方法 |
CN110633592A (zh) * | 2018-06-25 | 2019-12-31 | 视联动力信息技术股份有限公司 | 一种图像处理方法和装置 |
CN111041194A (zh) * | 2019-10-29 | 2020-04-21 | 江苏省沙钢钢铁研究院有限公司 | 一种提高矿粉球团矿生球质量的制备装置及其使用方法 |
CN111179236A (zh) * | 2019-12-23 | 2020-05-19 | 湖南长天自控工程有限公司 | 一种用于造球机的生球粒度分析方法及装置 |
CN112652010A (zh) * | 2020-12-25 | 2021-04-13 | 安徽工业大学 | 一种基于图像增强和霍夫变换的球团粒径检测方法 |
CN113034573A (zh) * | 2021-04-01 | 2021-06-25 | 大连锐视达科技有限公司 | 一种球团粒径检测方法及*** |
CN113570551A (zh) * | 2021-07-05 | 2021-10-29 | 天津市三特电子有限公司 | 球团链篦机篦条状态监测方法及其监测*** |
CN113628155A (zh) * | 2020-04-24 | 2021-11-09 | 中冶长天国际工程有限责任公司 | 一种圆盘造球机的生球粒径检测方法及*** |
CN113624645A (zh) * | 2021-07-18 | 2021-11-09 | 南京林业大学 | 一种用于检测颗粒流动分布的装置及其方法 |
CN115436238A (zh) * | 2022-09-22 | 2022-12-06 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和*** |
CN115753778A (zh) * | 2023-01-10 | 2023-03-07 | 泉州海关综合技术服务中心 | 一种茶叶灰分测定方法和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6438261B1 (en) * | 1998-09-03 | 2002-08-20 | Green Vision Systems Ltd. | Method of in-situ focus-fusion multi-layer spectral imaging and analysis of particulate samples |
CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
CN103886579A (zh) * | 2013-12-11 | 2014-06-25 | 西安交通大学 | 面向在线铁谱图像自动识别的磨粒链自适应分割方法 |
US20150035944A1 (en) * | 2013-07-31 | 2015-02-05 | Pla University Of Science And Technology | Method for Measuring Microphysical Characteristics of Natural Precipitation using Particle Image Velocimetry |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其*** |
CN105491349A (zh) * | 2015-12-31 | 2016-04-13 | 天津市三特电子有限公司 | 皮带群组异常状态自动巡视检测***及其检测方法 |
CN105973771A (zh) * | 2016-06-03 | 2016-09-28 | 大连华锐重工集团股份有限公司 | 矿热炉冶炼铬铁球团粒度检测装置及其检测方法 |
CN206292135U (zh) * | 2016-12-23 | 2017-06-30 | 天津市三特电子有限公司 | 视频生球粒径仪 |
-
2016
- 2016-12-23 CN CN201611207414.7A patent/CN107063946B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6438261B1 (en) * | 1998-09-03 | 2002-08-20 | Green Vision Systems Ltd. | Method of in-situ focus-fusion multi-layer spectral imaging and analysis of particulate samples |
CN101620060A (zh) * | 2009-08-13 | 2010-01-06 | 上海交通大学 | 颗粒大小分布自动检测方法 |
US20150035944A1 (en) * | 2013-07-31 | 2015-02-05 | Pla University Of Science And Technology | Method for Measuring Microphysical Characteristics of Natural Precipitation using Particle Image Velocimetry |
CN103886579A (zh) * | 2013-12-11 | 2014-06-25 | 西安交通大学 | 面向在线铁谱图像自动识别的磨粒链自适应分割方法 |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其*** |
CN105491349A (zh) * | 2015-12-31 | 2016-04-13 | 天津市三特电子有限公司 | 皮带群组异常状态自动巡视检测***及其检测方法 |
CN105973771A (zh) * | 2016-06-03 | 2016-09-28 | 大连华锐重工集团股份有限公司 | 矿热炉冶炼铬铁球团粒度检测装置及其检测方法 |
CN206292135U (zh) * | 2016-12-23 | 2017-06-30 | 天津市三特电子有限公司 | 视频生球粒径仪 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633592A (zh) * | 2018-06-25 | 2019-12-31 | 视联动力信息技术股份有限公司 | 一种图像处理方法和装置 |
CN110633592B (zh) * | 2018-06-25 | 2024-03-15 | 视联动力信息技术股份有限公司 | 一种图像处理方法和装置 |
CN109458941A (zh) * | 2018-12-29 | 2019-03-12 | 天津市三特电子有限公司 | 矿车自动装载监测***及监测方法 |
CN110006795B (zh) * | 2019-04-30 | 2024-02-13 | 华北电力大学(保定) | 颗粒检测装置、方法及fpga |
CN110006795A (zh) * | 2019-04-30 | 2019-07-12 | 华北电力大学(保定) | 颗粒检测装置、方法及fpga |
CN110598577A (zh) * | 2019-08-23 | 2019-12-20 | 山东钢铁股份有限公司 | 一种高炉炉缸残铁中焦碳信息挖掘的图像处理分析方法 |
CN111041194A (zh) * | 2019-10-29 | 2020-04-21 | 江苏省沙钢钢铁研究院有限公司 | 一种提高矿粉球团矿生球质量的制备装置及其使用方法 |
CN111179236A (zh) * | 2019-12-23 | 2020-05-19 | 湖南长天自控工程有限公司 | 一种用于造球机的生球粒度分析方法及装置 |
CN113628155A (zh) * | 2020-04-24 | 2021-11-09 | 中冶长天国际工程有限责任公司 | 一种圆盘造球机的生球粒径检测方法及*** |
CN112652010A (zh) * | 2020-12-25 | 2021-04-13 | 安徽工业大学 | 一种基于图像增强和霍夫变换的球团粒径检测方法 |
CN113034573A (zh) * | 2021-04-01 | 2021-06-25 | 大连锐视达科技有限公司 | 一种球团粒径检测方法及*** |
CN113570551A (zh) * | 2021-07-05 | 2021-10-29 | 天津市三特电子有限公司 | 球团链篦机篦条状态监测方法及其监测*** |
CN113570551B (zh) * | 2021-07-05 | 2023-07-07 | 天津市三特电子有限公司 | 球团链篦机篦条状态监测方法及其监测*** |
CN113624645A (zh) * | 2021-07-18 | 2021-11-09 | 南京林业大学 | 一种用于检测颗粒流动分布的装置及其方法 |
CN115436238B (zh) * | 2022-09-22 | 2023-11-21 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和*** |
CN115436238A (zh) * | 2022-09-22 | 2022-12-06 | 中冶南方工程技术有限公司 | 一种高炉原燃料颗粒度在线检测方法和*** |
CN115753778A (zh) * | 2023-01-10 | 2023-03-07 | 泉州海关综合技术服务中心 | 一种茶叶灰分测定方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN107063946B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107063946A (zh) | 视频生球粒径仪及其生球粒径状态检测方法 | |
CN104112370B (zh) | 基于监控图像的停车场智能车位识别方法及*** | |
CN202865254U (zh) | 一种转炉火焰温度检测*** | |
CN109870461A (zh) | 一种电子元器件质量检测*** | |
CN103617617B (zh) | 基于功率谱描述的水下图像质量评价测量方法 | |
CN116233370B (zh) | 基于水质监测的智能化视频监控方法 | |
CN108416771A (zh) | 一种基于单目相机的金属材料锈蚀面积检测方法 | |
CN101739549B (zh) | 人脸检测方法及*** | |
CN107277299A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN109975301A (zh) | 一种用于炼铁高炉的筛网破损检测方法及检测装置 | |
CN107730555A (zh) | 一种基于机器视觉的输煤皮带煤块粒度在线识别监控方法 | |
CN103632369A (zh) | 块平均清晰度组合无参考水下图像通用性质量检测方法 | |
CN107631960A (zh) | 海洋物质输移扩散系数ccd自动监测实验装置及其监测方法 | |
CN110751669A (zh) | 一种新型cbocp在线红外转炉出钢钢流自动检测与跟踪方法及*** | |
CN111179236A (zh) | 一种用于造球机的生球粒度分析方法及装置 | |
CN103177425A (zh) | 切伦科夫荧光成像中γ射线的去除方法 | |
CN116977727A (zh) | 一种基于图像处理的燃气燃烧火焰实时监测方法及*** | |
CN109882899A (zh) | 一种根据工作环境进行控制的油烟机 | |
CN113019955A (zh) | 一种基于双能x射线矿石智能分选设备和方法 | |
CN206292135U (zh) | 视频生球粒径仪 | |
CN107413679A (zh) | 一种基于机器视觉技术的智能选矿设备及方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN1094223C (zh) | 基于图象序列分析的驾驶员桩考过程自动测试*** | |
CN109373377A (zh) | 一种具有固定式视觉检测***的油烟机及油烟浓度检测方法 | |
CN107895365A (zh) | 一种输电通道外破防护的图像匹配方法及监测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |