基于机器视觉的黑钨矿石智能分选系统研究与设计

• 作 者: 肖继伟
• 出 处: 湖南大学
• 发表日期: 2004年期
• 关键词: 机器视觉 黑钨矿石 遗传神经网络 连通域

我国钨矿资源丰富,在资源存储量上占有巨大的优势,其中黑钨矿开采价值较高。目前国内黑钨矿的主要分选方法采用传统的人工分选法,但是,人工分选法存在效率低、精度低等缺点,且人为主观性强,无法形成客观统一的标准,易造成资源浪费。近年来,机器视觉技术飞速发展,相较于人工分选方法,具有生产速率快,效率高且功能稳定等优点,在钨矿工业应用中存在强大优势。利用机器视觉检测方法代替人工分选不但能消除人为主观因素的存在,而且能形成客观统一的分选标准,最大限度的提升钨矿的生产效率和矿石分选精度。本文以黑钨矿为研究对象,分析矿石分选需求,研究并设计一种基于机器视觉的黑钨矿石智能分选系统,代替传统的人工分选方法,实现黑钨原矿中脉石与废石的自动化分离。论文主要研究内容如下:首先,从课题的背景与意义出发,分析黑钨矿石智能分选系统研究的必要性,同时引出机器视觉的概念,并介绍机器视觉的系统构成、工业应用和发展现状以及国内外黑钨矿石分选的研究现状,最终设计本文的整体构架。其次,设计黑钨矿石智能分选系统的总体结构,其中主要为机械结构、视觉模块、电气控制模块。根据实际工业需求,分别从矿石传输、视觉成像、矿石分选三方面设计系统机械结构,接着设计机器视觉模块,包括相机选型、成像方式等,确保获取高质量的矿石图像,最后为确保系统各功能模块协调工作,设计电气控制模块,其中包括电气组成框架及其控制流程。再者,分析黑钨矿石图像的颜色特征,研究黑钨矿石检测算法,主要包括矿石分割及矿石识别判断两部分,本文中引用遗传神经网络算法实现黑钨矿石图像的分割,并对分割图像采用连通域分析方法定位脉石位置,通过获取特征(区域面积、长宽比等)实现脉石与废石的分类。最后,设计黑钨矿石智能分选系统软件平台,在Microsoft Visual Studio 2015平台使用C Sharp语言实现软件开发,最后,针对论文以上的设计,对研究内容进行总结,并根据设计中的不足之处作下一步工作展望,以完善系统的开发。本文设计的黑钨矿石智能分选系统的各项技术指标:矿石分选产量达40T,相比人工选矿法增加33%,废石中脉石比率PT(重量比)、脉石中废石比率PN(重量比)以及脉石剔除比率PGT(脉石剔除数量比率)均符合工业应用的技术指标。