基于图像的振动筛物料状态检测方法
- 格式：pdf
- 大小：1.30 MB
- 文档页数：8
下载文档原格式
合集下载
【CN109813224A】一种工业相机系统及利用图像识别技术检测筛网的方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910208277.6(22)申请日 2019.03.19(71)申请人 山西中格矿山机械有限公司地址 045000 山西省阳泉市郊区李家庄乡黄沙岩村（阳泉市中机伟林矿山设备有限公司内）(72)发明人 梁贝衍 康妮 (74)专利代理机构 北京志霖恒远知识产权代理事务所(普通合伙) 11435代理人 申绍中(51)Int.Cl.G01B 11/00(2006.01)G01B 11/14(2006.01)(54)发明名称一种工业相机系统及利用图像识别技术检测筛网的方法(57)摘要本发明涉及筛网质量检测技术领域，更具体而言，涉及一种工业相机系统及利用图像识别技术检测筛网的方法，通过工业相机系统实现对生产信息的采集与对不合格产品的检出，该系统结构紧凑、集成度高、性能稳定、可以运用于不同的流水线；通过工业相机获取筛网实时图像信息，以分析算法软件为核心，将计算过程和结果显示搭载在云端服务器，可以更低廉、更高效、更精准地对筛选设备进行检测和质控，并且能做到即时、可移动、全跟踪等特点，算法迭代速度快、测量精度高。
权利要求书2页 说明书4页 附图4页CN 109813224 A 2019.05.28C N 109813224A权 利 要 求 书1/2页CN 109813224 A1.一种工业相机系统，其特征在于：包括冂型框架（1）、相机（2）、图像采集卡（3）、中央处理器（4）、控制面板（5）和检出机器臂（6），所述冂型框架（1）通过两个支脚架立在成品流水线两侧，所述支脚与地面固定连接，所述冂型框架（1）横梁中部设置有相机（2），所述相机（2）为人工调节对焦，所述相机（2）位于流水线正上方，所述冂型框架（1）内部设置有图像采集卡（3）与中央处理器（4），所述相机（2）、图像采集卡（3）和中央处理器（4）依次电性连接；所述冂型框架（1）一个支脚上设置有控制面板（5），另一个支脚上设置有检出机器臂（6），所述控制面板（5）、检出机器臂（6）分别与中央处理器（4）电性连接；所述控制面板（5）用于设置设定系统运行参数与检测结果的显示，所述控制面板（5）将设定参数传输至中央处理器（4）中，中央处理器（4）根据设定参数控制通过图像采集卡（3）控制相机（2）的运行，中央处理器（4）根据设定参数控制检出机器臂（6）的运行，所述相机（2）用于拍摄流水线中处于相机（2）正下方的产品，通过图像采集卡（3）传输至中央处理器（4）中进行预处理并分析检测，将分析检测结果实时显示于控制面板（5）上，经分析检测不合格的产品通过检出机器臂（6）检出流水线；在图像检测分析过程中保存原始图像信息，并以表单形式输出，经分析检测数据绘制产品质量分析图，在一定时间后，将表单与产品质量分析图打包发送至制定服务器。
基于图像法的粮食物料悬浮速度研究
ｗｉ ｔ ｉ ｙ，ａ ｄ ｔ ｅ ｉ ｆｕ ｃｎｇｆ ｃｏ ｓ ｗｅ ｅ ａ ａｙ ｅ ｓｗｅ１ Ｔｈ ｓｗｉｌｐｒｖ ｄ ａ ｉ ｈ ｒ ｏ ｓｇ ａ ｄ ｉ ｔ ｈｓ ｗａ ｈ ｎ ｈ ｎ ｅｎ ｉ ａ ｔｒ ｒ ｎ ｌｚ ｄ ａ ｌ． ｌ ｉ ｌ ｏ ｉ ｅ ａ ｂ ｓｓｔ ｅｏｙ ｆｒｄｅ ｉｎ ｎ ｍｐｒｖ ｍ ｅ ｆｐ ｅ ｏ ｅ ｎｔｏ ｎ ｕ— ｍ ａｉ ｎｖ ｙ ｎ ａ ｈｉｅ ｉ 、 ｔｃ ｃｏ ｅ ｉ ｇ ｍ ｃ ｎ ｒｅｓ
ＫＥＹＷ ＯＲＤＳ：ｉ ｇ ｒ ｃ ｓ ｉ ｇ ｍｅｈ ｄ ｒｉ ｍａ ｅ ｐ ｏ ｅ ｓｎ ｔ ｏ ；ｇａ ｎ；ｓ ｓ ｅ ｓｏ ｅｏ ｉ ｕ ｐ ｎ ｉｎ ｖ ｌｃｔ ｙ
固体 物料 的悬浮 速度是 两相流 中一 个重 要 的原 始计 算 参数 ， 是粒子动力 学 的最 基本 性质 … 。在农 业 工程领 域 ， 设 计粮食 收割机 、 式脱粒 机和 清选 机 的分 离与 清选装 置 时 ， 复 必须 知道各种粮食物料 的悬浮速度 ， 由此确 定风机 的型号 以
合。但对于颗粒群特别是对于非球形 的颗粒群 的悬浮速度 ，
ＲＣ ＝ 孚ｄ
如果 固体颗粒处 于悬 浮状态 ， 即由于流体 向上 运动使 颗 粒群悬 浮 ， 则必须满足空气 动力 Ｒ与浮重 相平衡 的力学 条 件 ， 有 即
Ｃ ｉ。２ ￣ ｊ Ｔ
。
／０ ）
＝
Ｔｒ
ｐ
ｎ 。 ｐ ｇ ３ｐ 一 ） （
（） ３
其影 响因素很多 ， 法全部 考虑 。因此 ， 无 精确 计算颗 粒群 的
悬 浮 速度 非 常 困难 。
由此 可解 出 ：
＝
然而 ， 在工 程实际 中， 与单颗粒 的悬 浮速度相 比， 颗粒群
ＫＥＹＷ ＯＲＤＳ：ｉ ｇ ｒ ｃ ｓ ｉ ｇ ｍｅｈ ｄ ｒｉ ｍａ ｅ ｐ ｏ ｅ ｓｎ ｔ ｏ ；ｇａ ｎ；ｓ ｓ ｅ ｓｏ ｅｏ ｉ ｕ ｐ ｎ ｉｎ ｖ ｌｃｔ ｙ
固体 物料 的悬浮 速度是 两相流 中一 个重 要 的原 始计 算 参数 ， 是粒子动力 学 的最 基本 性质 … 。在农 业 工程领 域 ， 设 计粮食 收割机 、 式脱粒 机和 清选 机 的分 离与 清选装 置 时 ， 复 必须 知道各种粮食物料 的悬浮速度 ， 由此确 定风机 的型号 以
合。但对于颗粒群特别是对于非球形 的颗粒群 的悬浮速度 ，
ＲＣ ＝ 孚ｄ
如果 固体颗粒处 于悬 浮状态 ， 即由于流体 向上 运动使 颗 粒群悬 浮 ， 则必须满足空气 动力 Ｒ与浮重 相平衡 的力学 条 件 ， 有 即
Ｃ ｉ。２ ￣ ｊ Ｔ
。
／０ ）
＝
Ｔｒ
ｐ
ｎ 。 ｐ ｇ ３ｐ 一 ） （
（） ３
其影 响因素很多 ， 法全部 考虑 。因此 ， 无 精确 计算颗 粒群 的
悬 浮 速度 非 常 困难 。
由此 可解 出 ：
＝
然而 ， 在工 程实际 中， 与单颗粒 的悬 浮速度相 比， 颗粒群
基于图像处理的玉米质量检测技术研究
刘中舍等 ： 于图像处理的玉米质量检测技术研 究 基
图 ２ 白色背景
图 ６ 点光 源
图 ３ 图 ２经 自适 应 阈值 处 理后 的二 值 图
２ 图像 平滑 － ３ 实 际获得 的 图像 一 般都 因受到 某种 干扰 而 含有 噪声 ， 噪声恶化 了 图像 质量 ， 得 图像 模糊 ， 至淹 没 使 甚 特征 。 给分析带 来 了困难 。图像 平滑 的 目的就 是减少
ｆ
ｔ
ｆ
十
ｆ
ｆ
加权平均值 中值 滤波 拉 普拉 斯算子 闽值 分割 腐蚀膨胀 Ｓ ｂｌ ｏ ｅ算子
图 １ 玉 米数 字 图像 处理 流程
２１ 图像采集 ．
分 别 是 图 ２和 图 ４进 行 自适 应 阈值 分 割 后 的 效 果 ．
扫 描仪 、 数字 摄像 机 、 数码 相机 或 图像 采 集 卡 等 图 ５更有 利于 籽粒 检测 ） 。由图 ６经 过 自适应 阈值处
维普资讯
《 皿朋 工业》２ ０ ・０ ６年■ ２ ■ ■ ９ ７ 期
刘 中合
李 邦明 刘贤喜
摘 要 玉米是最重要 的饲料 生产 原料 ，玉米 质量 自动检 测技 术的提 高有利 于提 高饲料 质量和 饲料安全 。利 用 Ｃ Ｄ传感 器采集 玉米籽粒 图像 ， 图像依 次进 行 图像灰 度化 、 Ｃ 对 图像 平 滑、 图像 锐化 、 图
年来 ． 随着计 算 机 和信息 技 术 的迅速 发 展 ． 计算 机 视
数 字 图像 处 理是 计算 机 视 觉不 可 逾越 的必经 过
觉 技术在科 研 、 生产 、 活等诸 多领 域的广 泛应 用 ， 生 用 程 ， 数字 图像 处理 的方 法是否 得 当和质量 的高低 将直 计算机 视 觉代 替人 的视 觉进 行 玉米 等 农产 品的质 量 接 影 响玉米质 量检测 的成败 。 字 图像处 理过程 可大 数 检验逐 渐受到人 们 的重视 ， 具有 实时 、 效 、 损伤 其 高 无 等优点 ， 推广 应用前 景广 阔。
基于影像测量仪的试验筛自动测量方法
基于影像测量仪的试验筛自动测量方法王晓飞;裘祖荣;杨聪;钱征宇;陈慧灵【摘要】Due to the limit of test facility, complex testing and low accuracy are always problems in calibration of test sieves. An automatic calibration method for test sieves using video measuring machine is discussed in this paper in order to increase its calibration precision. Firstly, several key technologies are introduced, such as edge detection, mesh edge line fitting, and mesh width calculation. Secondly, a sieves calibraion software is developed on video measuring machine to prove the effectiveness of the above technologies. Thirdly, comparing with traditional methods, the advantage of video measuring machine on test sieves calibration is discussed, as well as the possibility of full inspection on every mesh of test sieves.%由于检测手段的限制,试验筛校准时一直存在着检测繁琐、准确度不高等缺点.为了提高检测精度,对基于影像测量仪的试验筛自动测量方法进行了研究.首先介绍了边缘点提取方法、网孔边缘拟合方法、网孔孔径计算方法和网孔自动搜索方法等;其次在影像测量仪上研发了试验筛自动测量软件验证该方法的有效性;最后通过与传统校准方法的对比,说明了影像测量仪在试验筛校准方面的优势,并探讨了试验筛网孔全检的可能性.【期刊名称】《数据采集与处理》【年(卷),期】2013(028)002【总页数】4页(P257-260)【关键词】试验筛;影像测量仪;自动测量方法【作者】王晓飞;裘祖荣;杨聪;钱征宇;陈慧灵【作者单位】天津大学精密测试技术及仪器国家重点实验室,天津,300072;江苏省计量科学研究院科技发展部,南京,210007;天津大学精密测试技术及仪器国家重点实验室,天津,300072;苏州天准精密技术有限公司,苏州,215009;江苏省计量科学研究院科技发展部,南京,210007;江苏省计量科学研究院科技发展部,南京,210007【正文语种】中文【中图分类】TG806引言试验筛是用于对颗粒物料做筛分粒度分析的筛具，广泛应用于地质勘探、冶金、化工、医药、自来水等行业。
基于MATLAB的振动筛面上物料运动轨迹仿真
K 1、 K 2、 K 3, 物料颗粒同时具备产生下滑、 上滑和抛掷
表 3 相应相位计算值
理论上滑起始 相位 理论下滑起始 相位
x- = 0 , 可计算出实际上滑止滑相位
1期
易启伟 : 基于 MAT LAB 的振动筛面上物料运动轨迹仿真
31
由于上滑止滑相位 位
tds ( = 331 ) < 下滑始滑相 te ( = 385 ) , 故上滑终
1 筛体及物料运动参数的计算
为简化叙述, 以两种实例说明物料运动参数的 计算及运动轨迹仿真的过程。
30 1 . 1 工作参数 设备主要工作参数如表 1所示。 表 1 设备主要工作参数
参数名称 振动电机转速 n / r m in 振动电机角速度 /rad
- 1
武
汉
工
业
学
院
学
报
2010 年
2 筛体、 物料的运动分析及基于 MATLAB 的运动轨迹仿真
3 结论
通过两个实例 , 用 MATLAB 软件对振动筛运动 参数模型进行编程和运算, 并对其运动轨迹进行了 仿真输出 , 得出大量的数据及图形供采集后进行分 析、 比较。利用本文的分析方法及相应的程序, 可以 在计算机上输入不同的参数编程计算 , 并得到振动 筛与物料抛掷与滑移运动的衔接关系运动轨迹图, 这对于在实践中进一步摸索、 设计、 调制出更多具有 不同特点的物料运动状况, 为振动筛实现更好的筛 分效果或更高的产量、 提高其工作适应性提供了一 种有效手段。 参考文献 : [ 1] 顾尧臣. 粮食加工设备工作原理 、 设计和应用 [ M ] . 武汉 : 湖北科学技术出版社 , 1998 . [ 2] 刘协舫, 郑晓, 丁应生 , 等. 食品机械 [ M ]. 武 汉: 湖北科学技术出版社, 2002 . 李丽. MATLAB 工程计算及应用 [ M ] . 北京: 人民邮电出版社, 2001. [ 4] [ 5] 唐敬麟. 破碎与筛分机械设计选用手册 [ M ]. 北京 : 化学工业出版社 , 2001 . 肖旭林. 食品加工机械与设备 [ M ]. 北京 : 中 国轻工业出版社, 2000.
基于图像法的粮食物料悬浮速度研究
颗粒 绿豆 青豆 大豆 黑豆 BB 弹 当量球径 mm 4. 4 6. 7 6. 5 8. 5 6. 0 单粒质量 g 0 . 05 0 . 19 0 . 16 0 . 37 0 . 11 真密度 g cm - 3 1 . 39 1 . 27 1 . 28 1 . 20 1 . 09 有效密度 g cm - 3 0 . 86 0 . 73 0 . 74 0 . 71 0 . No. 7
基于图像法的粮食物料悬浮速度研究
塔 娜, 张志耀 , 秀 荣
010018) ( 内蒙古农业大学机电工程学院 , 内蒙古 呼和浩特 摘
要 : 图像法是一种基于图像处理技术的非接触式测试手段 。 随着计算 机技术与图 像处理技术 的发展 , 图像法被 广泛应用
于各个领域的测试工作中 。 通过对图像 法测试技术的研究和对粮食物料在垂直 管道中流动 状态的观察 、 分析 , 提出 一种利用 图像法测量粮食物料悬浮速度 的新方法 。 用该方法测定了 几种常 见粮食颗 粒的悬 浮速度 , 并 分析了 各种因素 对颗粒 悬浮速 度的影响 , 可为粮食气力输送机械的设计 、 优化提供参考依据 。 关键词 : 图像法 ; 粮食物料 ; 悬浮速度 中图分类号 : S192 文献标识码 : A 文章编号 : 1003- 6202( 2008) 07- 0008- 03 R esearch of G ra in Suspension V eloc ity based on Im age ProcessingM ethod AB STRACT : I m age processing m e thod is a non contact testing m eans based on i m age process ing techno logy . W ith the developm ent of computer techno logy and i m age processing techno logy , i m age processing me thod is w ide ly app lied to var ious fie lds o f testing w ork. Based on the study o f i m ag e processing m ethod m easuring techno logy and ana lys is o f g rain flow state in vertical pipe , a ne w m ethod of m easuring gra in flow cha racter istics by i m age processing m ethod w as introduced. Suspension veloc ity o f seve ra l g ra ins was m easu red w ith th is way , and the influenc ing factors w ere ana lyzed as w el.l Th is w ill prov ide a basis theory for design and i m prove m ent of pneu m atic conv ey ing m ach ine ries . K EYW ORDS : i m age process ing m ethod; g ra in; suspens ion v elocity 固体物料的悬 浮速 度是两 相流 中一个 重要 的原始 计算 参数 , 是粒子动力学 的最 基本性 质 [ 1] 。在农 业工程 领域 , 设 计粮食收割机、 复式 脱粒机 和清 选机 的分离 与清 选装置 时 , 必须知道各种粮食物料的悬浮 速度 , 由 此确定风机 的型号以 及筛子的摆幅和频 率 [ 2] 。粮食 干燥 和气力 输送 装备的 设计 中 , 悬浮速度也是一个重要的设计参数。 对于形状规则 的单 个颗粒 的悬 浮速度 , 不 论理 论计 算 , 还是试验都 容易 得 到 , 而且 理 论结 果与 实 测结 果也 较 为吻 合。但对于颗粒群特别是对于非 球形的颗 粒群的悬浮 速度 , 其影响因素很 多 , 无法 全部考 虑。因此 , 精 确计算 颗粒 群的 悬浮速度非常困难。 然而 , 在工程实际中 , 与单颗 粒的悬浮速度相比 , 颗粒群 悬浮速度是一个 更为 重要 的机械 设备 设计参 数。笔者 通过 一种基于图像法的 测试 手段测 量了 几种常 见农 业物料 在不 同浓度下的颗粒 群悬浮 速度 , 并 对其进 行分 析和比 较 , 发现 了其中的一些规律。 1 垂直管道中单个固体颗粒的运动和悬浮速度 在含有颗粒和流体的垂直 系统中 , 当流体以小 于固体自 由沉降速度向上 运动时 , 固 体将 下降 ; 如果 流体 以大于 固体 的自由沉降速度 向上运 动时 , 则 固体将 上升 ; 而 当流体 等于 固体自由沉降速度向 上运动时 , 固体将 处在一个水 平上呈摆 动状态 , 此时流体的 速度称 为该 固体 颗粒的 自由 悬浮速 度 , 以下简称悬浮速度。显然 , 悬浮速度与 沉降速度在 数值上是 相等的 , 方向相反 [ 3] 。 在垂直系统中 , 对于直径为 d s 的单 个球形 物体 , 在空气 中的浮重为
基于图像法的粮食物料悬浮速度研究
塔 娜, 张志耀 , 秀 荣
010018) ( 内蒙古农业大学机电工程学院 , 内蒙古 呼和浩特 摘
要 : 图像法是一种基于图像处理技术的非接触式测试手段 。 随着计算 机技术与图 像处理技术 的发展 , 图像法被 广泛应用
于各个领域的测试工作中 。 通过对图像 法测试技术的研究和对粮食物料在垂直 管道中流动 状态的观察 、 分析 , 提出 一种利用 图像法测量粮食物料悬浮速度 的新方法 。 用该方法测定了 几种常 见粮食颗 粒的悬 浮速度 , 并 分析了 各种因素 对颗粒 悬浮速 度的影响 , 可为粮食气力输送机械的设计 、 优化提供参考依据 。 关键词 : 图像法 ; 粮食物料 ; 悬浮速度 中图分类号 : S192 文献标识码 : A 文章编号 : 1003- 6202( 2008) 07- 0008- 03 R esearch of G ra in Suspension V eloc ity based on Im age ProcessingM ethod AB STRACT : I m age processing m e thod is a non contact testing m eans based on i m age process ing techno logy . W ith the developm ent of computer techno logy and i m age processing techno logy , i m age processing me thod is w ide ly app lied to var ious fie lds o f testing w ork. Based on the study o f i m ag e processing m ethod m easuring techno logy and ana lys is o f g rain flow state in vertical pipe , a ne w m ethod of m easuring gra in flow cha racter istics by i m age processing m ethod w as introduced. Suspension veloc ity o f seve ra l g ra ins was m easu red w ith th is way , and the influenc ing factors w ere ana lyzed as w el.l Th is w ill prov ide a basis theory for design and i m prove m ent of pneu m atic conv ey ing m ach ine ries . K EYW ORDS : i m age process ing m ethod; g ra in; suspens ion v elocity 固体物料的悬 浮速 度是两 相流 中一个 重要 的原始 计算 参数 , 是粒子动力学 的最 基本性 质 [ 1] 。在农 业工程 领域 , 设 计粮食收割机、 复式 脱粒机 和清 选机 的分离 与清 选装置 时 , 必须知道各种粮食物料的悬浮 速度 , 由 此确定风机 的型号以 及筛子的摆幅和频 率 [ 2] 。粮食 干燥 和气力 输送 装备的 设计 中 , 悬浮速度也是一个重要的设计参数。 对于形状规则 的单 个颗粒 的悬 浮速度 , 不 论理 论计 算 , 还是试验都 容易 得 到 , 而且 理 论结 果与 实 测结 果也 较 为吻 合。但对于颗粒群特别是对于非 球形的颗 粒群的悬浮 速度 , 其影响因素很 多 , 无法 全部考 虑。因此 , 精 确计算 颗粒 群的 悬浮速度非常困难。 然而 , 在工程实际中 , 与单颗 粒的悬浮速度相比 , 颗粒群 悬浮速度是一个 更为 重要 的机械 设备 设计参 数。笔者 通过 一种基于图像法的 测试 手段测 量了 几种常 见农 业物料 在不 同浓度下的颗粒 群悬浮 速度 , 并 对其进 行分 析和比 较 , 发现 了其中的一些规律。 1 垂直管道中单个固体颗粒的运动和悬浮速度 在含有颗粒和流体的垂直 系统中 , 当流体以小 于固体自 由沉降速度向上 运动时 , 固 体将 下降 ; 如果 流体 以大于 固体 的自由沉降速度 向上运 动时 , 则 固体将 上升 ; 而 当流体 等于 固体自由沉降速度向 上运动时 , 固体将 处在一个水 平上呈摆 动状态 , 此时流体的 速度称 为该 固体 颗粒的 自由 悬浮速 度 , 以下简称悬浮速度。显然 , 悬浮速度与 沉降速度在 数值上是 相等的 , 方向相反 [ 3] 。 在垂直系统中 , 对于直径为 d s 的单 个球形 物体 , 在空气 中的浮重为
基于双目视觉的振动筛运行状态在线检测方法
第44卷第"期 2018年6月工矿自动化Industry and Mine AutomationVol. 44 No. 6Jun. 2018文章编号！671-251X(2018)06-0090-06 DOI：10. 13272/j.issn. 1671-251x.2018020036基于#目视觉的振动筛运行状态在线检测方法杨硕1!，佟建楠3(1.煤炭科学研究总院唐山研究院，河北唐山063012&2.天津大学电气自动化与信息工程学院，天津300072;3.唐山学院土木工程学院，河北唐山063000)摘要：针对现有振动筛运行状态检测方法仅能对振动筛局部运行状态进行检测，且存在精度低、时效性 差等问题，提出了一种基于双目视觉的振动筛运行状态在线检测方法。
首先通过双目视觉检测装置对振动 筛的运动图像进行采集；然后对图像进行灰度化处理，利用多尺度H a r is角点检测算法获取图像的特征点，引入图像金字塔理论改进Lucas-Kanade光流估计算法，提高图像特征点运动轨迹的在线追碟性能；最后设 计B P神经网终分类器，完成对特征点运动轨迹的分析与辨识，实现对振动筛整体运行状态的检测。
试验结 果表明，该检测方法准确性高、时效性好，可对振动筛运动轨迹进行全方位、多角度的追踪和辨识，实现了振 动筛整体运行状态的在线检测和分析。
振动筛在停止、正常、疑似故障和故障4种状态下，该方法的准确率 分别达到了 97. 917%、90. 667%、96. 431L和 93. 181L。
关键词：选煤％振动筛％运动图像采集％双目视觉％多尺度角点检测％光流估计％ B P神经网络分类器中图分类号：TD948 文献标志码：A网络出版地址：Nttp:///kcms/detail/32. 1627. T P.20180518. 1616. 003. htmlOn-line detection method of operating state of vibrating screen based on binocular visionYAN G Shuo1，2，TONG Jiannan3(1.Tangshan Research Institute,China Coal Research Institute，Tangshan 063012, China;2. School of Electrical and Information Engineering，Tianjin University，Tianjin 300072, China;3. School of Civil Engineering,Tangshan University,Tangshan 063000, China)Abstract：In view of problems that existing detection methods of operating state of vibrating screen can only detect local operating state of vibrating screen,and has shortcomings such as low timeliness,an on-line detection method of whole operating state of vibrating screen based on binocular vision technology was put forward.Firstly,the method uses binocular vision detection device to capture movement images of t he vibrating screen.Then it makes graying processing for the images,uses multiscale Harris corner detection algorithm to obtain the feature points of the image pyramid theory to improve Lucas-Kanade optical flow estimation algorithm,so as to enhance on-line tracking ability of motion track for feature points.Finally,BP neural network classifier is designed to complete analysis and identification of motion trajectory of the feature points,so as to realize detection of whole running condition of vibrating screen.Test results show that the detection method has and good timeliness,w hich can realize on-line detection and analysis of whole running state of vibrating收稿日期：2018-02-21;修回日期：2018-04-26;责任编辑：张强。
基于图像的异物检测方法与流程
基于图像的异物检测方法与流程Image-based foreign object detection plays a critical role in various fields, including food safety, manufacturing, and security. 图像异物检测在食品安全、制造业和安全领域起着至关重要的作用。
With the advancement of artificial intelligence and computer vision technology, the accuracy and efficiency of image-based foreign object detection methods have significantly improved. 随着人工智能和计算机视觉技术的进步，基于图像的异物检测方法的准确性和效率显著提高。
One commonly used approach for image-based foreign object detection is deep learning, specifically convolutional neural networks (CNNs). 图像异物检测的一种常用方法是深度学习，特别是卷积神经网络(CNNs)。
CNNs have demonstrated remarkable performance in object recognition tasks, making them suitable for foreign object detection in images. CNNs在物体识别任务中表现出色，使它们适用于图像中的异物检测。
By training CNNs on a large dataset of images containing both normal and foreign objects, the network can learn to distinguish between the two and identify foreign objects with highaccuracy. 通过在包含正常物体和异物的大型图像数据集上对CNN进行训练，网络可以学会区分两者并高精度识别异物。
振动筛粒度测试的四大方法
振动筛粒度测试的四大方法粒度测试的基本方法粒度测试的方法很多，具统计有上百种。
目前常用的有沉降法、激光法、筛分法、图像法和电阻法四种，另外还有几种在特定行业和领域中常用的测试方法。
1、沉降法：沉降法是根据不同粒径的颗粒在液体中的沉降速度不同测量粒度分布的一种方法。
它的基本过程是把样品放到某种液体中制成一定浓度的悬浮液，悬浮液中的颗粒在重力或离心力作用下将发生沉降。
不同粒径颗粒的沉降速度是不同的，大颗粒的沉降速度较快，小颗粒的沉降速度较慢。
那么颗粒的沉降速度与粒径有怎样的数量关系，通过什么方式反映颗粒的沉降速度呢？①Stokes定律：在重力场中，悬浮在液体中的颗粒受重力、浮力和粘滞阻力的作用将发生运动，这就是Stokes定律。
从Stokes定律中我们看到，沉降速度与颗粒直径的平方成正比。
比如两个粒径比为1:10的颗粒，其沉降速度之比为1:100，就是说细颗粒的沉降速度要慢很多。
为了加快细颗粒的沉降速度，缩短测量时间，现代沉降仪大都引入离心沉降方式。
这就是Stokes定律在离心状态下的表达式。
由于离心转速都在数百转以上，离心加速度ω2r远远大于重力加速度g，Vc〉〉V，所以在粒径相同的条件下，离心沉降的测试时间将大大缩短。
②比尔定律：如前所述，沉降法是根据颗粒的沉降速度来测试粒度分布的。
但直接测量颗粒的沉降速度是很困难的。
所以在实际应用过程中是通过测量不同时刻透过悬浮液光强的变化率来间接地反映颗粒的沉降速度的。
那么光强的变化率与粒径之间的关系又是怎样的呢？比尔是律告诉我们：设在T1、T2、T3、……Ti时刻测得一系列的光强值I1D2〉D3〉……〉Di，将这些光强值和粒径值代入式（5），再通过计算机处理就可以得到粒度分布了。
2、激光法：激光法是根据激光照射到颗粒后，颗粒能使激光产生衍射或散射的现象来测试粒度分布的。
由激光器的发生的激光，经扩束后成为一束直径为10mm左右的平行光。
在没有颗粒的情况下该平行光通过富氏透镜后汇聚到后焦平面上。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Figure 1. Overview of the vibrating screen material detection algorithm 图 1. 振动筛物料检测算法总览
3. 图像预处理
图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性 和最大限度地简化数据[5]。选煤厂实际场景中，由于光线变化复杂、摄像头抖动等问题的存在，需要对 原始图像进行预处理以增强可检测特征信息。本文使用筛面上的直线作为检测特征，因此进行图像预处 理将图像内容简化，进而提取直线特征，提高特征提取的可靠性。
3) 对梯度幅值应用非极大值抑制，将图像梯度中局部极大值以外的值置零
4) 使用双阈值检测和连接边缘
本文使用 Canny 边缘检测以达到最优边缘检测的效果，首先采用高斯滤波对图像做平滑，后计算平
滑后图像中各像素处的梯度幅值和方向，采用非极大值抑制细化边缘，并利用双阈值检测和连接边缘最
终得到细化的边缘图像，同时进行图像二值化。为有效提取振动筛筛面的直线特征，使用 Canny 边缘检
3.1. 开运算
开运算是腐蚀运算与膨胀运算的组合[6]，在第一步求腐蚀运算时，腐蚀掉比结构元素小的量细节并
同时减弱图像整体的灰度值；第二步的膨胀运算提高整体图像的亮度，但对已腐蚀的细节不再引入。即
对灰度图像进行开运算，将去除比结构元素小的亮细节。开运算的数学定义如式(1)所示：
= X S ( X S ) ⊕ S
江如良 等
基于图像方法的振动筛物料状态检测算法的原理框架如图 1 所示，首先将从监控画面得到的图像进 行灰度化处理，并进行直方图均衡化，以增强整体监控画面；随后进行形态学处理，消除由于物料染色 对振动筛筛面造成的特征不清晰问题；然后使用边缘检测提取振动筛及筛面轮廓；并利用累计概率霍夫 变换检测图像中振动筛筛面上的直线作为特征；最后利用该特征，使用 SVM 分类器进行分类检测，达到 检测振动筛筛面物料状态的目的。
Figure 2. Open operation effect 图 2. 开运算效果
59
图像与信号处理
江如良 等
3.2. Canny 算子边缘检测
由于 Canny 算子使用了非极大值抑制的方法，其能够在检测中去除不是边缘的点；同时 Canny 算子
采用双阈值检测和边缘连接[7]，使用大阈值得到边缘的图像，小阈值控制边缘连接，在图像中弱边缘和
Image Based Detection Method of Vibrating Screen Materials’ Existence
Ruliang Jiang1, Yi Liu1, Fan Bai2, Yanjun Hu2
1Huaibei Mining Co., Ltd. Linhuan Coal Preparation Plant, Huaibei Anhui 2China University of Mining and Technology, Xuzhou Jiangsu
2. 基于图像的方法
由节约人力成本与减少疏漏的目的出发，本文提出一种基于图像方法的振动筛物状态料检测算法， 使计算机通过监控摄像头数据自动检测振动筛上物料状态是否稀疏，以辅助工作人员，减轻工作人员在 振动筛监控中的工作压力。
DOI: 10.12677/jisp.2020.91007
58
图像与信号处理
强边缘相连时，使得弱边缘能够输出，从而使边缘闭合。Canny 算子的数学表达如式(2)与式(3)所示)
1 1
sy = −1 −1
(3)
使用 Canny 算子进行边缘检测的主要步骤如下：
1) 使用高斯平滑滤波器卷积消除噪声干扰
2) 采用不同的梯度算子计算梯度幅值和方向
测提取筛面上的边缘信息，能够有效得到筛面网格直线，为特征直线的检测提供良好数据。Canny 边缘
检测的效果如图 3 所示。
Figure 3. Edge detection effect. (Left: density of material; Right: sparsity of material) 图 3. 边缘检测效果。(左：物料稠密；右：物料稀疏)
1淮北矿业股份有限公司临涣选煤厂，安徽 淮北 2中国矿业大学，江苏 徐州
收稿日期：2019年12月10日；录用日期：2019年12月27日；发布日期：2020年1月3日
文章引用: 江如良, 刘亿, 白帆, 胡延军. 基于图像的振动筛物料状态检测方法[J]. 图像与信号处理, 2020, 9(1): 57-64. DOI: 10.12677/jisp.2020.91007
为了解决在选煤厂中利用人工方式监控振动筛设备物料状态时，不仅会出现疏漏，还将消耗大量人 力的问题，本文研究了基于图像的振动筛物料状态检测算法，利用厂房内布置的监控摄像头数据，经过 图像灰度化、均衡化等经典图像处理方法，并使用图像的数学形态学处理，随后使用霍夫变换提取特征， 随后利用 SVM (支持向量机)进行分类检测，使计算机自动识别振动筛筛面上的物料状态，以实现对厂区 内振动筛物料存在性的自动化监控，并以此为据，间接判断上层设备是否堵塞。
4. 基于累计概率霍夫变换的直线检测
4.1. 霍夫变换
霍夫变换[8]是图像变换中的经典手段之一，主要用来从图像中分离出具有某种相同特征的几何形状
(如直线、圆等)。霍夫变换寻找直线与圆的方法相比其他方法可以更好的减少噪声干扰。经典的霍夫变换
近年来，随着选煤厂智能化[2]概念的提出，许多选煤厂为了提高安全生产水平，在重要的生产厂区 安装监控系统，以实现对现场的实时监控与录像，并通过网络传输和远程监视，期望及时发现并处理现 场异常工作状况，尽早消除隐患。但在实际使用过程中，这种监控系统只能确保远程查看实时画面，仍 然需要专职人员值守来监视生产现场的工作状况并进行人为判定[3] [4]。长时间的监视工作易使工作人员 产生疏漏，容易导致事故的发生。本文以某煤矿选煤厂为实际应用背景，在厂区现有监控系统的基础上， 引入图像处理的方法，设计了振动筛物料状态检测算法。
关键词
图像处理，开运算，Canny边缘检测，累计概率霍夫变换，支持向量机
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
Journal of Image and Signal Processing 图像与信号处理, 2020, 9(1), 57-64 Published Online January 2020 in Hans. /journal/jisp https:///10.12677/jisp.2020.91007
Keywords
Image Processing, Open Operation, Canny Edge Detection, Cumulative Probability Hough Transform, Support Vector Machine
基于图像的振动筛物料状态检测方法
江如良1，刘 亿1，白 帆2，胡延军2
Received: Dec. 10th, 2019; accepted: Dec. 27th, 2019; published: Jan. 3rd, 2020
Abstract
The density sparsity of material in the screen of the vibrating screen can be used as an auxiliary mean for judging the blockage of the cyclone. The image processing method is adopted, the vibrating screen mesh lines are used as the detection feature, and the SVM method is utilized to design a vibrating screen material detection algorithm. Computer automatic detection is used to assist manual monitoring, aiming to find congestion and reduce omissions. In this paper, the overall algorithm is described, and the idea of the algorithm is clarified. The opening operation and Canny edge detection in the algorithm play a role in enhancing features. Then the line detection based on the cumulative probability Hough transform is used to extract feature lines on the sieve surface. Finally, the SVM (Support Vector Machine) is utilized as a classifier to accurately classify the extracted features. The experimental results show that the method can effectively identify the presence and absence of materials on the vibrating screen surface, and the recognition accuracy reaches 97.38%.