基于图像处理的矿石粒度在线检测系统

基于图像处理的给矿粒度检测及控制设计王文成;李世厚;魏江海;李春林【摘要】介绍了基于图像处理的给矿粒度检测及控制设计，给矿输送带上的矿石颗粒通过图像采集设备进行连续采集。

对图像进行分析处理后，将统计结果输入PLC控制系统，控制系统通过与预设粒度值比较后，对摆式给矿机做出调整。

该粒度检测系统能够连续输出矿石实际粒径，为磨机工作参数的最优控制和充分发挥磨机最大效能提供有效途径，并在攀钢某选厂进行实际应用，获得了较好的效果。

%Design of feeding particle size measurement and control based on image processing is in-troduced.The ores on feeding conveyor belt were captured continuously by image capture device. The statistical results obtained by analyzing and processing image were inputted into PLC control system, which then adjusted pendulum feeder when contrasted with predetermined size value.The detection system continuously output the actual sizes information, providing an effective way for op-timal control of the working parameters and exerting the maximal efficiency of mills.As an exam-ple, the practical application of concentrator of Panzhihua Iron and steel obtained good results.【期刊名称】《矿产保护与利用》【年(卷),期】2015(000)004【总页数】4页(P48-51)【关键词】颗粒图像;PLC控制系统;摆式给矿机;粒度检测【作者】王文成;李世厚;魏江海;李春林【作者单位】昆明理工大学国土资源工程学院，云南昆明650093;昆明理工大学国土资源工程学院，云南昆明650093;昆明理工大学国土资源工程学院，云南昆明650093;昆明理工大学国土资源工程学院，云南昆明650093【正文语种】中文【中图分类】TD453基于图像处理的给矿粒度检测及控制设计*王文成，李世厚，魏江海，李春林(昆明理工大学国土资源工程学院，云南昆明650093)摘要:介绍了基于图像处理的给矿粒度检测及控制设计，给矿输送带上的矿石颗粒通过图像采集设备进行连续采集。

智能图像识别技术在矿山勘探中的应用随着科技的发展，人工智能领域出现了越来越多的技术和产品，其中最受关注的当属智能图像识别技术。

该技术可以通过计算机视觉系统，对图像进行分析和识别，从而实现自动化处理和智能化判断。

在矿山勘探领域，智能图像识别技术也逐渐得到了应用。

本文就将就着“智能图像识别技术在矿山勘探中的应用”这个主题，从技术介绍、应用案例和未来趋势三个方面进行探讨。

技术介绍智能图像识别技术可以分为四个主要步骤：图像采集、预处理、特征选取和分类判别。

其中图像采集阶段使用传感器采集矿区图像数据，预处理阶段通过一些处理方式去除光照和噪音干扰，提取出有用的特征信息，然后进行特征选取和分类判别，得到矿区图像的各种信息与判断结果。

在智能图像识别技术中，最常用的是深度学习模型，因为它可以学习到图像的各种特征信息，并能自动识别图像中的物体。

深度学习模型是通过构建多层神经网络，完成模式识别和分类的过程。

在各个层次上，神经网络会自动进行新的特征学习，并将这些特征组合在一起，用于数据分类和判别。

大多数已发布的智能图像识别方案中，使用的均是深度学习技术。

其中，卷积神经网络（CNN）和循环神经网络（RNN）是两种常用的模型类型。

CNN主要应用于图像分类等视觉任务，而RNN则主要用于序列数据的处理。

应用案例智能图像识别技术在矿山勘探领域的应用案例也越来越多。

在矿区开采过程中，使用智能图像识别技术可以提高生产效率，降低操作人员的工作强度。

以下是应用案例说明：1. 车辆识别对于运输车辆的识别和跟踪，智能图像识别技术可以实现实时监测、计数和管理，综合考虑多个参数，如车型、速度、方向等。

通过智能识别，可以自动识别车辆类型，并按照所经过的区域、方向和行驶时间，对车辆进行分类和统计。

2. 材料识别矿山开采过程中会产生大量的矿石和废渣，这些材料需要进行分类、处理和储存。

使用智能图像识别技术可以实现对材料的分类和统计。

在图像中，矿石的颜色、纹理和形状等特征可以被有效识别。

基于机器视觉的矿石块度智能识别及应用随着科技的不断进步，机器视觉被广泛应用于各个领域，其中之一便是矿石行业。

矿石的块度是矿石的一个重要指标，对矿石的后续处理和应用有着重要的影响。

本文将介绍基于机器视觉的矿石块度智能识别及其应用。

一、矿石块度的概念和重要性矿石块度是指矿石颗粒的大小和形状。

在矿石的提取和选矿过程中，矿石的块度是一个关键参数。

不同的矿石块度对后续工艺有着不同的要求，例如对于破碎环节，需要将矿石进行细碎以提高其块度；对于选矿环节，需要将矿石按照块度进行分选。

因此，准确地识别矿石的块度对于矿石的处理和应用是非常重要的。

二、机器视觉在矿石块度识别中的应用机器视觉技术通过对矿石的图像进行处理和分析，可以准确地识别矿石的块度。

下面将介绍一种基于机器视觉的矿石块度智能识别系统。

1. 数据采集：通过摄像头对矿石进行拍摄，获取矿石的图像数据。

2. 图像处理：对采集到的图像数据进行预处理，包括去噪、增强等操作，以提高后续的图像分析效果。

3. 物体分割：通过图像处理算法，将图像中的矿石与背景进行分割，以便进行后续的块度分析。

4. 特征提取：在分割后的矿石图像中提取关键的特征，例如面积、周长、长宽比等。

5. 块度计算：根据提取到的特征，计算矿石的块度。

可以通过一定的算法和模型，将特征与实际的块度进行关联。

6. 结果展示：将计算得到的矿石块度结果进行展示，可以以数字形式或者图像形式呈现。

三、基于机器视觉的矿石块度识别系统的优势基于机器视觉的矿石块度识别系统相比传统的人工方法具有以下优势：1. 自动化：机器视觉系统能够全自动地进行图像采集、处理和分析，无需人工干预，提高了工作效率和准确性。

2. 高效性：相比人工方法，机器视觉系统能够更快地对大量的矿石图像进行分析，节省了人力和时间成本。

3. 可靠性：机器视觉系统采用先进的算法和模型，能够准确地识别矿石的块度，有效避免了人为误差的影响。

4. 数据化：基于机器视觉的矿石块度识别系统可以将识别结果以数据的形式进行存储和分析，为后续的数据挖掘和应用提供了支持。

BPSM-II在线矿浆粒度分析仪技术说明北京矿冶研究总院2009年1月1.产品简介BPSM 系列矿浆粒度分析仪是北京矿冶研究总院研制的高精度在线矿浆粒度分析设备，该设备可用于测量分析矿浆、煤浆、水泥浆等浆液的浓度和其中颗粒的粒级分布。

BPSM-I 型在线矿浆粒度分析仪于2005 年8 月通过中国有色金属工业协会鉴定，并获得2005 年中国有色金属工业科学技术一等奖。

BPSM-II型在线矿浆粒度分析仪于2008 年11 月通过了中国有色金属工业协会的鉴定。

粒度分析仪通过测量头的高精度传感器在线、实时地测量矿浆中矿粒的大小，并将检测信号通过放大器传送至PLC。

PLC 对信号分析处理后，计算矿浆中一定粒级的颗粒的含量，粒度分析仪可以同时分析出两个粒级的含量。

检测范围：600μm~37μm (30目~400目)，5%~60% (固体质量百分数)。

测量精度：粒度，1σ典型值1~2 %，浓度，1.5%。

2.产品特点在线测量各种矿浆粒度。

零点校验自动排除漂移。

不受矿浆黏度、温度、浓度影响，气泡和片状矿物对测量不会造成干扰。

测量无需除气、脱磁或稀释。

一台仪器可提多达供4个测量流道。

自动记录规定时间内的粒度变化曲线。

防护等级IP65，适用于选厂的温度、湿度和环境条件。

3.应用和效益矿浆粒度是磨矿工艺中最关键的参数，BPSM 系列在线粒度分析仪是在线测量矿浆粒度的最佳仪器之一。

准确测量矿浆粒度，是实现磨矿过程优化控制的基础，从而减少磨机过磨或欠磨，提高磨机处理量和磨机效率。

图 1 是磨矿状态与选矿指标的关系。

粒度合格的入选矿浆，对于提高浮选指标，保证回收率和精矿品位有重要意义，为企业带来更大经济效益。

图1. 磨矿状态与选矿指标的关系4.技术参数测量对象各类矿浆、煤浆、水泥浆等样品通道 1~4个分析信息用户标定的2个粒级输出信号（如：-200目/+50目）绝对精度1σ典型值1~2%粒度范围600μm~37μm (30目~400目)电源要求 220V AC，50 Hz，电源容量，300V A输出信号 4~20mA标准信号通讯方式标准MODBUS通讯协议安装基本空间 3000mm(H)×2500mm(W)×1800mm(D)体积及重量 2250mm(H)×1370mm(W)×700mm(D)，160 kg矿浆样品量 70~200L/min清水源压力 0.4Mpa清水消耗量 20L/min(只在水冲洗周期内用)空气源压力 0.4~0.6Mpa空气消耗量 7NL/min稳流箱连接管矿浆进管OD 50 mm矿浆稳流箱出管OD 75 mm冲洗水管进水OD 18 mm或1/2”管标定取样箱出管 OD 75 mm5.分析仪回归分析模型BPSM-II在线矿浆粒度仪安装调试完毕，开始矿浆粒度分析之前，利用分析仪的标定取样功能，制取至少30个具有代表性的矿浆样品，通过实验室筛分分析，检测指定2个粒级的矿物粒度分布。

机器视觉技术在矿石识别中的应用在当今的矿业领域，机器视觉技术正发挥着日益重要的作用。

矿石识别作为矿业生产中的关键环节，传统方法往往依赖人工经验，效率低下且容易出错。

而机器视觉技术的引入，为矿石识别带来了全新的解决方案。

机器视觉技术，简单来说，就是让机器拥有像人一样的“眼睛”和“大脑”，能够对物体进行观察、分析和判断。

在矿石识别中，它通过一系列的硬件设备，如摄像头、传感器等，获取矿石的图像或数据，然后利用复杂的算法和模型进行处理和分析，从而实现对矿石的快速、准确识别。

首先，机器视觉技术在矿石识别中的应用，显著提高了识别的效率。

以往，人工识别矿石需要耗费大量的时间和精力，尤其是在处理大量矿石样本时，更是容易出现疲劳和疏忽，导致识别结果不准确。

而机器视觉系统可以在短时间内对大量的矿石进行扫描和分析，大大缩短了识别周期。

例如，在矿石开采现场，机器视觉技术能够实时对传送带上的矿石进行识别和分类，快速将不同类型的矿石区分开来，为后续的选矿、加工等环节提供了及时准确的信息。

其次，机器视觉技术提高了矿石识别的准确性。

人工识别受到主观因素的影响较大，不同的人可能会对同一种矿石得出不同的判断结果。

而机器视觉技术基于客观的数据和精确的算法，能够对矿石的特征进行精确测量和分析，从而避免了人为误差。

它可以从矿石的颜色、形状、纹理、大小等多个方面进行综合判断，识别出细微的差异，准确区分不同种类的矿石。

在实际应用中，机器视觉技术通常会结合一些先进的图像处理技术，来更好地提取矿石的特征。

比如，利用图像增强技术，可以让矿石的图像更加清晰，突出其重要特征；通过边缘检测技术，可以准确地勾勒出矿石的轮廓；而特征提取技术则能够从复杂的图像中提取出具有代表性的特征，用于后续的识别和分类。

此外，机器视觉技术还能够实现对矿石的无损检测。

传统的检测方法可能需要对矿石进行切割、打磨等处理，这不仅会破坏矿石的结构，还可能影响检测结果的准确性。

而机器视觉技术只需对矿石进行非接触式的扫描和分析，就能获取所需的信息，既保证了矿石的完整性，又提高了检测的可靠性。

基于深度学习的图像识别技术在选矿中的应用进展
胡雅祺;孔静;李宇恒;陈天星
【期刊名称】《矿冶》
【年(卷),期】2024(33)1
【摘要】基于我国开展“矿山智慧化”的战略部署,未来矿产资源开发利用实现机械化、自动化、信息化、智能化已经成为行业发展的必然趋势。

近年来,随着计算机图像处理技术的飞速发展,机器视觉在工业中得到广泛应用,基于深度学习的图像识别技术也将成为选矿厂智能化的重要工具。

简述了图像识别的主要技术及方法,介绍了图像识别技术在重选、磁选、浮选中的研究现状,并对图像识别技术在选矿中的应用进行了展望,以期能够为相关学者提供参考。

【总页数】10页(P131-140)
【作者】胡雅祺;孔静;李宇恒;陈天星
【作者单位】西安建筑科技大学资源工程学院
【正文语种】中文
【中图分类】TP391;TD928
【相关文献】
1.基于深度学习的图像识别技术在非法采砂监管中的应用
2.我国基于深度学习的图像识别技术在农作物病虫害识别中的研究进展
3.基于深度学习的图像识别技术在火灾中的应用
4.基于深度学习的图像识别技术在柑橘病虫识别中的应用研究
5.深度学习在基于图像识别的卵巢癌诊断和预后中的应用进展
因版权原因，仅展示原文概要，查看原文内容请购买。

国外选矿自动化技术国外选矿项目流程自动化技术比我国先进得多，至少要领先20年，主要体现在：1检测分析技术先进，不仅对选矿生产过程的单一工艺参数，也包括设备的运行信息、生产异常或者故障状态的预估和分析。

2控制理论和控制方法先进，得益于生产过程数据的积累，以及以此以后为基础的生产过程，生产设备的建模，和生产运行规律的知识发现。

3数学建模和仿真工作先进，对生产流程的设计能力和调整能力强。

矿石块度分布是影响破碎和磨矿作业的处理能力和生产指标的重要因素之一。

尽管无法对矿石硬度进行准确测量，但是矿石可磨性的变化势必影响破碎或则研磨后的产品宽度和粒度分布信息。

因此原矿石以及碎磨过程的中间矿石的块度/粒度分布是最直接的能够反映原矿性质和生产效果的信息。

美国的APLTENGEINEERING公司开发的Sp;it-OnLine Rock Fragmentation Analysis system 利用图像分割技术实现了皮带上的矿石块度在线分析，包括对粗碎，细碎后矿石，自磨/半自磨给矿矿石，以及皮带上的钢球、球磨机给矿等，以此为指导进行碎磨控制，能够提高碎矿和磨矿生产效率和处理量。

因此磨机负荷和运行状态是选矿生产最关注的设备信息，同时也是磨矿控制的关键。

21世纪初Anglo Platinum、Phelps Dodge、Rio Tinto、WMC Re-aourees和Xstrata等企业联合赞助澳大利亚的CSIRO开发了基于半自磨/球磨机表面震动检测的磨机负荷在线分析系统。

该系统可分析转动中磨机内物料的运动信息，分析衬板和提升板的磨损情况，优化磨机操作参数，减少墨迹作业的钢耗，每年为企业节约数百万澳元的成本。

矿浆粒度、矿浆品味在线检测技术以发展的非常成熟，并且在我国也取得了较广泛的应用。

分析粒度的仪器有OUTOTEC公司基于位移原理PSI300和基于激光原理的PSI500分析仪，德国AYMPATEC GmbH生产的在线超声衰减粒度仪OPUS（On-lion Particle size analysis by Ultrasonic Spectroscopy）;分析品味则以芬兰OUTOTEC公司开发Courier系列载流X荧光分析仪最为典型。

颗粒(孔隙)及裂隙图像识别与分析系统（PCAS）Particles (Pores) and Cracks Analysis System (PCAS)⏹PCAS软件主要功能是进行颗粒、孔隙和裂隙图像的自动识别、几何定量和统计分析。

软件适用于分析各类设备获得的颗粒、孔隙和裂隙网络图像，包括普通相机拍摄的照片，光学显微照片，电子显微镜照片和CT图像等。

与传统的人工测量方法比，使用PCAS具有自动化、高精度和可重复等优点。

⏹目前，PCAS已经出售给华南理工大学、浙江大学和长沙理工大学等单位。

国内外二十多个高校和科研机构采用PCAS开展研究，包括斯坦福大学、牛津大学、慕尼黑理工大学、伊利诺伊大学、中科院、南京大学、中山大学、同济大学等。

PCAS系统已用于岩土体颗粒、孔隙、裂隙、页岩气孔隙和矿物颗粒等的定量识别和结构分析，也可应用于材料、生物等领域。

示例如下：目前，基于PCAS 系统，已有二十余篇SCI 和EI 研究论文发表。

关于程序原理，请参见以下两篇论文：Liu C., Shi B., Zhou J., T ang C., 2011. Quantification and characterization of microporosity by image processing, geometric measurement and statistical methods: application on SEM images of clay materials. Applied Clay Science, 54(1), 97-106 [doi: 10.1016/j.clay .2011.07.022]Liu C., Tang C., Shi B., Suo W., 2013. Automatic quantification of crack patterns by image processing. Computers and Geosciences, 57, 77-80. [doi: 10.1016/j.cageo.2013.04.008]联系方式：**************** *************10c r a c k w i d t h。

基于图像处理的煤矿安全检测研究一、引言煤矿是重要的能源基地，但也是危险联点多的地方，因此加强煤矿安全检测十分必要。

近年来，基于图像处理的煤矿安全检测研究受到了广泛关注。

二、图像处理技术在煤矿安全检测中的应用图像处理是利用计算机对图像进行数字化处理的一种技术，已经被广泛应用于煤矿安全检测中。

具体包括以下几个方面。

1.图像采集图像采集是将煤矿现场的图像进行采集并输入到计算机中，以便后续的处理。

采集设备包括摄像机、红外相机、激光雷达等。

2.特征提取在图像采集之后将图像进行处理，提取图像中的目标区域（煤矿人员、机器和设备等），并对这些目标区域进行特征提取，包括颜色、纹理、形状、大小等。

3.目标识别目标识别是将目标区域按照不同的目标分类进行识别的过程。

目标识别是煤矿安全检测中的重要环节，可通过深度学习、支持向量机、神经网络等机器学习算法实现。

4.煤矿巷道瓦斯浓度检测煤矿巷道瓦斯浓度检测是基于红外成像的技术，通过对煤矿巷道内的瓦斯浓度进行实时监测，提高煤矿的安全性。

三、图像处理技术在煤矿安全检测中的优势相比传统的煤矿安全检测手段，基于图像处理技术的煤矿安全检测有以下几个优势。

1.实时性强基于图像处理技术的煤矿安全检测可实现实时监控，可以及时发现煤矿现场的异常情况，并及时采取应急措施，保证煤矿安全。

2.准确性高基于图像处理技术对煤矿内的工人和设备等目标进行分类和识别，相比传统的人工识别方法，准确性更高。

3.节约人力和物力资源基于图像处理技术的煤矿安全检测，无需人力参与，大大节约人力和物力资源，同时也可提高工作效率。

四、图像处理技术在煤矿安全检测中的挑战基于图像处理技术的煤矿安全检测仍存在以下几个挑战。

1.数据获取难度大基于图像处理技术的煤矿安全检测需要大量的数据作为输入，但现场数据获取面临困难，因此如何解决数据获取问题是亟待解决的。

2.数据处理复杂煤矿现场图像数据量大、噪声多，图像处理的算法需要具有大规模并行处理的能力，同时需要更加精细的算法来对图像进行处理。