基于图像识别的高纯度云母矿分选研究

这是一篇工艺矿物学领域的论文。为了解决高纯度云母中色斑杂质分选难的问题,本文提出一种基于图像处理的含杂质云母的分选方法,针对云母在不同光源条件下色斑杂质所呈现的状态,研究了图像光照环境的影响,并在此基础上对所获取图像进行高斯滤波、canny边缘检测等处理方法的研究,最终准确地实现云母矿的图像识别与区分,并在三种不同种类的云母矿识别中取得较好的效果。

基于机器视觉的雷波薄夹层磷矿石预分选研究

随着磷矿资源的快速消耗,现阶段我国中低品位磷矿存在占比大且利用率较低的问题,导致生产处理成本增加。利用机器视觉技术代替人工观察实现提前抛废,对磷矿进行预富集,提升矿石综合利用效率,减少经济成本。针对四川省雷波县巴姑中低品位薄夹层磷矿的特性,提出一种基于HSV颜色模型采用多阈值法提取特征值并结合KNN算法的磷矿动态实时预分选算法,待选矿石经本算法分选后精矿品位达到18.3%,这表明该算法的识别准确率较高,基本满足企业识别尾矿的分选需求,达到抛尾的目的。

基于机器视觉的磷复肥造粒粒度检测研究

磷复肥的造粒粒度是影响最终产品质量的重要因素,目前尚无理想的造粒粒度在线检测分析方法,为解决该问题,使用机器视觉技术、高速相机对磷复肥造粒颗粒进行快速抓拍,利用自行开发的图像处理软件对颗粒粒径特征进行采集,最终形成一套高速、高精度粒度在线分析算法,并将基于该算法的颗粒粒径采集软件应用于江西新洋丰股份有限公司造粒车间1号生产线上,根据平均粒径和成品粒径的合理占比实时控制造粒蒸汽阀门开度,取得了较好的粒度在线分析效果。