基于曲线拟合的双能X射线透射的金属识别研究

双能X射线透射分析技术通过识别物料种类来回收废旧金属。针对传统的识别算法存在识别结果受金属厚度影响大、可识别的金属厚度范围较小的问题,在曲线拟合方法的基础上提出了一种基于野值判断的金属识别方法。采用基于高、低能T值的拟合曲线,减少了厚度因素对拟合曲线相关度的影响,解决了较厚金属无法识别的问题;引入野值判断,提高了识别的准确性。对不同厚度的金属铝和金属铜进行识别实验,结果证明:基于野值判断的T值拟合识别算法对不同厚度铝和铜的识别效果较好,可识别的厚度范围相较于传统算法分别提高至90 mm和40 mm,扩大了可以分选的金属厚度范围。

基于BP神经网络的双能X射线透射的金属识别算法

双能X射线透射识别技术可识别物质种类,是一种能用于废金属回收的新方法。在废金属识别算法中,目前的曲线拟合识别算法只能在物质厚度较小时能较好地拟合,识别准确性和厚度范围不能满足废金属分选要求,并且不能解决X射线源扇形效应的影响。针对现有算法的不足,基于α曲线提出α识别特征,提高了识别的厚度范围;提出将物料位置作为识别特征,解决了扇形效应;结合α特征和位置特征提出基于BP神经网络算法的废金属分类模型。通过铜和铝物料实验对比,结果表明识别准确率从81.4%提高到了94%。

双能X射线识别金属物料的R值曲线拟合算法

双能X射线透射技术可以识别物料的种类,是一种能够用于回收废金属资源的新方法。虽然这项技术在安检行业中已经有了广泛的应用,但是其中常用的R值算法受物质厚度的影响较大,并且识别的物料形式也不相同,应用于回收废金属资源时有待改进。在分析R值算法的基础上,提出了一种R值曲线拟合识别算法,并通过实验验证了该方法识别铝和铜类的金属物料的有效性。

基于双能X射线透射的区域分块废有色金属识别算法

在基于双能X射线透射技术的废有色金属分选中,可识别的物料厚度范围较小,无法满足废有色金属分选的需求。为解决该问题,对现有识别算法进行了分析,针对现有算法的不足,提出了一种基于低能透射信号值和双能R值双参数联合的区域分块废金属识别算法,提高了识别算法的适用厚度范围,并通过实验对算法的识别率进行了验证。