基于深度学习边缘检测和Hough变换的摇床矿物带边界提取和特征表示

摇床是一种应用广泛的重力选矿设备,也是钨、锡矿主要的选矿设备。影响选矿摇床分选指标的因素错综复杂,通过有经验的工人去不断优化调参,即是耗时耗力的,也是不准确的。已经有各种图像处理技术应用到选矿中,大部分在浮选选矿中,效果很好,考虑到选矿摇床排矿区域大和环境更加复杂,传统的阈值分割和边缘提取算子难以准确地检测出我们需要的边缘特征,故采用基于深度学习边缘检测算法和Hough变换的方法,能够从复杂环境下的矿物带图像中提取出矿物精矿带边界线和摇床边界线的特征,解决了摇床自动控制系统中机器视觉识别摇床分选状态问题,对选矿摇床分选过程控制模型的研究具有重要意义。