融合多边形拟合与凹点匹配的黏连重叠矿石图像分割算法

用选矿机进行矿物分选可以提高目标矿物的含量,从而优化资源利用,提高生产效率,在矿业领域中具有重要意义与价值,但分选过程中通过X射线透射技术所得的矿石图像会存在目标黏连及重叠的情况,这将严重影响矿物分选效率及精度,获取独立矿石图像是使用该方法对矿石进行识别、定位、分选的必要条件。为提高矿物分选精度与效率,提出了一种基于多边形拟合的凹点检测与匹配算法用于分割黏连矿石图像。首先,将矿石二值图像拟合为多边形图像并从图像拐点中甄别出凹点;其次,利用拐点构建直线方程形成检测区域,在该区域内搜寻凹点的待连接点,完成凹点匹配;最后,将计算机视域由二值图转移至灰度图,通过分析待分割区域的灰度值判断该区域是否为矿石间实际黏连处,从而决定是否执行分割操作。试验结果表明,算法在黏连矿石数据集上的总体分割准确率为93.60%,凹点噪声率仅为5.23%,处理尺寸为281×336的图像平均计算时间低至5.13 ms,检测效率最高可提升220倍以上,其噪声凹点滤除能力、凹点检测精度、分割准确率、算法运行速率均优于同类算法,对不同黏连数量及不同黏附形式的矿石图像均展现出较强的分割稳定性。

基于爆破矿石图像分割优化算法的大块率统计方法

矿石图像分割效果受光照条件、目标密集性及边缘对比度低等因素制约,致使大块率统计精度偏低.为此以鞍千矿爆破矿石图像为数据源,首先利用双边滤波算法去除特征增强后的图像噪声,然后分别采用自适应阈值算法和整体嵌套边缘检测(holistically-nested edge detection, HED)算法初步分割矿石图像,再利用形态学和去除连通域算法去除因矿石表面纹理形成的分割孔洞,进一步融合两种分割结果,引入基于距离运算的分水岭算法消除矿石图像欠分割现象,最终实现矿石图像的优化分割.研究结果表明,该方法可有效提高爆破矿石图像分割准确性,实现露天矿爆破大块率精确统计,为爆破效果智能评价提供技术支持.

基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法

爆破大块率是反映爆破效果的关键指标,其统计精度主要依赖于爆堆矿石图像分割的准确性。由于爆堆矿石图像中存在矿石目标分布密集、边缘对比度低等问题,致使传统图像分割方法难以准确分割爆堆矿石图像。因此,提出了一种基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法,以实现大块率的精准统计。首先利用无人机在哑巴岭露天矿爆破现场拍摄爆堆矿石图像,制作爆堆矿石图像数据集;然后利用深度学习算法建立了UNet网络架构,同时融合了高级语义信息和低级语义信息,建立了爆堆矿石图像分割模型,再利用训练后的模型对爆堆矿石图像进行初步分割,进一步采用基于距离运算的分水岭算法优化了分割结果;最后评估了该方法的分割精度。试验结果表明:该算法可准确分割露天矿爆堆矿石图像,为露天矿爆破大块率统计、爆破效果智能评价提供技术支持。

基于改进Unet的矿石图像分割

为了应对矿产领域的矿石识别困难、识别设备成本高等问题提出了改进的Unet矿石图像分割算法,首先对EfficientNetV2加以改造作为模型的主干网络提取矿石特征;其次,引入MBconv模块作为解码器中的基本模块,加强特征提取能力;采用CA注意力模块替换SE注意力模块,保留更多空间位置信息;最后使用滤波器响应归一化(FRN)层替换常用的批量归一化(BN)层,避免模型性能受批量大小的影响。基于FeM和Cu数据集实验结果表明,PA分别为96.58%和95.39%,Miou分别为92.8%和90.43%,F1_score分别为95.15%和93.47%,Efficient_unet模型参数相比Unet减少了60.4%,推理速度提升了19.23%,可达21.7 fps,所提模型在精度和速率方面均优于现有经典分割模型,同时表现出良好的泛化性能。

基于GAN–UNet的矿石图像分割方法

在选矿生产过程中,磨机给矿粒度对磨矿分级效率影响重大,是一个关键的控制参数.由于矿石表面不规则、棱线较多,同时存在矿石间堆叠的问题,给基于图像的矿石粒度检测带来极大困难.本文提出一种基于GAN–UNet的矿石图像分割方法,针对矿石图像棱线易引起矿石边缘错误识别的问题,采用生成对抗网络进行图像分割,将U–Net作为图像分割生成器网络,使用人工标记的矿石边缘图像作为真实图像,随后构建判别器网络以判断图像来源,同时将判别器误差与生成器误差通过加权形式引入网络训练中,直到判别器难以判断分割图像来源,获得满足条件的生成器.对实际工业生产矿石图像的分割结果表明,本方法与U–Net网络相比提升了网络对矿石边缘的识别能力,减小了图像分割误差,对矿石区域的相对误差平均值降至8.20%.

一种基于标识的矿石图像分割方法

针对矿石图像中铁矿石相互粘连、大小不同、形态不规则等特点,提出基于双窗的局部均值阈值化算法,较好地将粘连的各矿石目标相互分离。结合孔洞填充、距离变换等算法获取矿石种子标记图像,利用基于标记改进的分水岭算法完成矿石图像分割。实验结果表明,该算法能有效分割粘连矿石,分割效果良好。

基于分水岭和形态学重构的矿石图像分割方法

对于较为复杂的矿石图像中矿石目标的分割,直接使用已有的图像分割算法往往不能满足我们的个性化要求。为解决该问题,文中基于矿石图像特点设计了一套有效的基于分水岭的矿石图像分割方案,该方案主要包括双边滤波、分段线性灰度变换、二值化、距离变换、图像形态学重构等步骤。实验结果表明,文中提出的矿石图像分割方法可以准确完成矿石粒度图像分割。

特大型矿用挖掘机挖掘阻力感知与仿真研究

特大型矿用挖掘机由于缺少力反馈,操作员很难感知挖掘阻力信息和选择合适的操作功率模式。针对这个问题,提出基于所测取的物料参数进行挖掘阻力仿真模拟的方法。首先,为了获取物料参数中矿石粒径这一重要参数,利用图像处理技术处理无人机航拍矿山得到的矿石图像,再用分水岭算法对其分割,获取矿石粒径大小并统计分布情况;其次,在仿真软件Edem中,结合已知的物料参数建立挖掘机工作装置模型与矿山模型,模拟挖掘动作,利用离散元素法计算出挖掘阻力。该方法能准确地获得挖掘机在指定区域内作业时的阻力信息,并作为重要信息辅助操作人员进行功率模式选择。