基于深度学习的水泥颗粒检测方法

水泥生产过程中需要实时检测水泥颗粒粒径、圆度等几何参数。针对粒度离线检测效率低、参数调整滞后的现状,基于深度学习搭建并优化了水泥颗粒图像分割网络模型。实验表明:基于深度学习的水泥颗粒图像分割网络模型对水泥颗粒图像的分割精度达98%、分割准确度达94%,与离线检测的误差在8%以内。提高了分割精度和检测效率,满足水泥生产中过程控制智能化和信息化要求。

采用颗粒检测技术监测和控制膜滤水质

介绍了超滤膜去除颗粒物的特点,指出保证膜出水水质监测和控制的关键指标是颗粒物含量,分析了给水处理领域几种颗粒检测技术的应用特点,对浊度、颗粒计数值、颗粒综合指数及微生物指标的关系进行研究和分析表明,颗粒数是超滤膜出水水质的关键性检测指标,可代替或补充浊度指标.采用颗粒检测仪代替浊度仪来监测和控制超滤膜装置的运行,可为超滤膜装置的有效运行和优质水的生产提供安全保障.

动态光散射在颗粒检测中的应用

动态光散射是常用的一种用于检测颗粒粒径分布的方法。本文详细介绍了该技术在测量颗粒粒径、介电常数、传导率、旋转扩散系数、环境的影响以及结晶条件等方面的研究进展,并对该技术的发展及应用做出了进一步的讨论,提出了动态光散射方法存在的问题,以及克服动态光散射的背景噪声、提高光源质量以及建立更智能化的算法等研究方向。

动态光散射在颗粒检测中的应用

动态光散射是常用的一种用于检测颗粒粒径分布的方法.本文详细介绍了该技术在测量颗粒粒径、介电常数、传导率、旋转扩散系数、环境的影响以及结晶条件等方面的研究进展,并对该技术的发展及应用做出了进一步的讨论,提出了动态光散射方法存在的问题,以及克服动态光散射的背景噪声、提高光源质量以及建立更智能化的算法等研究方向.

基于图像序列的油质颗粒检测系统研究与实现

研究以设计实现一套能对油质颗粒进行便捷、快速和稳定检测的系统为基本目标;首先,给出系统的基本构成和实现的基本原理;然后,在现有数字图像处理技术基础上,重点针对油质颗粒图像处理和颗粒识别提出了适合系统需求的分块阈值处理算法和隔行隔列杂质颗粒识别算法;实验表明,采用分块阈值处理算法不仅能够提高系统处理速度,而且能够很好地消除油质颗粒受光照的影响,提高颗粒的检测精度;隔行隔列颗粒识别算法同样可以提高系统的检测速度。

基于显微观测及图像处理的颗粒检测综述

本文对粉体颗粒的检测方法进行总结回顾 ,分析了各种方法的技术特点和局限性。针对颗粒特性 ,对基于显微观测与图像处理的粉体颗粒分析检测技术做了研究介绍 ,分析了此技术的现状与发展及应用前景。

水体中纳米颗粒检测的研究进展

纳米颗粒在工业和化妆品等行业中的大规模应用,致使大量纳米颗粒进入水环境中,不可避免的产生了一系列的环境问题,同时对生物和人体造成不良影响,因此水环境中纳米颗粒的富集及其检测技术受到广泛关注。目前,多种技术可对水环境中痕量纳米颗粒浓度等特征进行检测,但其在灵敏度和精度方面均存在一定局限性。归纳了目前水环境中纳米颗粒的预处理技术,如超滤分离技术、色谱分离技术、固相萃取技术及浊点萃取技术;综述常用的纳米颗粒与离子检测技术,如光谱分析技术、电感耦合等离子质谱技术及电化学技术。通过对各种方法进行对比分析,使纳米颗粒预处理及检测技术能够被系统广泛的认识。并在此基础上对纳米颗粒的预处理及检测技术的发展前景进行了展望。

用于颗粒检测的高精度移相信号源

基于锁相放大技术的颗粒检测需要频率范围宽、移相精度高的移相信号源。针对现有的移相信号源在高频范围移相精度低的缺点,设计了采用直接数字频率合成技术,以2片AD9852为核心的移相信号源,给出了系统硬件设计原理。重点介绍了高精度移相、幅度闭环控制的软硬件设计。实验结果表明:该系统在保证宽频范围的同时,输出信号在相位差、频率、幅度方面都具有较高的精度,满足颗粒检测的要求。

基于超声波的固体颗粒检测

设计了一种外置式基于超声波传感器的固体颗粒检测装置。通过研究分析固体颗粒撞击管壁信号的产生机理、特征和影响因素，将压电传感器接收到的信号经过A／D芯片转换后，传输到ARM芯片进行数据处理，经过运算得出固体颗粒的瞬时量和累计量，最后实时显示在液晶显示屏上。

基于小波变换的油液金属颗粒检测算法研究

为了实时掌握发动机滑油系统的磨损状况,需要在线监测系统连续监测发动机内部磨损情况。随着发动机的工作时间与磨损状态的不同,其金属磨粒的浓度、成分、尺寸等参数均发生不同的变化。因此,滑油油液中金属颗粒参数的变化可以作为重要指标来反映发动机的磨损状态,需要专门的传感器系统进行实时在线监测。但由于使用环境等因素影响,往往会使油液金属颗粒信号包含噪声,对信息检测造成影响。提出一种基于小波变换的油液金属颗粒检测算法,充分利用小波变换对时域和频域的良好局部化性质以及多分辨率分析的特点,并结合发动机实际工况下的信号特征对信号进行降噪及检测,并对算法进行了实验验证。结果表明,该算法可以有效地实现信号降噪及检测。

图像识别技术在蔗糖颗粒检测中的应用

研究设计了蔗糖煮糖过程中蔗糖结晶颗粒的检测系统,利用图像识别的方法避免传统蔗糖结晶检测中的物理接触,减轻工人劳动强度,使检测结果更加精确,实现计算机控制煮糖结晶过程,有效地促进了蔗糖产业的长期发展。首先利用百万像素CCD和光学显微镜获取蔗糖结晶的颗粒图像,用图像采集卡完成信号的计算机输入,利用形态学等算法预处理待测图像,然后运用基于遗传算法的otsu法分割图像得到二值图像,最后提取特征值计算出颗粒的个数及面积。试验结果表明处理后的图像分割效果很好,能够准确计算出颗粒特征值,实现了蔗糖结晶颗粒的自动检测。

基于微流控谐振式芯片的金属颗粒检测

液压系统中大部分的异常磨损是液压油中的金属颗粒造成的。通过检测这些金属颗粒可以及时预测故障并减少损失。由此设计了一种简单有效的液压油微小金属颗粒快速检测系统。基于LC谐振的原理进行金属颗粒检测,通过理论分析了检测的可行性;设计并制作了微流控检测芯片,芯片的流道为300μm;在所搭建的检测系统上进行了金属颗粒计数检测。实验结果表明,在所有参数一致以及颗粒相同的情况下,谐振式芯片的颗粒检测的信噪比优于单线圈式检测芯片的信噪比。当激励频率高于谐振频率时,铁磁性颗粒通过检测区域输出信号的脉冲向上,当激励频率低于谐振频率时,铁磁性颗粒通过检测区域输出信号的脉冲向下,非铁磁性金属颗粒则相反。所设计的微流控检测芯片及其检测系统可实现金属颗粒的区分检测,在实验室条件下,最小可对50μm的铁颗粒和110μm的铜颗粒进行区分检测。

基于神经网络的图像分割方法及其在颗粒检测中的应用研究

随着计算机速度的不断提高,数字图像处理技术的发展越来越快。而基于数字图像处理的颗粒检测技术在国计民生中的应用也越来越广,提高颗粒检测技术的速度与准确性显得越来越重要。本文详细介绍了采用模糊竞争Hopfield神经网络对图像灰度级进行聚类,也就是需在某种目标函数最小化的条件下,实现灰度特征集的最优模糊划分,得到最优的阈值,实现图像的分割,并在此基础之上建立了一套对颗粒进行特征参数测量的图像测量系统,可以有效地实现对大量颗粒的测量和表征。

再生塑料:进口颗粒检测新标出台 绿色产能成为各国的落脚点

自2018年我国实施“禁废令”以来,部分企业将固体废塑料混杂在再生塑料颗粒之中报关.海关为防止固体废塑料进关,实行批批严格检测,造成检测时间较长、收费较高,企业的进口时间被延长,进口费用大幅度增加.具体原因为目前行业内还没有进口再生塑料颗粒的快速鉴别方法.

基于LVDT的微弱金属颗粒检测技术

微弱金属检测是微弱信号检测的内容,微弱金属检测方法检测的对象是传统方法以及常规方法无法检测到的微弱的金属颗粒。这些颗粒不能被检测到的原因是信号的幅度小,同时也很容易被噪声淹没,因此,只有放大信号以及抑制噪声,才能将有用的信号提取出来。该方案使用LVDT传感器,外围的电路使用的是ADI的AD698同步解调器,以此来产生副边信号以及边缘浮动信号,从而提升信噪化,这样一来就能够检测微弱的金属,同时也可以检测污水以及废水中的金属含量,同时检测出油液中的金属颗粒等。实验表明,可以使用这种方法来检测最小直径为0.5mm的导磁钢珠。

颗粒检测技术在膜法水处理中的应用

目前在处理膜法水的时候,通常会应用到颗粒计数检测技术进行检验,其中主要就是通过对中泵和复杂管路进行分析和观察,统计它们对于检测结果有多大程度的影响,以下为具体内容。

英国牛津大学纳米颗粒检测项目

牛津大学的研究人员开发了一种纳米银（AgNP）检测的新方法。该方法有望用于长期现场研究和环境监测。该方法运用的是表面处理过的玻璃碳电极。这些黏性电极被浸入所关注的培养基内，纳米粒可允许长时间附着在表层上，然后被固定在电极表面纳米粒的数量或在现场或在实验室得以分析。

数据安全是第一位的——颗粒检测领域中新的通讯技术标准

在医药产品生产领域中，对产品检验记录提出的要求非常高。例如，在检测仪器的产品证书中，可以检测的颗粒、粉尘的规格大小不是主要的要求，而有效的、可靠的和协调一致的．计算机文件格式的检验记录成为人们关注的焦点。为了能够在市场常见的数据采集系统中集成颗粒计数功能，使用的颗粒计数器安装了OPC接口和智能化的数据记录仪。

细粒煤分级溢流颗粒粒度在线检测研究

对细粒煤分选中分级溢流颗粒粒度进行实时在线检测,进而调控分级参数,可减少溢流中粗颗粒含量,提高总精煤回收率。现有研究对溢流颗粒粒度的检测上限普遍在180μm左右,矿浆体积浓度上限为10%,无法满足粒度较粗、粒级较宽且体积浓度较高的细粒煤分级旋流器溢流颗粒粒度检测要求。为提高煤颗粒粒度和矿浆体积浓度检测上限,开发了一套超声波在线颗粒粒度检测系统。基于超声波声衰减模型,构建了适用于煤颗粒粒度为44.5~600μm、矿浆体积浓度为0~40%的细粒煤分级现场工况的煤颗粒粒度检测模型。采用粒子群优化算法优化的BP神经网络建立了煤颗粒粒度分布预测模型,实现对细粒煤分级旋流器溢流矿浆粒度分布预测。基于煤颗粒粒度检测模型的模拟结果表明,超声波衰减值随煤颗粒粒度增大而先减小后增大,随超声波频率和矿浆体积浓度增大而增大。分别使用超声波在线颗粒粒度检测系统和煤颗粒粒度分布预测模型对某矿水力分级旋流器溢流颗粒粒度(实际值为150.0,215.0,315.0μm)分布进行检测,结果表明检测系统测量值相对误差为10.87%,9.81%,8.48%,预测模型的预测值相对误差为9.27%,6.05%,6.92%,均实现了细粒煤分级溢流颗粒粒度的准确检测。