System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及铜冶检测,具体为基于机器视觉的铜冶过程检测与优化系统。
技术介绍
1、在炼铜过程中,工业相机可以广泛应用于各个环节,从而实现对工艺流程的直观监控和精确控制工业相机可以用于检测铜矿石的质量,例如分析其颜色、形状、大小等特性,以评估其适合用于何种冶炼方法,通过安装在冶炼炉或其他设备上的工业相机,能够实时监控生产过程中的温度、压力、物料流动情况等关键参数,便于实时调整操作条件以优化生产效率和产品质量,在炼铜完成后,工业相机可以用于检查最终产品的表面质量、形状、尺寸等参数,及时排除不合格产品,同时,工业相机生成的数据可以连接到计算机或者云端服务器进行深度分析,通过利用机器学习和人工智能技术,可以实现对生产过程的自动化控制和优化。
2、针对炼铜技术需要复杂的设备和工艺条件,在处理低品位矿石或含有大量杂质的矿石时现有的技术无法准确的识别铜冶过程中的缺点,从而不能提高炼铜过程效率,导致能源利用效率下降、材料损耗增加。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了基于机器视觉的铜冶过程检测与优化系统,具备提高炼铜的效率,还能增强炼铜的精度等优点,解决了上述技术问题。
3、(二)技术方案
4、为实现上述目的,本专利技术提供如下技术方案:一种基于机器视觉的铜冶过程检测与优化系统,包括用于对铜冶过程进行图像存储并传输的观测相机、用于对观测相机传导的图像进行分析的图像处理模块、用于显示图像处理模块分析结果的显
5、所述图像处理模块进行分析时包括以下步骤:
6、s1、实时接收来自相机捕获的图像数据;
7、s2、对接收到的图像进行预处理;
8、s3、图像特征提取和分析;
9、s4、炼铜结果输出。
10、作为本专利技术的优选技术方案,所述观测相机对炼铜设备的振动频率以及铜液的颜色和表面泡沫图像进行捕获。
11、作为本专利技术的优选技术方案,所述步骤s2中的图像预处理包括噪声消除、对比度增强以及尺度归一化,其中噪声处理是通过双边滤波器进行滤波处理,处理的计算公式如下:
12、
13、g(i,j)=f(i,j)+n(i,j)
14、
15、其中,表示双边滤波后的二维图像像素值,ω(i,j)为总体权重系数,sx,y表示中心点(i,j)的邻域区间,其中的x,y分别表示领域的两个方向的边界值,ωs(i,j)和ωr(i,j)分别表示sx,y邻域内每一个像素点的两个权重因子,g(i,j)表示带噪声图像,f(i,j)表示无噪声图像,n(i,j)表示服从零均值高斯分布的噪声,δs和δr分别表示其对于像素点的像素值相似度的参数,表示在区间sx,y中的所有像素点的权重因子的求和,e为自然对数,|*|2表示对运算值进行模的平方。
16、作为本专利技术的优选技术方案,所述对比度增强通过直方图均衡化和s曲线增强的手段来实现,所述尺度归一化将图像的像素值转换到给定范围内,从而将特征值大小调整到对应的范围。
17、作为本专利技术的优选技术方案,所述步骤s3中的图像特征提取和分析,通过图像边缘检测算法来对图片的边缘进行检测和提取。
18、作为本专利技术的优选技术方案,所述图像边缘检测算法的表达式如下:
19、gx[i,j]=h[i-1,j+1]+h[i,j+1]+h[i+1,j+1]-h[i-1,j-1]-h[i,j-1]-h[i+1,j-1]
20、gy[i,j]=h[i+1,j-1]+h[i+1,j]+h[i+1,j+1]-h[i-1,j-1]-h[i-1,j]-h[i-1,j+1]
21、其中,gx[i,j]表示图像中像素点[i,j]的水平方向上的边缘强度,gy[i,j]表示图像中像素点[i,j]的竖直方向上的边缘强度,h[*,*]表示在像素点[*,*]上的灰度值,其中gx[i,j]和gy[i,j]的卷积模板gx和gy如下:
22、
23、
24、之后通过卷积模板gx和gy对图像进行卷积操作,计算出每个像素点的梯度大小和方向,从而完成边缘判断。
25、作为本专利技术的优选技术方案,所述图像边缘检测算法的表达式如下:
26、
27、
28、其中,表示对卷积模板g(x,y)进行二阶偏导数运算,h(x,y)示二维空间中的高斯平滑核,σ表示算子的尺度参数,k表示给定常数,(x,y)表示二维图像中的像素点坐标,f(x,y)表示图像的灰度矩阵,g(x,y)表示卷积模板,具体表达式如下:
29、
30、作为本专利技术的优选技术方案,所述图像边缘检测算法对图像边缘特征提取完成后通过如下算法对图像进行分析:
31、设置数量为m个训练集样本(pm,qm),m∈[1,m],其中pm和qm分别表示输入向量和输出向量,并设置激活函数f,隐含层节点数n,接着随机初始化输入权重wn和偏置值bn,n∈n,并保持不变,并通过隐含层的输出值矩阵h的广义逆矩阵h+来对输出权重矩阵β进行计算,计算公式如下:
32、β=h+y
33、其中,y表示完美预测样本的真值矩阵。
34、作为本专利技术的优选技术方案,所述步骤s4中的炼铜结果输出通过读取步骤s3的图像特征提取和分析的结果将图像以及分析结果反馈到显示设备上。
35、作为本专利技术的优选技术方案,所述步骤s4中的炼铜结果输出通过读取步骤s3的图像特征提取和分析的结果并与完美样本进行比对,当出现差异时将信号传递给警报设备。
36、与现有技术相比,本专利技术提供了基于机器视觉的铜冶过程检测与优化系统,具备以下有益效果:
37、本专利技术通过图像处理模块配合观测相机,可以实时、精准地监控炼铜过程,不仅能提高炼铜的效率,还能增强炼铜的精度,此外图像处理模块通过进行与现有完美样本之间进行比对,可以及时发现并预警可能的异常情况,并将信号传导至警报设备,避免因设备故障或铜液质量问题而造成的生产损失。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的铜冶过程检测与优化系统,其特征在于:包括用于对铜冶过程进行图像存储并传输的观测相机、用于对观测相机传导的图像进行分析的图像处理模块、用于显示图像处理模块分析结果的显示设备以及根据图像处理模块检测的数据进行警报的警报设备,所述观测相机将拍摄的图像实时传导至图像处理模块;
2.根据权利要求1所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述观测相机对炼铜设备的振动频率以及铜液的颜色和表面泡沫图像进行捕获。
3.根据权利要求1所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述步骤S2中的图像预处理包括噪声消除、对比度增强以及尺度归一化,其中噪声处理式通过双边滤波器进行滤波处理,处理的计算公式如下:
4.根据权利要求3所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述对比度增强通过直方图均衡化和S曲线增强的手段来实现,所述尺度归一化将图像的像素值转换到预设范围内,并将其特征值大小调整到对应的范围。
5.根据权利要求1所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述步骤S3中的图
6.根据权利要求5所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述图像边缘检测算法的表达式如下:
7.根据权利要求5所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述图像边缘检测算法的表达式如下:
8.根据权利要求5所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述图像边缘检测算法对图像边缘特征提取完成后通过如下算法对图像进行分析:
9.根据权利要求8所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述步骤S4中的炼铜结果输出通过读取步骤S3的图像特征提取和分析的结果将图像以及分析结果反馈到显示设备上。
10.根据权利要求9所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述步骤S4中的炼铜结果输出通过读取步骤S3的图像特征提取和分析的结果并与完美样本进行比对,当出现差异时将信号传递给警报设备。
...【技术特征摘要】
1.一种基于机器视觉的铜冶过程检测与优化系统,其特征在于:包括用于对铜冶过程进行图像存储并传输的观测相机、用于对观测相机传导的图像进行分析的图像处理模块、用于显示图像处理模块分析结果的显示设备以及根据图像处理模块检测的数据进行警报的警报设备,所述观测相机将拍摄的图像实时传导至图像处理模块;
2.根据权利要求1所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述观测相机对炼铜设备的振动频率以及铜液的颜色和表面泡沫图像进行捕获。
3.根据权利要求1所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述步骤s2中的图像预处理包括噪声消除、对比度增强以及尺度归一化,其中噪声处理式通过双边滤波器进行滤波处理,处理的计算公式如下:
4.根据权利要求3所述的基于机器视觉的铜冶过程检测与优化系统,其特征在于:所述对比度增强通过直方图均衡化和s曲线增强的手段来实现,所述尺度归一化将图像的像素值转换到预设范围内,并将其特征值大小调整到对应的范围。
5.根据权利要求1所述的基于机器视觉...
【专利技术属性】
技术研发人员:张晓龙,郭泊源,张国淼,赵培新,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。