《基於圖像灰度特徵的煤漿灰分線上軟測量研究》是依託中國礦業大學,由王光輝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:基於圖像灰度特徵的煤漿灰分線上軟測量研究
- 項目類別:青年科學基金項目
- 項目負責人:王光輝
- 依託單位:中國礦業大學
項目摘要,結題摘要,
項目摘要
本項目擬將光學和圖形圖像學相結合,提煉出能解釋煤漿表觀特性的基礎理論。引入智慧型最佳化算法,建立煤漿灰分與煤漿圖像灰度特徵之間的關係模型,形成煤漿灰分的線上軟測量方法。項目研究以下內容:煤漿表觀特性與其光學特性關係的機理研究;煤漿性質和圖像採集的環境因素對煤漿圖像的灰度影響;圖像的預處理和圖像特徵的提取算法研究以及線上圖像採集裝置和煤漿灰分軟測量模型的研究。結合上述研究結論,最佳化軟測量模型的參數,開發煤漿灰分線上檢測感測器,實現煤泥浮選過程中煤漿灰分的實時、安全、準確檢測,為煤泥浮選過程自動化提供有效的煤漿灰分檢測設備。
結題摘要
浮選產品灰分是浮選過程最重要的被控變數,選產品灰分線上檢測分析儀器的發展已經成為制約浮選自動化進程的首要因素,針對浮選尾煤表觀特性,結合機器學習的建模理論,開展了基於圖像灰度特徵的煤漿灰分軟測量的研究。(1)搭建機器視覺試驗平台並研究各因素對試驗的影響規律。試驗結果表明,光源照射方式,煤漿流動速度,光源強度,工業相機光圈大小以及圖像採集位置等因素對圖像特徵值影響顯著。(2)在確定的試驗條件下用基礎煤樣進行配煤試驗,研究濃度,灰分,礦物質組成對圖像表觀特性的影響規律,試驗結果表明:尾煤圖像灰度值隨濃度及灰分的增大而增大,且不同礦物質組成的尾煤圖像灰度值存在較大差異。(3)建立了基於平均灰度值和尾煤灰分之間的線性預測模型,該模型的預測誤差都在7%以下。結合GA-SVMR建立了自變數為灰度均值、能量、偏度和煤漿濃度,尾煤灰分為因變數的4輸入1輸出的浮選尾礦灰分軟測量模型,該模型的預測誤差均在5%以下,相對於線性預測模型,其精度較高。(4)通過對LS、PSO-SVMR以及GA-SVMR三種建模方式得模型預測性能對比分析,可以得到:基於GA-SVMR選尾礦灰分預測模型較高,有80%樣本的預測誤相對在3%以內,可以為現場的煤泥浮選生產自動化控制過程提供這一種新型的檢測方法,在此基礎上構建了煤漿灰分線上監測系統。本項目關於煤漿灰分線上軟測量的研究成果,為實現煤漿灰分的安全、低成本、高精度的線上檢測提供了理論基礎和科學方法。