基于机器视觉的高硫煤煤质分析研究

发布时间：2025-06-27 01:27

　　目前,国内外选煤厂的自动化基本处于自动启停车、自动加药和自动控制介质密度桶液位等单一的控制状态,不能实时监测入料煤以及产品煤的煤质组成,因此无法及时控制整个选煤过程。在选煤厂,煤质信息如粒度组成、密度组成以及硫分,通常需要人工离线测量。人工离线测量实验量大、分析过程复杂、耗时巨大,不能及时反馈煤质信息变化,不能直接用于生产过程控制,降低了产品的合格率。在课题组对太西无烟煤进行基于机器视觉的煤质组成分析基础上,论文将该项技术用于高硫煤的组成分析。由于高硫烟煤和低硫无烟煤外观上的巨大差异,本文在具体图像分析方法上,提出了新的举措。论文通过直方图均衡化增强图像对比度,采用平滑滤波消除图像噪声,使用基于标记控制的分水岭分割煤粒区域,使用最小外接矩形方法截取煤粒区域;对提取的煤粒二维形状和大小特征参数,运用多重回归方法构建了煤粒厚度估计模型。再结合煤粒的面积得到了煤粒的体积估计模型,模型的相对误差为9.7131%;对比7个与粒径相关的物理量并计算其表征正确率,选出煤粒的最佳等效粒径——最小外接矩形宽(),其表征正确率为87.08%;结合煤粒的最佳等效粒径和体积估计模型,提出了适用于南桐高硫煤的粒度...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图3-1图像采集系统

使用课题组已经搭建好的图像采集系统来采集煤样图像。图像采集、数码相机、灯源、遮光罩以及皮带构成，见图3-1。使用佳能EOS550D数码相机，采集的图像经过USB接口传送到计算，配套的EOSUtility软件可以使计算机实时控制相机的自动拍摄现场环境比较恶劣，对图像....

图4-1直方图均衡化图像

（a）原始图像（b）直方图均衡化后图像图4-1直方图均衡化图像Figure4-1Theimagebyhistogramequalization（a）原灰度直方图(b)HE灰度直方图图4-2灰度直方图和HE灰度直方图Figure4-2Grayhi....

图4-2灰度直方图和HE灰度直方图

（a）原灰度直方图(b)HE灰度直方图图4-2灰度直方图和HE灰度直方图Figure4-2GrayhistogramandHEgrayhistogram4.1.2平滑滤波图像的平滑滤波是利用噪声和邻域像素点的灰度有明显差异的性质来消除图像中噪声的一种方....

图4-6垂直外接矩形截取和最小矩形截取Figure4-6Verticalboundingrectangleandsmallestrectangleinterception

4粒度组成估计比较所有外接矩形的面积，找出最小值，最小值对应的矩形即为最小外并记录对应的旋转角度θ。将图像逆时针旋转θ，然后水平垂直方向上截取的外接矩形就是目标区外接矩形。外接矩形截取后的背景占矩形区域的比例小于其它的矩形截取方法，而区域具有旋转不变的特性，不随目标区域的方向变....

本文编号：4053583