首页> 中文学位 >基于LabVIEW的煤泥浮选泡沫图像处理系统研究
【6h】

基于LabVIEW的煤泥浮选泡沫图像处理系统研究

代理获取

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景(Research Background)

1.2 课题研究目标(Research Objective of Subject)

1.3 研究技术路线(Research on Technology Route)

1.4 研究内容和方法(Research Content and Method)

2 文献综述

2.1 机器视觉检测技术的研究现状(Current Status of Machine Vision Inspection Technology Research)

2.2 浮选泡沬图像处理系统的国内外研究(Domestic And Overseas Research On Flotation Bubble Image Processing System)

2.3 浮选过程机器视觉的研究现状(Current Status of Flotation Process Machine Vision Research)

2.4 LabVIEW在国内外发展现状(Current Development Status of LabVIEW in Domestic and Overseas)

2.5 基于LabVIEW的图像处理应用现状(Current Status of LabVIEW Imagine Handling Application)

2.6 本章小结(Summary)

3 煤泥浮选泡沫视觉系统硬件设计

3.1 PC机的选型 (Model Selection of PC)

3.2 相机参数及选择 (Camera Parameter and Selection)

3.3 系统照明设备(System Lighting Instrument)

3.4 硬件系统原理及具体设计(Principle of Hardware System and Design)

3.5 本章小结(Summary)

4 煤泥浮选泡沫视觉系统软件设计

4.1 系统软件的编写思路及流程(Writing Thoughts and Procedure of System Software)

4.2 系统登录模块(System Login Interface Module)

4.3 图像采集模块(Image Acquisition Module)

4.4 煤泥浮选泡沫图像特征参数提取(Parameter Extraction of Coal Slime Flotation Feature)

4.5 数据储存模块(Data storage module)

4.6 本章小结(Summary)

5 图像预处理与处理模块设计及优化

5.1 图像预处理模块设计(Design of Image Pre-Handling Module)

5.2 图像处理模块设计(Design of Image Handling Module)

5.3 最终优化设计方案(The Final Optimal Design Proposal)

5.4 本章小结(Summary)

6 煤泥浮选泡沫图像采集与数据分析

6.1 现场图像采集及取样方法(Acquisition and Sampling Method On-Site)

6.2 BP神经网络 (BP Neural Network)

6.3 山东某选煤厂图像采集与灰分预测 (Image Acquisition and Ash Content Pre-Simulation in One Coal Cleaning Plant in Shandong Province)

6.4 山西某选煤厂图像采集与灰分预测(Image Acquisition and Ash Content Pre-Simulation in One Coal Cleaning Plant in Shanxi Province)

6.4 本章小结(Summary)

7 结论及展望

7.1主要结论(Main Conclusions)

7.2 展望(Prospect)

参考文献

作者简历

学位论文数据集

展开▼

摘要

选煤厂生产过程中通常选择精煤灰分和产率,作为判断浮选状态好坏的依据。但是,测定浮选精煤灰分具有滞后性,无法实现浮选指标的实时监测。因此,工
  作人员一般通过观察浮选泡沫的好坏来估测精煤灰分和产率,进而来调整浮选操作参数。而泡沫层状态由人眼进行分辨,不同操作经验的工人有时会得出不同的判定结果,人的主观因素的干扰较多。若能用机器视觉替代人眼,根据捕捉的图像进行判断,不仅可以实现浮选指标的实时监控,而且能够提高浮选精度,降低工人劳动强度。因此,将机器视觉引入煤泥浮选对选煤行业的发展具有积极意义。本文研究内容主要包括以下几个方面:
  根据目前国内外机器视觉技术的研究现状,以及应用于矿业浮选领域的具体案例,分析了图像处理系统在煤泥浮选中应用的可行性,根据各程序开发环境的特点确定了本系统的开发平台为Laboratory Virtual Instrument Engineering Workbench(LabVIEW)。
  根据机器视觉的基本配置,结合选煤厂浮选车间的实际情况,分别从PC机的选型、相机及镜头的具体型号及性能、灯源及照明方式等方面作了讨论与比较,搭建了图像处理硬件系统。
  以LabVIEW为开发平台,结合NI-VISION及MATLAB等软件编写检测系统。根据模块化编程思路将本软件系统分为4个模块,分别从各个模块的功能及编写过程作了论述。其中,重点对图像预处理及处理模块进行了开发研究,运用三种不同算法对泡沫图像的分割试验,对比分割效果,最终选定 Power1/X-Smoothing-Median分水岭分割为本研究的核心算法。
  利用开发的煤泥浮选泡沫图像处理系统,分别在山东某选煤厂和山西某选煤厂的浮选车间进行现场检验,按照取样标准采集图像并对相应时刻的精煤灰分进行测定。利用图像处理软件分别提取灰度均值、泡沫个数和泡沫直径均值3个浮选泡沫特征参数,应用BP神经网络建模方法建立浮选精煤灰分预测模型建立相应测试集,并利用测试集对建立模型进行了验证,结果表明预测灰分与实际灰分平均相对误差绝对值分别为4.94%和3.17%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号