首页> 中文学位 >选煤厂煤样图像采集系统设计与实现
【6h】

选煤厂煤样图像采集系统设计与实现

代理获取

目录

封面

声明

致谢

中文摘要

英文摘要

目录

图清单

表清单

变量注释表

1 绪论

1.1研究背景及意义(Background and Significance)

1.2机器视觉(Machine Vision)

1.3图像采集系统(Image Acquisition System)

1.4机器视觉在矿业工程领域中的应用(The Application of Image Machine Vision in the Field of Mining Engineering)

1.5研究内容及技术路线(Research Content and Technology Route)

1.6本章小结(Chapter Summary)

2系统总体方案设计

2.1系统要求(Requirement of System)

2.2影响煤粒图像质量的因素(Main Factors Affecting the Quality of Coal Image)

2.3图像采集系统总体设计(Overall Design of Image Acquisition System)

2.4本章小结(Chapter Summary)

3信息采集系统设计与选型

3.1相机的选择(Selection of Camera)

3.2图像的传输及存储(Image Communication and Archive)

3.3 PC控制系统选型(Selection of PC Controlling System)

3.4本章小结(Chapter Summary)

4消除照度变化的影响及照明系统设计

4.1 影响选煤厂皮带周围光照变化的因素(Factors that Influence the Illumination Changes around the Belt in Coal Preparation Plant)

4.2 照明系统设计(Design of Lighting System)

4.3本章小结(Chapter Summary)

5相机的防振与除尘系统设计

5.1相机的防振(Camera Anti-vibration)

5.2相机的除尘设计(Design of Camera Dedusting)

5.3本章小结(Chapter Summary)

6煤样图像采集系统实现及其效果

6.1 图像采集系统现场搭建( Installation of Image Acquisition System in Plant)

6.2现场数据采集(Data Acquisition in Industrial Field)

6.3 特征参数提取与分析( Extraction And Analysis of Feature Parameter)

6.4支持向量机(SVM)(Support Vector Machine)

6.5 精煤灰分预测(Predict the Ash of Clean Coal)

6.6 本章小结(Chapter Summary)

7 研究成果及展望

7.1主要研究成果(Main Research Conclusions)

7.2展望(Outlook)

参考文献

附录

作者简历

学位论文数据集

展开▼

摘要

近年来,随着计算机与图像处理技术的发展,机器视觉技术正广泛应用于工业、农业、医学、军事等领域,作为一种高精度、高智能化的先进技术已越来越引起人们的重视。而机器视觉技术在矿业工程上的应用并不多,尤其是在矿物加工领域,但煤炭洗选的工作环境迫切需要先进的具有智能控制的在线检测系统。煤质组成的在线快速检测已经成为制约选煤过程自动化的技术瓶颈。对于一个机器视觉系统来说,最关键的就是图像的获取,任何在图像获取方面的缺陷都会给后续图像分析和理解带来困难。同时图像采集也是进行图像处理、图像压缩、图像识别的基础,所以对图像采集系统的研究与设计有着重要的现实意义和价值。
  本文首先介绍了机器视觉系统的组成机构和特点,并综述了其在工业检测与矿业工程领域中的应用,概述了论文的选题意义、背景及研究内容。
  根据选煤厂的生产情况、工艺要求及在线检测系统功能要求,从图像采集系统整体的硬件构成方面对整个图像采集系统进行了总体设计。系统包括信息采集、照明、相机的防振与除尘三个分系统。并针对信息采集部分中主要硬件进行了详细的性能比较和选型。
  为消除选煤厂皮带周围光照、振动、粉尘污染,构建良好的图像采集环境,开发了遮光和照明系统,并对系统相机的防振与除尘措施进行了分析论述。
  论文开发的图像采集系统应用于太西洗煤厂一分区末精煤皮带上,文中给出了部分工业试验结果。对现场采集到的180张不同灰分的精煤图像,提取了7个特征值并对其归一化,采用最佳参数的SVM神经网络对训练集构建煤粒灰分识别系统。利用测试集进行验证,最终末精煤测试集灰分预测绝对误差平均值为0.12%,预测效果好,验证了图像采集系统的可行性。
  机器视觉技术对推动煤炭加工的智能控制将起到重要的作用。本文设计开发的煤用机器视觉图像采集技术为选煤厂基于物料组成的在线过程控制提供了成功的示范。

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