[发明专利]矿相成份的机器测量方法

权利要求书

1.矿相成份的机器测量方法，采用矿相显微镜、摄像机、图像采集卡和计算机系统进行机器测量，其特征在于包括如下步骤：

1)由计算机建立矿物灰度分布特征数据库：根据常见矿物标准样本的显微图像灰度直方图和高斯分布模型统计得到这些矿物在直方图中的灰度分布规律；

2)制样：将待测矿物经过粗磨、细磨和抛光后备用；

3)图像采集：由矿相显微镜和摄像机对上述第2)步获取的试样进行图像采集，获取矿物的显微图像；

4)计算机计算：将第3)步获取的显微图像输入计算机，利用第1)步建立的矿物灰度分布特征数据库中的各种矿物组合对待测矿物的灰度直方图曲线进行拟合计算，并使用遗传算法优化求解，最终得到待测矿物中不同组成的含量。

2.根据权利要求1所述的矿相成份的机器测量方法，其特征在于：

所述第1)步的矿物灰度高斯分布特征模型的建立方法，包括：

在灰度直方图中，每种矿物的灰度值在其固有的区间内呈正态分布，即如式(1)所示：

G_m～N(μ，θ²)                                                   (1)

其中，G_m为矿物m的灰度分布，μ、θ²分别是正态分布的均值和方差，其计算方法分别如式(2)、(3)和(4)所示；

σ²＝D(G)＝(E(G))²-E(G²)                                         (4)

I_max和I_min是对应的灰度最大值和最小值；

2)建立矿相灰度分布特征数据库：

利用公式(2)、(3)和(4)对常见标准矿物样品的图像进行计算，得到烧结矿、球团矿和高炉渣中常见几种矿物均值和方差的数据。

3.根据权利要求1所述的矿相成份的机器测量方法，其特征在于：

所述第4)步使用遗传算法计算矿物含量，包括：

(1)灰度直方图：

灰度直方图是图像的重要特征，是灰度分布密度函数的近似，它表示了在图像区域所有像素中，不同的灰度值出现的次数；其函数表达式如式(5)所示：

Gi=Σm=1MΣn=1NP(i,m,n)---(5)]]>

其中，M、N分别表示图像的行数和列数，G_i为灰度为i的像素个数；P(i，m，n)的定义如式(6)所示：

P(i,m,n)=1P(m,n)=i0P(m,n)≠i---(6)]]>

对式(1)进行归一化处理，得到了式(7)所示的归一化直方图函数；其中，G_i′为归一化值，T为总像素数：

G_i′＝G_i/T                                                 (7)

(2)几种矿物高斯分布迭加

矿物服从如式(8)所示的正态分布规律，式(9)为其灰度正态分布的密度函数，其中C_i两种矿物的含量；将不同矿物相加就得到了如式(8)所示的几种矿物迭加的密度分布函数；

Gi~Ni(μi,θi2)---(8)]]>

fi(x)=Ciσi2πe-(x-μi)22σi2---(9)]]>

f(x)=Σi=1NCiσi2πe-(x-μi)22σi2---(10)]]>

(3)适应度函数

采用高斯分布合成得到的曲线与实际灰度直方图曲线的差作为表征个体适应度的大小，其表达式如式(11)所示；

d=Σi=1i=256|f(i)-Gi′|---(11)]]>

变量为二进制编码，设置每个变量的编码长度；确定选择操作的方式，设置进化代数，选择概率，遗传概率等参数；

(4)求解

使用遗传算法优化求解，最终得到使式(11)中的d最小时的各种矿物的含量多少。