[发明专利]基于机器视觉的物料粒度在线检测方法

说明书

本发明涉及机器视觉技术领域。基于机器视觉的物料粒度在线检测方法，通过相机采集传送带上的物料颗粒的图像信息，通过测距模块采集传送带上的物料颗粒的距离信息，通过计算机对采集到的图像信息进行图像分析获得物料的粒度分布图。本发明采用基于凸包分析的颗粒分割算法，通过检测颗粒的凸度率来判断颗粒是否为欠分割，并对欠分割颗粒进行二次分割，区分图像中的粘粘颗粒，从而实现对传送带上物料粒度分布实时在线检测的算法设计。本发明还加入了测距模块，所测距离值代入像素标定算法中以消除皮带上物料厚度变化引起的粒度测量误差。

技术领域

本发明涉及机器视觉技术领域，特别涉及对传送带上物料的粒度分布进行在线检测领域。

背景技术

电力、化工、医药、粉末冶金等工业生产中，传送带上原料或产品都是由大小颗粒组成的粒状物料，粒度大小及分布是其最重要的性质之一，检测和控制传送带上物料的粒度是保证工业生产技术指标的重要环节。传统的物料粒度检测采用人工筛分法，工序繁琐且耗时，滞后的测量数据不能及时指导工业生产。基于机器视觉的图像处理方法所具有的实时在线优势，无疑成为今后传送带上物料粒度检测的发展趋势。目前国外已经有了基于机器视觉的物料粒度分析商业化产品，如加拿大WipWare公司的WipFrag系列、芬兰Metso公司的VisioRock系列、美国Split Engineering公司的Split-Online系列等，但售价昂贵、维护费用高，难以在我国普遍推广。因此，有必要开发低成本的、基于机器视觉的物料粒度在线检测技术及装置。

目前，基于机器视觉的粒度检测的关键技术瓶颈是如何实现颗粒图像的精确分割。针对该问题，国际上已经展开了大量的研究。例如，英国诺丁汉大学T.K.Koh等人利用多闪光成像方法，捕获不同照明方向时样品的图像，通过计算阴影得到颗粒的轮廓信息，从而减少图像分割的误差，但该方法需按序对样品进行多角度投影，难以应用于传送带上的移动样品；瑞典吕勒奥理工大学M.J.Thurley等人利用激光三角测距的机器视觉方法采集颗粒的三维数据，实现颗粒图像的精确分割，但需额外增加激光器、高速相机等设备，成本较高。除此之外，人们也在不断地改进分割算法。例如，美国麻省理工大学Sobel等人通过卷积边缘提取算子，获取图像梯度信息，但该方法分割精度不高，易受环境影响，且无法分割堆积颗粒；加拿大曼尼托巴大学H.K.Mebatsion等人提出了基于傅里叶级数近似的分割算法，利用边界曲率成功分割了接触颗粒，但该方法算法复杂且仅适用于规则形状颗粒，分割效率较低。

发明内容

本发明所要解决的技术问题是：如何解决目前基于机器视觉的粒度分析方法中图像分割不精确而造成的粒度测量误差大的技术问题。

本发明所采用的技术方案是：基于机器视觉的物料粒度在线检测方法，通过相机(7)采集传送带(14)上的物料颗粒的图像信息，通过测距模块(10)采集传送带(14)上的物料颗粒的距离信息，通过计算机(11)对采集到的图像信息进行图像分析获得物料的粒度分布图；对采集到的图像信息进行图像分析获得物料的粒度分布图的具体步骤如下

步骤一、对物料颗粒的图像信息进行图像预处理，即先将彩色图像转化为灰度图像，再用自适应直方图均衡法提高图像局部对比度，保留图像细节，减弱图像噪声对后期图像处理带来的影响；