2025《机器视觉矿石检测筛选技术的研究现状国内外文献综述》4600字.docxVIP

机器视觉矿石检测筛选技术的研究现状国内外文献综述

机器视觉技术已经历了五十年左右的发展，最早出现在国外。近些年来，美国、荷兰、中国等国家都不断加大机器视觉在军用和民用方面的研究投入。在国外，机器视觉主要应用在电子产业和半导体行业REF_Re\w\h[7]，比如对PCB印刷电路板的缺陷检测及微小元器件的精确定位等；而在国内，机器视觉起步则相对较晚，在各行业的推广应用也仍在逐渐发展当中，应用方面涉及农产品检测REF_Re\r\h\#[0[8-REF_Re\r\h\#0]9]、陶瓷品缺陷在线检测REF_Re\w\h[10]、纺织品在线质量检测REF_Re\w\h[11]等。虽然研究对象种类繁多，但是机器视觉在各行业的应用理论却存在相通之处，机器视觉技术在各行业的广泛应用和实践经验，为其在矿石在线筛选上的应用作了良好的铺垫。

基于图像的矿石在线筛选方法属于机器视觉筛选方法中的一种常见方法，主要是利用相机拍摄获取传送带上的矿石图像，再通过算法对图像进行滤波预处理、目标分割及信息提取等操作，统计并分析各项参数信息。基于图像的矿石在线筛选方法的主要流程如图1-2所示，从上世纪70年代开始，许多研究者对此进行了持续深入的探讨，主要研究方面包括应用在实际生产线上的矿石筛选仪器及设备的硬件开发设计，以及对矿石图像增强、分割、边缘检测等算法理论方面的研究。

图1-2基于图像的矿石筛选方法的流程框图

在19世纪70年代，澳大利亚JuliusKruttschnitt研究所最早利用机器视觉技术检测传送带上运动的矿石的尺寸，通过安装在传送带上方的光学传感器扫描运动的矿石并获取一维信号，通过对光信号的分析，直接将高亮区域判断为矿石区域，将低亮区域判断为矿石之间的间隙，由此来计算矿石的弦长，并用弦长反应传送带上矿石的实际尺寸分布，从而实现对矿石的在线尺寸检测REF_Re\w\h[12]。这是机器视觉首次在矿石在线检测方面的实际应用，为后来的很多矿石在线检测筛选方法提供了经验和参考。然而，这种方法也暴露出许多不可忽略的问题，最严重的就是没有考虑光照不均匀的影响：当光照条件发生变化或者光照不均匀较严重时，图像上亮度值的多少分别代表矿石和矿石之间的间隙，没有一个明确的定义，导致对矿石区域的判断不够准确；另一方面，用弦长反应矿石的实际尺寸也不全面。

T.B.Lange博士在1988年提出了一种实时的传送带矿石尺寸分布测量方法，该方法通过对矿石图像进行滤波降噪、边缘检测、填补边缘、移除不需要的边缘等一系列操作，分割出矿石区域和背景区域，再对矿石弦长进行测算，进而推算实际的尺寸分布REF_Re\w\h[13]。这种方法对矿石边缘提取的准确度不高，导致最终的测量数据的准确性也比较低。

意大利学者Agus在1994年提出了一种纹理分析方法对煤矿进行检测，该方法通过相机对煤矿进行拍摄取图，再利用煤矿特有的纹理特征对图像进行分割，从而实现对煤矿的检测REF_Re\r\h[14]。该方法只针对煤矿颗粒，对于其他处理对象则适用性不强。

Crida和RobertCharles在1996年开发了一种矿石粒度分布在线测量系统，利用漫反射对矿石进行照明，减小了光照不均匀的干扰，使得矿石和传送带在图像中更容易区分，接着对矿石图像进行一系列的过渡操作，最终通过霍夫椭圆检测对矿石进行检测识别REF_Re\w\h[15]。因为矿石形状极其不规则，不存在某一种固定的形状模式，因此通过椭圆检测最终也不可避免地造成漏检现象的发生。

除了众多专家学者在理论和实验层面对矿石的检测筛选方法进行不断研究，也有许多公司进行了相关技术的攻关和产品研发。1991年，芬兰的奥托昆普公司研发的PSI-200粒度分析仪正式投入实际应用，1995年我国包头钢铁有限责任公司将其引进，运用在矿石磨碎作业的粒度参数检测中REF_Re\w\h[16]。PSI-200粒度分析仪需要大量的统计数据，并且当矿石粒度发生变化时，需要重新进行繁琐的参数标定等操作[17]。随后又出现了PSI-500粒度分析仪、马尔文激光粒度分析仪等REF_Re\r\h\#[0[18-REF_Re\r\h\#0]19]。

由于矿石检测筛选产品设备在当时国内市场的空白，我国偏向于引进国外的技术产品，但国内的很多公司及科研单位在相关方面的研究也没有停止。经过攻坚克难，2005年，我国首