基于深度学习边缘检测和Hough变换的摇床矿物带边界提取和特征表示  

Boundary extraction and feature representation of rocking mineral belt through deep learning edge detection and Hough transform

作　　者：刘惠中[1] 游科顺 LIU Hui-zhong;YOU Ke-shun

机构地区：[1]江西理工大学矿冶机电工程技术研究中心,江西341000

出　　处：《制造业自动化》2023年第6期180-183,188,共5页Manufacturing Automation

基　　金：江西省重点研发计划(20212BBE53026);江西省2020年度研究生创新专项资金项目(YC2020-S442)。

摘　　要：摇床是一种应用广泛的重力选矿设备,也是钨、锡矿主要的选矿设备。影响选矿摇床分选指标的因素错综复杂,通过有经验的工人去不断优化调参,即是耗时耗力的,也是不准确的。已经有各种图像处理技术应用到选矿中,大部分在浮选选矿中,效果很好,考虑到选矿摇床排矿区域大和环境更加复杂,传统的阈值分割和边缘提取算子难以准确地检测出我们需要的边缘特征,故采用基于深度学习边缘检测算法和Hough变换的方法,能够从复杂环境下的矿物带图像中提取出矿物精矿带边界线和摇床边界线的特征,解决了摇床自动控制系统中机器视觉识别摇床分选状态问题,对选矿摇床分选过程控制模型的研究具有重要意义。

关 键 词：选矿摇床 矿物带边界 多阈值分割 深度学习边缘检测 分选过程控制模型 

分 类 号：TD952.2[矿业工程—选矿]