一种基于信息熵的金属识别方法
【技术领域】
[0001] 本发明属于图像识别技术领域，具体是指一种基于信息赌的快速金属识别方法， 适用于金属分选流水线的识别。 技术背景
[0002] 随着经济发展，中国市场已越来越不满足于原生金属的产量和高耗能，与此同时， 再生金属则得到了愈加广泛的关注。近些年我国废旧金属保有量的日益庞大，回收有色金 属的需求快速增长，回收拆解行业也将迎来快速发展期。W有色金属的主要回收对象汽车 为例，规范报废汽车回收拆解行业的发展对我国汽车产业和循环经济的发展至关重要，但 目前国内报废汽车回收率不足20%。
[0003] 汽车，包括车身、发动机组件等一系列物料，运些输入物料经过磁选后通常含有大 量的铁金属(如不诱钢）、有色金属(如侣、铜、黄铜）、塑料、玻璃及其它复合物。经过磁选等 已经成熟的技术手段，从复杂的报废汽车混合物中可W获得非铁金属组成的混合物料，需 要进一步处理W获取纯净单一的产品组份。回收报废汽车中的大量珍贵资源不仅节约自然 资源，也可大幅降低生产成本，如相比原生侣的生产，使用报废汽车的再生侣可W节省大约 90%能耗。针对报废物件产生的侣合金、铜合金W及不诱钢等可回收材料，需要产生一种快 速且环保的分选回收方法。
[0004] 国内外金属的筛选成果主要W工业界设备为主，W从废料中分离金属为例，常用 的方法有物理分选、湿法冶金(包括生物浸出）和火法处理。火法处理将电子废弃物焚烧去 除塑料和其他有机成分而富集金属。该法存在W下问题：（1)有毒气体易逸出、挥发，某些金 属烙于炉渣造成损失；（2)不能回收大量非金属成分如塑料等。湿法冶金包括浸出和提取工 序，是将粉碎后的废弃物在酸性或碱性条件下浸出金属。缺点是部分金属的浸出率低，特别 是金属被覆盖时，贵金属更是很难浸出，产生的含强酸和有剧毒的氯化物等废液，对环境危 害较大。生物浸出的主要缺陷在于浸出时间过长，而且苛刻的运行条件使其应用受到限制。
[0005] 物理分选的优点较多，除了二次污染较小外，发展潜力较大，只要充分利用各种物 理、化学性质的差异，借鉴矿物加工微细粒分选技术的成果，就能克服现行的传统物理分选 得到产品纯度不高的问题。近年来，随着对环境保护的重视，废弃物的物理分选成为废弃物 资源化的研究和正规的工业处理的主要方法。
[0006] 传统的物理方法W满电流筛选为主，满电流分选设备特别适用于高电导率低密度 物质与低电导率高密度物质及导体与非导体之间的分离，因设备装有永久磁体，在分选之 前原料须磁选除铁，避免铁磁性物质因满电流而产生高热损害设备。根据不同金属对满电 流产生的不同的排斥力，从而使其跳离生产线，实现筛选。
[0007] 浮选是微细粒物料分选的有效手段。有机高分子表面疏水性强，而金属亲水性强， 浮选法很容易分离细粒级金属与塑料。
[000引实时的基于光学的识别快速环保，但相对其他方法难度较大，是目前的重点研究 方向。目前利用金属表面对光的反应的研究仍处在起步阶段。学术研究方面，金属表面外光 学研究主要集中在金相组织运种微观级别，或利用化学方法，如利用金属离子蒸汽的光学 特性等进行判断。光学的相关研究如:纹理分割、缺陷检测等。红外线、可见光的缺陷检测、X 光测定元素种类及比例的研究较为成熟。
[0009] X光对不同密度的物质的穿透能力各不相同，原子序数越高的重金属对X光的阻隔 越大，因此接收装置根据接收到的X光图像对目标材质的金属进行分类。目前国内外便携式 及X光机W及X光安检设备已经普及，相关的X光检测技术已经成熟。
[0010] 近红外适用于有机物的检测，在遥感领域应用较为广泛。如对重金属铜对小麦的 污染，其近红外光谱受铜浓度升高而体现出近红外光区反射率降低。红外光谱同样可W用 于矿物检测。在工业生产中，近红外逐渐被开发，用作汽车回收中对塑料及部分有机物的剔 除或者回收。
[0011] 从上述技术中可W看出，传统的湿法冶金及火法处理对环境有较大的损害，且效 率较低，无法满足流水线作业的实时性需求。满电流的分选效果受到金属物块大小、种类等 影响，满流磁场强度的大小难W根据快速移动的生产线上的金属碎片做出及时调整，普遍 仅用于笼统地区分塑料和有色金属。加之产生磁场带来的巨大能耗和噪声，满流筛选法并 不适合新时期的废旧金属回收。浮选剂的使用同样形成了资源的消耗，且实时性要求难W 满足。X光识别中，常用的便携式X光机与安检通道分别无法满足实时性W及精度需求，在处 理速度要求较高的传送带上无法应用。
【发明内容】
[0012] 针对现有技术存在的缺陷和不足，本发明提出了一种基于信息赌的快速金属识别 方法。该方法首先对样本图像进行多级小波变换，然后采用K均值算法进行一次识别，对于 尚未识别的样本，对变换后的多级图像赌值进行分析，利用决策树算法进行二次识别。该方 法通过多层次识别，在提高识别速度的同时保证了算法的准确度。算法速度快，准确程度 高，能够满足实时性的要求。
[0013] 所述的基于信息赌的金属识别方法，具体包括如下步骤：
[0014] 第一步，采集待识别金属的图像，得到RGB图像，称为待识别的图像，在待识别的图 像上划分出待识别物体的范围，称为待识别区域S。
[0015] 第二步，对待识别的图像做HSV颜色空间转换，并将化e分量数值标准化为0至255， 得到色相灰度图。
[0016] 第Ξ步，对色相灰度图进行四级小波变换。
[0017] 第四步，利用K均值算法对四级小波变换的化4低频子带色相进行识别。
[0018] 第五步，在待识别区域S里随机选择一个大小固定的矩形区域R，分别得到矩形区 域R在LH1、化1、皿1中对应的区域的赌值之和E1，LH2、化2、皿2中对应的区域的赌值之和E2， L册、化3、皿3中对应的区域的赌值之和E3，W及LH4、化4、HH4中对应的区域的赌值之和E4。
[0019] 第六步，计算E1/E2和一元线性拟合斜率绝对值slope。所述的一元线性拟合斜率 由全部四级小波变换的赌值之和E1、E2、E3、E4线性拟合得到。
[0020] 第屯步，根据EUE1/E2和一元线性拟合斜率绝对值slopes个属性值，进行决策树 处理。
[0021] 本发明的优点和积极效果在于：
[0022] (1)识别效率高。相比起传统的物理识别方法，本发明所述方法能够在无需停顿的 情况下实现流水线金属分选，传送带的速度无需保持恒定，可W随时调整。对于整个金属分 选流程，在识别算法启动前，需要对传送带图像进行金属前景提取及追踪，其效率直接影响 到后续识别及抓取的结果。小波变换的第二级及W上级别对应的图像面积远远小于原图 像，可进一步提升金属前景的提取及跟踪速度。此外，由于变换结果可直接作为识别算法的 初始图像，并未造成多余的时间和空间复杂度消耗。服V是根据颜色的直观特性创建的一种 颜色空间，相对于RGB颜色模型能够更直观地反应纯粹的颜色信息，本发明中仅选用化e分 量色相的灰度图作为K均值分类的维度。在工业废旧金属回收生产线上，利用单一化e分量 能够迅速将金属从运动中的传送带背景里区分出来，为识别过程节约更多时间，因此，采用 服V模型有利于简化图像分析和处理的工作量。
[0023] (2)支持并行处理。该方法对每个前景区域分别进行识别，由于识别区域不同，因 此可W很容易地支持并行处理。小波变换对不同层次的赌值计算也可W并行进