一种钨矿矿石识别分选方法与流程

技术特征：

1.一种钨矿矿石识别分选方法，其特征在于，包括：

S1、使得多个矿石跌落并依次经过拍摄区域和喷射区域；

S2、设置在拍摄区域中的摄像装置对所述矿石进行拍照并将获得的矿石照片发送到图像处理装置；

S3、所述图像处理装置处理所述矿石照片以找出钨矿矿石以及所述钨矿矿石的空间坐标；

S4、控制器基于所述钨矿矿石的空间坐标计算所述钨矿矿石落到喷射区域中喷阀位置处的跌落时间并控制基于所述跌落时间控制所述喷阀向所述钨矿矿石喷射压缩空气进行分选。

2.根据权利要求1所述的钨矿矿石识别分选方法，其特征在于，所述步骤S1进一步包括：

S11、对原始矿石进行筛选分级预处理；

S12、采用振动给料斗板对预处理后的矿石进行振动给料以使得所述矿石均匀自由跌落以依次经过所述拍摄区域和所述喷射区域。

3.根据权利要求2所述的钨矿矿石识别分选方法，其特征在于，所述步骤S3进一步包括：

S31、所述图像处理装置将所述矿石照片进行分割以区分背景区域和矿石区域；

S32、所述图像处理装置提取所述矿石区域的多个矿石特征以及位置；

S33、采用BP神经网络基于所述多个矿石特征进行矿石识别，并输出识别为钨矿矿石的所述矿石区域的位置。

4.根据权利要求3所述的钨矿矿石识别分选方法，其特征在于，所述步骤S31进一步包括：

S311、所述图像处理装置获取所述矿石照片并且对所述矿石照片进行预处理；

S312、所述图像处理装置根据预定的背景均值设定欧式距离阈值，并基于下列公式将所述矿石照片分割成背景区域和矿石区域以生成二值图像；

其中，z为所述矿石照片中的任意一点的向量，b为预定的背景均值向量。

5.根据权利要求4所述的钨矿矿石识别分选方法，其特征在于，所述步骤S311进一步包括：

S3111、调整所述矿石照片的大小；

S3112、采用顶帽换算法校正所述矿石照片。

6.根据权利要求3所述的矿石自动识别分选方法，其特征在于，所述步骤S32进一步包括：

S321、判断所述矿石区域的数量是否为零，如果是则返回步骤S2重新获取新的矿石照片，否则执行步骤S322；

S322、进行连通区域分析以对每个矿石区域进行标号并获取每个矿石区域的位置；

S323、获取每个矿石区域的多个矿石特征。

7.根据权利要求2所述的钨矿矿石识别分选方法，其特征在于，所述步骤S3进一步包括：

S3A、获取矿石训练图像并基于深度学习训练所述矿石训练图像以获得多个建模系数；

S3B、采用卷积神经网络基于所述多个建模系数构建所述处理模型；

S3C、基于所述处理模型测试所述矿石照片以获得掩膜图像；

S3D、基于所述矿石照片和所述掩膜图像获得矿石图像以识别钨矿矿石并输出所述钨矿矿石的空间坐标。

8.根据权利要求7所述的钨矿矿石识别分选方法，其特征在于，所述步骤S3A进一步包括：

S3A1、获取矿石训练图像并且提取所述矿石训练图像的特征性质和矿石空间坐标；

S3A2、基于所述特征性质构获得所述矿石训练图像的性质显著图且基于所述矿石空间坐标获得所述矿石训练图像的位置显著图；

S3A3、基于所述性质显著图和所述位置显著图计算所述多个建模系数。

9.根据权利要求8所述的钨矿矿石识别分选方法，其特征在于，所述步骤S3C进一步包括：

S3C1、获取所述矿石照片；

S3C2、采用所述处理模型测试所述矿石照片以生成测试显著图；

S3C3、优化处理所述测试显著图以生成所述掩膜图像。

10.根据权利要求9所述的钨矿矿石识别分选方法，其特征在于，所述步骤S3D进一步包括：

S3D1、对所述矿石照片进行边角点检测以获得边角点特征点集；

S3D2、将所述边角点特征点集与所述掩膜图像相乘以获得矿石预处理图像；

S3D3、对所述矿石图像进行分割处理以获得所述矿石图像；

S3D4、将所述矿石图像区域识别为钨矿矿石并输出所述钨矿矿石的空间坐标。