Например, Бобцов

ОСОБЕННОСТИ АЛГОРИТМА ЦВЕТОВОГО АНАЛИЗА МИНЕРАЛОВ

КРАТКИЕ СООБЩЕНИЯ

УДК 535.6, 622.7, 681.5 ОСОБЕННОСТИ АЛГОРИТМА ЦВЕТОВОГО АНАЛИЗА МИНЕРАЛОВ Е.В. Горбунова, Д.Б. Петухова
Рассмотрена структура алгоритма цветового анализа минеральных объектов для систем регистрации оптических сепараторов и оптико-электронных комплексов оценки обогатимости руд твердых полезных ископаемых. Ключевые слова: обогащение руд твердых полезных ископаемых, фотометрический метод, анализ цвета, алгоритм анализа.
В связи с широким применением систем технического зрения и контроля в различных отраслях промышленности актуальны разработки, связанные с распознаванием объектов наблюдения на изображении и формированием соответствующих адаптивных алгоритмов. Селективными признаками, характеризующими объект, могут быть его цвет, форма, наличие поверхностных и (или) внутренних дефектов, пространственное положение и ориентация относительно системы контроля и др. Одним из примеров подобных автоматизированных систем являются оптические (фотометрические) сепараторы, используемые в горнодобывающей промышленности для обогащения руд твердых полезных ископаемых и основанные на идентификации минеральных объектов по цвету. В существующих сепараторах, таких как, например, Optosort (производства компании ALIUD GmbH), MikroSort (компания Mogensen GmbH) или CommoDas GmbH – UltraSort, решение об отсечке минерального объекта в так называемый «концентрат» (т.е. признание его содержащим искомый полезный компонент) принимается по результатам оценки процентного содержания одной или нескольких характеристических цветовых составляющих на его поверхности. При этом, как правило, в качестве базовой цветовой модели используется система RGB (или производные от нее), не являющаяся, в силу своей неравномерности, объективной с точки зрения анализа цвета. Следствием подобного подхода являются сложность установки точных цветовых порогов и допусков при настройке данного типа обогатительного оборудования, а также оценки малых цветовых различий между компонентами в исследуемом материале. В рамках работ по исследованию возможностей создания оптических сепараторов отечественного производства, а также специальных оптико-электронных комплексов для оценки обогатимости минерального сырья фотометрическим методом разработан алгоритм цветового анализа, учитывающий, в том числе, указанные недостатки существующих сортировщиков.
Предлагаемый алгоритм включает в себя следующие основные этапы. На первом этапе реализуется предобработка изображения, полученного от видеоинформационной системы регистрации сепаратора, направленная на повышение качества кадра. В зависимости от индивидуальных особенностей конкретного вида руды выбирается и применяется метод цветовой интерполяции, оптимальный с точки зрения эффективности анализа. Для контрастного материала выбор следует делать в пользу таких алгоритмов, как Nearest, Adaptive, Freeman; при необходимости различения тонких цветовых оттенков, выделения зон цветности малых размеров более эффективными будут AHD, Wemmiao Lu, Ron Kimmel и др. На втором этапе происходит поиск и выделение объекта на полученном изображении, включая вычитание фоновой составляющей, а также удаление теней и полутеней от объекта в случае их наличия. Проведенные исследования показали, что для решения поставленной задачи анализа минеральных объектов, как статичных, так и динамических, наиболее эффективен алгоритм cvCanny, отличающийся меньшим числом ошибок и являющийся более гибким и универсальным. Для анализа движущихся минеральных объектов также применим метод межкадровой разности. На последнем этапе осуществляется собственно цветовой анализ. При этом сначала производится выбор цветовой модели, которая по совокупности критериев [Л] является наиболее подходящей для анализа материала данного типа. Далее реализуется выделение зон и участков заданной цветности с последующим вычислением их процентного отношения к общей площади изображения. При превышении предустановленного порога определяется координата энергетического центра изображения объекта и формируется команда на отсечку.
В дальнейшем предполагается усовершенствовать предложенный алгоритм за счет выделения на изображении минералов дополнительных селективных признаков, таких как, например, прожилки (линейные объекты различной степени протяженности) или «блестки» (точечные объекты). Их можно использовать в качестве альтернативы цветовому анализу или в дополнение к нему с целью увеличения эффективности процесса распознавания.
Работа проводилась при финансовой поддержке Министерства образования и науки Российской Федерации в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007–2013 годы».
[Л]. Вакуленко А.Д., Горбунова Е.В., Чертов А.Н. Критерии применимости цветовых пространств в оптико-электронных системах цветового анализа минералов // Научно-технический вестник информационных технологий, механики и оптики. – 2012. – № 3 (79). – С. 156–157.
Горбунова Елена Васильевна – Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, кандидат технических наук, ст. научный сотрудник, vredina_ia@mail.ru Петухова Дарья Борисовна – Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, студент, petuxovadarja@yandex.ru

156

Научно-технический вестник информационных технологий, механики и оптики, 2012, № 5 (81)