专利名称：：矿相成份的机器测量方法
技术领域：
：本发明涉及冶金领域中对矿相成份的测量方法，具体涉及一种使用矿相显微镜和计算机等对烧结矿、球团矿和高炉渣等的矿相含量进行智能化测量的方法。
背景技术：
：目前，对冶金领域的烧结矿、球团矿和高炉渣等矿相组成的测量过程，主要是依靠人工来完成的。主要的方法有目测法和面积法。(引自东北大学周乐光，《工艺矿物学》，2007年1月第三版，冶金工业出版社，156-165页)。目测法是观测者结合已有的经验对实际观察到的图像进行估测。其测量的准确程度受观测者的经验的影响，因此其测量结果误差较大。面积法是指在显微镜视场中加一片目镜测微网，以单元格为单位对视场中的各种矿物所覆盖的矿物进行分别计数。该方法比目测法准确，但是存在两个缺点一是劳动强度大、测量速度慢；二是容易忽略存在量较少的矿物，只得到了主要矿物的大概含量。CN101059450A公开的"冶金矿相智能识别方法"，由计算机对待测矿相进行识别，只能判别矿物种类，不能对其组成含量进行计算。
发明内容针对现有技术存在的上述不足，本发明的目的在于提供一种采用计算机进行智能化测量，具有测量准确、快速特点的矿相成份的机器测算方法。本发明的目的是这样实现的矿相成份的机器测量方法，采用矿相显微镜、摄像机、图像采集卡和计算机系统进行机器测量，其特征在于包括如下步骤1)由计算机建立矿物灰度分布特征数据库根据常见矿物标准样本的显微图像灰度直方图和高斯分布模型统计得到这些矿物在直方图中的灰度分布规律；2)制样将待测矿物经过粗磨、细磨和抛光后备用；3)图像采集由矿相显微镜和摄像机对上述第2)步获取的试样进行图像采集，获取矿物的显微图像；4)计算机计算将第3)步获取的显微图像输入计算机，利用第l)步建立的矿物灰度分布特征数据库中的各种矿物组合对待测矿物的灰度直方图曲线进行拟合计算，并使用遗传算法优化求解，最终得到待测矿物中不同组成的含量。相比现有技术，本发明具有如下优点1、由于采用计算机系统进行智能测算，代替了实验员的工作，降低了劳动强度；2、对于含量较少的矿物敏感，测量准确、快速，操作简便；3、实现了测量过程的自动化，无需专业人员操作。图1是图像采集系统结构示意图；图2是本发明方法流程图；图3是利用遗传算法对矿物含量的计算流程图；图4是获取的某烧结矿显微照片；图5是图4的灰度直方图；图6—1至6—6是使用遗传算法不断拟合图5的过程。具体实施方式下面结合附图和具体实施方式对本发明作进一歩说明。一、制样1)样品准备选择有代表性的铁矿石或人造富矿等样品。十分致密而坚固的样品BT直接磨制-，疏松散粒的样品，可先用树胶胶结加固后，再进行磨制。磨制光片所用矿石块，可先用切片机，将矿石块切成略大于2X1.5X1(或2.5X1.5Xl)厘米长方形矿石块，然后进行磨制。2)粗磨将切下的矿石块，放在磨片机的铁盘上进行粗磨，先用12(T!5(f金刚砂把矿石磨成2X1.5X1厘米到2.5X1.5X1厘米的长方形矿石光片，然后再用清水洗净。3)细磨为了防止光片在细磨时有疏松碎屑掉下，在细磨前要用树胶胶结，再用40(T500"金刚砂在细而平的铁盘上进行细磨，直到把粗磨痕迹磨去为止，而后用清水洗净。洗净后换用80(T]000'金刚砂进行研磨，直到把40(T50(T金刚砂细磨留下的痕迹磨去为止，用清水洗净。最后用氧化铝泥浆在玻璃板上精磨，磨到消除所有擦痕，使光片表面光滑有发光感觉时，再用清水洗净。4)磨光(抛光、打光)将细磨好的光片在抛光机上磨光。抛光机实际上是在磨片机的铁盘上蒙上一层磨光布(丝绒、呢绒和帆布)，周围用金属圈紧紧卡住。磨光时可根据矿物软硬程度不同，选择不同的磨料和磨光布。一般较硬的矿石，如铁矿石、烧结矿和球团矿等用氧化铬粉在丝绒上进行磨光，效果很好。光片磨光后在清水中漂洗，再用干丝绒和麂皮把光面轻轻擦干切忌用手模。二、图像采集待测矿物的光片制杼结束后，将其放在矿相显微镜上进行观察，并且获取矿物的图片。1、整个图像采集系统的硬件结构如图l所示，系统中各部分的功能介绍如下矿相显微镜l:观察矿物显微结构的主要设备，操作者可直接用肉眼通过目镜观察。摄像机2:获取数字图像的设备，将其在安装在目镜的镜筒上，以便于通过电脑观察。图像采集卡3:釆集摄像机传输过来的数字信号，并艮将其通过相关驱动程序和软件再转换成图像，在显不器上显示。主机一显示器4:相关软件和图像采集卡的丄作平台，矿物图像的显示设备。2、图像采集系统的软件方法包括1)矿物高斯分布模型建立不同的矿物对应着灰度直方图中的某一区域，这个区域可以根据反射率和图像灰度关系计算出来。由于某些矿物并无固定的反射率值，而是在某个区间内变化；即使有些矿物具有一个相对固定的反射率值，但是由于试样制备、图像采集设备、A/D转换、信号传送以及数据存储等各种因素的影响，其反射率也会在一个灰度区间内变化。因此，每种矿物的灰度值在其固有的区间内呈正态分布。即如式(1)所示。G,',AY〃力(1)其中，t为矿物m的灰度分布，p、e'分别是正态分布的均值和方差。其计算方法分别如式(2)、(3)和(4)所示。〃=，)=x炉(,.)(2)￡(G2)=￡G,、(Z)(3)tr2=Z)(G)=(i:(G))2—五(G2)(4)I,和I,是对应的灰度最大值和最小值。针对同一种矿物，其92值是一定的，62的值可以用多组试样计算平均值的方法进行确定。2)矿相特征数据库建立利用公式(2)、(3)和(4)对常见标准矿物样本的图像进行计算，得到烧结矿中常见几种矿物均值和方差的f据如表1所示。表l矿物的灰度分布规律特征矿物名称Fe:1(XFe20:i2FeO-Si02CaOSiO,CaO-Fe20:i2Ca0-FeA孔洞均值121.1137.870.640.4~52.6109.594.843.1方差34.019.667.947.5128.731.110.93)基于遗传算法的矿物组成的计算遗传算法是模拟生物在自然环境里的遗传和进化过程而形成的一种自适应全局优化概率搜索算法，在解决最优化问题方面有着显著的效果。本发明中利用遗传算法对矿物含量的计算流程如图2、图3所示。(1)灰度直方图灰度直方图是图像的重要特征，可以认为是灰度分布密度函数的近似，它表示了在图像区域所有像素中，不同的灰度值出现的次数。其函数表达式如式(5)所示。G,=ZZW，w，")(5)其中，M、N分别表示图像的行数和列数，G,为灰度为i的像素个数，P(i,m，n)的定义如式(6)所示。<formula>formulaseeoriginaldocumentpage7</formula>由于在图像分析和处理的过程中，图像的大小有时是变化，这时不同图像的直方图就失去了可比性，因此就需要对式(1)进行归一化处理，得到了式(7)所示的归一化直方图函数。其中，G/为归一化值，T为总像素数。<formula>formulaseeoriginaldocumentpage7</formula>(2)几种矿物高斯分布迭加根据式(1)所示的正态分布，矿物服从如式(8)所示的正态分布规律，式(9)为其灰度正态分布的密度函数，其中Ci两种矿物的含量。将不同矿物相加就得到了如式(8)所示的几种矿物迭加的密度分布函数。<formula>formulaseeoriginaldocumentpage7</formula><formula>formulaseeoriginaldocumentpage8</formula>(10)(3)适应度函数在本发明中，个体的适应度函数采用目标函数，即采用高斯分布合成得到的曲线与实际灰度直方图曲线的差作为表征个体适应度的大小，其表达式如式11所示。变量为二进制编码，设置每个变量的编码长度。确定选择操作的方式，设置进化代数，选择概率，遗传概率等参数。(4)求解根据遗传算法，编程序求解该问题，即利用表1中的7种分布特征，去拟合实际的矿物。首先产生7种分布的相对含量多少。即式10中的N-7，然后不断的进化求解，最终得到使式(11)中的d最小时的7种分布的含量多少，由计算机输出显示或打印。三、实施例以某烧结矿获取的显微照片如图4为例，图5为其灰度直方图。根据本发明方法，利用表1中的7种矿物和遗传算法，计算机不断拟合灰度直方5的过程如图61、6—2、6—3、6—4、6—5和6-6所示。其中，图中散点是实际的灰度直方图，实线是拟合后得到的直方图(图屮的坐标体系和图5相同)。每次图的计算误差，即d值。如表2所示。从图中可以看出，曲线的拟合效果越来越好，在经过了150次的遗传进化后，拟合的误差只有O.ll。该误差符合实际的要求。此时可获得的各种矿物的含量如表3所示。表2曲线拟合误差随遗传代数的变化情况<table>tableseeoriginaldocumentpage8</column></row><table>权利要求1、矿相成份的机器测量方法，采用矿相显微镜、摄像机、图像采集卡和计算机系统进行机器测量，其特征在于包括如下步骤2、根据权利要求1所述的矿相成份的机器测量方法，其特征在于所述第l)步的矿物灰度高斯分布特征模型的建立方法，包括在灰度直方图中，每种矿物的灰度值在其固有的区间内呈正态分布，即如式(1)所示<formula>formulaseeoriginaldocumentpage2</formula>(1)其中，"为矿物m的灰度分布，p、92分别是正态分布的均值和方差，其计算方法分别如式(2)、(3)和(4)所示；<formula>formulaseeoriginaldocumentpage2</formula>(2)￡(G2)=2G,2xp(,.)(3)dD(G)=(￡(G))2-￡(G2)(4)Inu,x和Imin是对应的灰度最大值和最小值；2)建立矿相灰度分布特征数据库利用公式(2)、(3)和(4)对常见标准矿物样品的图像进行计算，得到烧结矿、球团矿和高炉渣中常见几种矿物均值和方差的数据。3、根据权利要求1所述的矿相成份的机器测量方法，其特征在于所述第4)步使用遗传算法计算矿物含量，包括(1)灰度直方图灰度直方图是图像的重要特征，是灰度分布密度函数的近似，它表示了在图像区域所有像素中，不同的灰度值出现的次数；其函数表达式如式(5)所示<formula>formulaseeoriginaldocumentpage3</formula>(5)其中，M、N分别表示图像的行数和列数，Gi为灰度为i的像素个数；P(i，m，n)的定义如式(6)所示<formula>formulaseeoriginaldocumentpage3</formula>(6)对式(1)进行归一化处理，得到了式(7)所示的归一化直方图函数；其中，G/为归一化值，T为总像素数<formula>formulaseeoriginaldocumentpage3</formula>(7)(2)几种矿物高斯分布迭加矿物服从如式(8)所示的正态分布规律，式(9)为其灰度正态分布的密度函数，其中C,两种矿物的含量；将不同矿物相加就得到了如式(8)所示的几种矿物迭加的密度分布函数；<formula>formulaseeoriginaldocumentpage3</formula>(3)适应度函数采用高斯分布合成得到的曲线与实际灰度直方图曲线的差作为表征个体适应度的大小，其表达式如式(11)所示；<formula>formulaseeoriginaldocumentpage3</formula>变量为二进制编码，设置每个变量的编码长度；确定选择操作的方式，设置进化代数，选择概率，遗传概率等参数；(4)求解使用遗传算法优化求解，最终得到使式(11)中的d最小时的各种矿物的含量多少。全文摘要本发明公开一种矿相成份的机器测量方法，采用矿相显微镜、摄像机、图像采集卡和计算机系统进行机器测量，包括如下步骤1)由计算机建立矿物灰度分布特征数据库；2)制样；3)图像采集；4)计算机计算将第3)步获取的显微图像输入计算机，利用第1)步建立的矿物灰度分布特征数据库中的各种矿物组合对待测矿物的灰度直方图曲线进行拟合计算，并使用遗传算法优化求解，最终得到待测矿物中不同组成的含量。本发明由于采用计算机系统进行智能测算，代替了实验员的工作，降低了劳动强度；对于含量较少的矿物敏感，测量准确、快速，操作简便；实现了测量过程的自动化，无需专业人员操作。文档编号G01N21/84GK101162202SQ20071009306公开日2008年4月16日申请日期2007年11月28日优先权日2007年11月28日发明者吕学伟,张生富,扈玫珑,施瑞盟,栋梁,白晨光,邱贵宝申请人:重庆大学