基于机器视觉的萃取过程铜离子浓度软测量

论文摘要

在湿法冶金的铜萃取过程中,反萃余液中铜离子浓度的变化直接反映萃取过程的实际萃取效果。在实际生产过程中,对铜离子浓度的判断主要依赖人工经验的方法,即操作工人通过观察反萃余液的颜色来判断铜离子浓度。这种方法对工人实际经验有很高的要求,容易造成检测结果的较大误差。本文以湿法冶金过程为背景,针对铜萃取过程,人工判断铜离子浓度误差较大的问题,对基于机器视觉的萃取过程铜离子浓度软测量方法展开较为深入的研究。本文首先给出了图像采集系统的硬件设计,尤其考虑了光照、CCD相机的选择；对反萃余液液体图像进行采集,并通过中值滤波方法消除了设备和环境对图像造成的噪声污染；将图像变换到HSV空间,并通过改变亮度图像的小波分解系数,实现对图像的光照补偿；利用OTSU算法分别对彩色图像和灰度图像进行分割,实现目标区域分割；运用计算机图像处理技术对图像进行分析,获取表征铜离子浓度的图像特征H、S、V值；最后利用偏最小二乘回归建立模型,实现对铜离子浓度的预测。仿真结果表明,本文提出的基于机器视觉的铜离子浓度软测量方法能够实现反萃余液铜离子浓度的预估,效果较好。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 机器视觉技术的研究与应用现状
• 1.2.1 机器视觉技术构成
• 1.2.2 机器视觉的特点
• 1.2.3 机器视觉技术的应用现状
• 1.3 软测量方法介绍
• 1.3.1 软测量技术基本原理
• 1.3.2 软测量技术应用现状
• 1.4 论文结构安排
• 第2章 反萃余液图像采集系统的硬件设计
• 2.1 机器视觉系统的组成
• 2.1.1 光源
• 2.1.2 CCD相机和镜头
• 2.1.3 图像采集卡和计算机
• 2.1.4 液体容器的选择
• 2.2 本课题机器视觉系统的硬件设计
• 2.2.1 光照箱和摄像头
• 2.2.2 图像采集卡
• 2.3 本章小结
• 第3章 反萃余液液体图像的预处理
• 3.1 彩色空间的选择
• 3.1.1 彩色空间介绍
• 3.1.2 彩色空间的选择
• 3.1.3 彩色空间的转换
• 3.2 图像平滑预处理
• 3.2.1 滤波器介绍
• 3.2.2 中值滤波
• 3.2.3 滤波实验结果与分析
• 3.3 基于小波技术的光照补偿
• 3.3.1 光照对识别的影响
• 3.3.2 小波变换简介
• 3.3.3 二维图像的小波变换
• 3.3.4 基于小波变换的光照补偿
• 3.4 本章小结
• 第4章 反萃余液液体图像的分割
• 4.1 图像分割
• 4.1.1 图像分割方法综述
• 4.1.2 OTSU阈值分割算法
• 4.2 实验结果分析
• 4.2.1 彩色图像分割
• 4.2.2 灰度图像分割
• 4.3 本章小结
• 第5章 基于偏最小二乘的铜离子浓度软测量
• 5.1 实验数据
• 5.2 偏最小二乘回归理论
• 5.2.1 偏最小二乘回归
• 5.2.2 偏最小二乘回归的特点
• 5.3 基于偏最小二乘回归的铜离子浓度预测模型
• 5.3.1 铜离子浓度预测模型
• 5.3.2 分段预测铜离子浓度
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢