Grain size determination and classification using adaptive image segmentation with grain shape information for milling quality evaluation

In this paper, authors described methods of material granularity evaluation and a novel method for grain size determination with inline electromagnetic mill device diagnostics. The milling process quality evaluation can be carried out with vibration measurements, analysis of the milling material images or well-known screening machines. The method proposed in this paper is developed to the online examination of the milled product during the milling process using real-time digital images. In this paper, authors concentrated their work on copper ore milling process. Determination of the total number of the grain, the size of each grain, also the classification of the grains are the main goal of the developed method. In the proposed method the vision camera with lightning mounted at two assumed angles has been used. The detection of the grains has been based on an adaptive segmentation algorithm, improved with distance transform to enhance grains detection. The information about particles shape and context is used to optimize the grain classification process in the next step. The final classification is based on the rule-based method with defined particle shape and size parameters.

W pracy autorzy opisali metody oceny uziarnienia materiału i nową metodę określania wielkości ziaren z jednoczesną diagnostyką pracy młyna elektromagnetycznego. Ocena jakości mielenia może być realizowana na kilka sposobów, tj. poprzez pomiar drgań, analizę obrazów materiału zmielonego, lub wykorzystanie matryc przesiewowych. Proces mielenia jest procesem obciążonym znacznym zużyciem energii, dlatego proces diagnostyki powinien być wykonywany z dużą efektywnością. Metoda zaproponowana w niniejszym artykule opiera się na badaniu mielonego produktu podczas procesu mielenia przy użyciu analizy obrazów cyfrowych w czasie rzeczywistym. Głównym celem opracowanej metody jest określenie całkowitej liczby ziaren, wielkości ziaren, jak i klasyfikacja ziaren. W zaproponowanej metodzie wykorzystano akwizycję obrazów z kamery przy oświetlaniu badanych próbek pod kątem, co pozwala zwiększyć liczbę wykrywanych ziaren. Detekcja ziaren bazuje na metodzie segmentacji adaptacyjnej rozszerzonej o analizę map odległościowych w celu poprawienia jakości i liczby wykrytych ziaren. Informacje na temat kształtu ziaren są wykorzystywane w celu optymalizacji procesu klasyfikacji ziaren. Ostateczna klasyfikacja opiera się na metodzie bazującej na regułach, w których określono zależności dla różnych parametrów kształtu i rozmiaru ziaren.