基于机器视觉的再生铜铜含量快速估计系统

• Published in: 中国有色金属学报（英文版） no. 8; pp. 2664 - 2675
• Main Authors: 张宏伟, 葛志强, 袁小锋, 宋执环, 叶凌箭
• Format: Journal Article
• Language: Chinese
• Published: 浙江大学 工业过程控制研究所，工业控制国家重点实验室，杭州 310027%浙江大学 工业过程控制研究所，工业控制国家重点实验室，杭州 310027 2014; 浙江大学 宁波理工学院，宁波 315100
• Subjects: 样本筛选; 铜含量估计; color vector angle; copper content estimation; sample selection; 再生铜; 颜色向量角; least squares support vector regression; 最小二乘支持向量回归; secondary copper
• ISSN: 1003-6326
• DOI: 10.1016/S1003-6326(14)63397-5

针对废杂铜再生熔炼过程中铜含量指标离线检测时滞大的问题，提出一个基于机器视觉的铜含量快速检测系统。首先，使用3CCD彩色相机获取再生铜样本的横截面图像。然后，利用图像亮度标准差和边缘像素百分比这两个特征筛选建模样本。改进了颜色向量角，并提取建模铜样本的颜色向量角。最后，利用改进的颜色向量角和实测铜含量数据建立一个基于最小二乘支持向量机的铜含量估计模型。为了对比，如下铜含量最小二乘支持向量回归模型也被建立：1)仅使用样本筛选方法；2)仅改进颜色向量角；3)不使用样本筛选方法和改进的颜色向量角。另外，还分别建立了使用样本筛选方法和不使用样本筛选方法的两个指数函数铜含量回归模型。实验结果表明，同时使用样本筛选方法和改进颜色向量角的最小二乘支持向量回归模型具有最高的估计准确度，尤其是当建模样本数目较少的时候。