一種基于信息熵的金屬識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像識別技術(shù)領(lǐng)域,具體是指一種基于信息賭的快速金屬識別方法, 適用于金屬分選流水線的識別。 技術(shù)背景
[0002] 隨著經(jīng)濟發(fā)展,中國市場已越來越不滿足于原生金屬的產(chǎn)量和高耗能,與此同時, 再生金屬則得到了愈加廣泛的關(guān)注。近些年我國廢舊金屬保有量的日益龐大,回收有色金 屬的需求快速增長,回收拆解行業(yè)也將迎來快速發(fā)展期。W有色金屬的主要回收對象汽車 為例,規(guī)范報廢汽車回收拆解行業(yè)的發(fā)展對我國汽車產(chǎn)業(yè)和循環(huán)經(jīng)濟的發(fā)展至關(guān)重要,但 目前國內(nèi)報廢汽車回收率不足20%。
[0003] 汽車,包括車身、發(fā)動機組件等一系列物料,運些輸入物料經(jīng)過磁選后通常含有大 量的鐵金屬(如不誘鋼)、有色金屬(如侶、銅、黃銅)、塑料、玻璃及其它復合物。經(jīng)過磁選等 已經(jīng)成熟的技術(shù)手段,從復雜的報廢汽車混合物中可W獲得非鐵金屬組成的混合物料,需 要進一步處理W獲取純凈單一的產(chǎn)品組份。回收報廢汽車中的大量珍貴資源不僅節(jié)約自然 資源,也可大幅降低生產(chǎn)成本,如相比原生侶的生產(chǎn),使用報廢汽車的再生侶可W節(jié)省大約 90%能耗。針對報廢物件產(chǎn)生的侶合金、銅合金W及不誘鋼等可回收材料,需要產(chǎn)生一種快 速且環(huán)保的分選回收方法。
[0004] 國內(nèi)外金屬的篩選成果主要W工業(yè)界設備為主,W從廢料中分離金屬為例,常用 的方法有物理分選、濕法冶金(包括生物浸出)和火法處理?;鸱ㄌ幚韺㈦娮訌U棄物焚燒去 除塑料和其他有機成分而富集金屬。該法存在W下問題:(1)有毒氣體易逸出、揮發(fā),某些金 屬烙于爐渣造成損失;(2)不能回收大量非金屬成分如塑料等。濕法冶金包括浸出和提取工 序,是將粉碎后的廢棄物在酸性或堿性條件下浸出金屬。缺點是部分金屬的浸出率低,特別 是金屬被覆蓋時,貴金屬更是很難浸出,產(chǎn)生的含強酸和有劇毒的氯化物等廢液,對環(huán)境危 害較大。生物浸出的主要缺陷在于浸出時間過長,而且苛刻的運行條件使其應用受到限制。
[0005] 物理分選的優(yōu)點較多,除了二次污染較小外,發(fā)展?jié)摿^大,只要充分利用各種物 理、化學性質(zhì)的差異,借鑒礦物加工微細粒分選技術(shù)的成果,就能克服現(xiàn)行的傳統(tǒng)物理分選 得到產(chǎn)品純度不高的問題。近年來,隨著對環(huán)境保護的重視,廢棄物的物理分選成為廢棄物 資源化的研究和正規(guī)的工業(yè)處理的主要方法。
[0006] 傳統(tǒng)的物理方法W滿電流篩選為主,滿電流分選設備特別適用于高電導率低密度 物質(zhì)與低電導率高密度物質(zhì)及導體與非導體之間的分離,因設備裝有永久磁體,在分選之 前原料須磁選除鐵,避免鐵磁性物質(zhì)因滿電流而產(chǎn)生高熱損害設備。根據(jù)不同金屬對滿電 流產(chǎn)生的不同的排斥力,從而使其跳離生產(chǎn)線,實現(xiàn)篩選。
[0007] 浮選是微細粒物料分選的有效手段。有機高分子表面疏水性強,而金屬親水性強, 浮選法很容易分離細粒級金屬與塑料。
[000引實時的基于光學的識別快速環(huán)保,但相對其他方法難度較大,是目前的重點研究 方向。目前利用金屬表面對光的反應的研究仍處在起步階段。學術(shù)研究方面,金屬表面外光 學研究主要集中在金相組織運種微觀級別,或利用化學方法,如利用金屬離子蒸汽的光學 特性等進行判斷。光學的相關(guān)研究如:紋理分割、缺陷檢測等。紅外線、可見光的缺陷檢測、X 光測定元素種類及比例的研究較為成熟。
[0009] X光對不同密度的物質(zhì)的穿透能力各不相同,原子序數(shù)越高的重金屬對X光的阻隔 越大,因此接收裝置根據(jù)接收到的X光圖像對目標材質(zhì)的金屬進行分類。目前國內(nèi)外便攜式 及X光機W及X光安檢設備已經(jīng)普及,相關(guān)的X光檢測技術(shù)已經(jīng)成熟。
[0010] 近紅外適用于有機物的檢測,在遙感領(lǐng)域應用較為廣泛。如對重金屬銅對小麥的 污染,其近紅外光譜受銅濃度升高而體現(xiàn)出近紅外光區(qū)反射率降低。紅外光譜同樣可W用 于礦物檢測。在工業(yè)生產(chǎn)中,近紅外逐漸被開發(fā),用作汽車回收中對塑料及部分有機物的剔 除或者回收。
[0011] 從上述技術(shù)中可W看出,傳統(tǒng)的濕法冶金及火法處理對環(huán)境有較大的損害,且效 率較低,無法滿足流水線作業(yè)的實時性需求。滿電流的分選效果受到金屬物塊大小、種類等 影響,滿流磁場強度的大小難W根據(jù)快速移動的生產(chǎn)線上的金屬碎片做出及時調(diào)整,普遍 僅用于籠統(tǒng)地區(qū)分塑料和有色金屬。加之產(chǎn)生磁場帶來的巨大能耗和噪聲,滿流篩選法并 不適合新時期的廢舊金屬回收。浮選劑的使用同樣形成了資源的消耗,且實時性要求難W 滿足。X光識別中,常用的便攜式X光機與安檢通道分別無法滿足實時性W及精度需求,在處 理速度要求較高的傳送帶上無法應用。
【發(fā)明內(nèi)容】
[0012] 針對現(xiàn)有技術(shù)存在的缺陷和不足,本發(fā)明提出了一種基于信息賭的快速金屬識別 方法。該方法首先對樣本圖像進行多級小波變換,然后采用K均值算法進行一次識別,對于 尚未識別的樣本,對變換后的多級圖像賭值進行分析,利用決策樹算法進行二次識別。該方 法通過多層次識別,在提高識別速度的同時保證了算法的準確度。算法速度快,準確程度 高,能夠滿足實時性的要求。
[0013] 所述的基于信息賭的金屬識別方法,具體包括如下步驟:
[0014] 第一步,采集待識別金屬的圖像,得到RGB圖像,稱為待識別的圖像,在待識別的圖 像上劃分出待識別物體的范圍,稱為待識別區(qū)域S。
[0015] 第二步,對待識別的圖像做HSV顏色空間轉(zhuǎn)換,并將化e分量數(shù)值標準化為0至255, 得到色相灰度圖。
[0016] 第Ξ步,對色相灰度圖進行四級小波變換。
[0017] 第四步,利用K均值算法對四級小波變換的化4低頻子帶色相進行識別。
[0018] 第五步,在待識別區(qū)域S里隨機選擇一個大小固定的矩形區(qū)域R,分別得到矩形區(qū) 域R在LH1、化1、皿1中對應的區(qū)域的賭值之和E1,LH2、化2、皿2中對應的區(qū)域的賭值之和E2, L冊、化3、皿3中對應的區(qū)域的賭值之和E3,W及LH4、化4、HH4中對應的區(qū)域的賭值之和E4。
[0019] 第六步,計算E1/E2和一元線性擬合斜率絕對值slope。所述的一元線性擬合斜率 由全部四級小波變換的賭值之和E1、E2、E3、E4線性擬合得到。
[0020] 第屯步,根據(jù)EUE1/E2和一元線性擬合斜率絕對值slopes個屬性值,進行決策樹 處理。
[0021] 本發(fā)明的優(yōu)點和積極效果在于:
[0022] (1)識別效率高。相比起傳統(tǒng)的物理識別方法,本發(fā)明所述方法能夠在無需停頓的 情況下實現(xiàn)流水線金屬分選,傳送帶的速度無需保持恒定,可W隨時調(diào)整。對于整個金屬分 選流程,在識別算法啟動前,需要對傳送帶圖像進行金屬前景提取及追蹤,其效率直接影響 到后續(xù)識別及抓取的結(jié)果。小波變換的第二級及W上級別對應的圖像面積遠遠小于原圖 像,可進一步提升金屬前景的提取及跟蹤速度。此外,由于變換結(jié)果可直接作為識別算法的 初始圖像,并未造成多余的時間和空間復雜度消耗。服V是根據(jù)顏色的直觀特性創(chuàng)建的一種 顏色空間,相對于RGB顏色模型能夠更直觀地反應純粹的顏色信息,本發(fā)明中僅選用化e分 量色相的灰度圖作為K均值分類的維度。在工業(yè)廢舊金屬回收生產(chǎn)線上,利用單一化e分量 能夠迅速將金屬從運動中的傳送帶背景里區(qū)分出來,為識別過程節(jié)約更多時間,因此,采用 服V模型有利于簡化圖像分析和處理的工作量。
[0023] (2)支持并行處理。該方法對每個前景區(qū)域分別進行識別,由于識別區(qū)域不同,因 此可W很容易地支持并行處理。小波變換對不同層次的賭值計算也可W并行進