相关实验视频
Updated: Jul 10, 2025
07:35
Label-free in situ Imaging of Lignification in Plant Cell Walls
Published on: November 1, 2010
12.5K
基于激光光斑图像识别煤炭和河的研究
Hequn Li1, Qiong Wang1, Ling Ling1
1School of Mechanical and Precision Instrument Engineering, Xi'an University of Technology, Xi'an 710048, China.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
这项研究引入了一种使用激光光斑成像识别煤炭带的新方法,在不同光线条件下显著提高了精度和稳定性. 激光光斑方法为自动化煤炭加工提供了可靠的解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 图像处理 图像处理
- 采矿工程 采矿工程 采矿工程
背景情况:
- 煤图像识别对于自动化煤炭加工至关重要,但可变亮度在工业环境中挑战稳定的特征提取和识别精度.
- 由于不一致的照明,现有的方法在不断波动的识别率中扎,因此需要强大的解决方案来进行可靠的煤炭和格分类.
研究的目的:
- 开发和验证一种使用激光光斑图像的新型煤识别方法,以克服依赖光度的准确性问题.
- 通过利用激光光斑成像特征,提高工业环境中煤识别的稳定性和准确性.
主要方法:
- 收集了煤和的激光光斑图像,提取了灰色和纹理特征,以分析类间可分离性和类内紧性.
- 采用支持矢量机 (SVM) 分类器,采用提取的激光光斑特征来识别煤炭.
- 在各种照明条件下使用自然图像和激光光斑图像进行了比较实验.
主要成果:
- 使用激光光斑图像的融合特征方法实现了94.4%的识别精度.
- 激光斑点图像识别在各种照明条件下显示平均准确率为96.7%,标准偏差低 (1.7%).
- 拟议的激光光斑方法显著优于自然图像识别,证明了其对照明变化的稳定性.
结论:
- 激光光斑成像为煤炭识别提供了稳定而准确的功能,有效地减轻了变光照明带来的挑战.
- 这种新的方法提供了一种可靠和改进的方法,用于在工业采矿环境中准确分类煤炭和.
