机器视觉在有色金属破碎料分选的研究

• 作者: 胡志力 许子鸣
• 来源期刊: 自动化与仪表
• 关键词: 机器视觉 颜色特征 纹理特征 破碎料 随机森林
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 创新与实践
• 页码范围: 92-96
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2018.03.022

摘要

铜、铝作为报废汽车拆解破碎得到的主要有色金属,具有极高的市场价值,但因种类复杂和经过破碎导致的特性对分选造成困难.该文将机器视觉技术引入有色金属破碎料的快速识别中,通过机器视觉硬件获取不同种类的铜铝碎料局部纹理图360张,300张作为训练样本,60张作为测试样本,对所有样本提取样本和纹理共13项特征,利用随机森林对高维数据进行鉴别,平均识别准确率在95％以上,并选出了最优分类器和最优分类特征.该文研究的基于机器视觉的破碎料识别方法可以快速地进行特征提取和有效的数据降维,为批量进行破碎料分选提供了技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡志力	武汉理工大学现代汽车零部件技术湖北省重点实验室汽车零部件技术湖北协同创新中心	25	70	4.0	7.0
2	许子鸣	武汉理工大学现代汽车零部件技术湖北省重点实验室汽车零部件技术湖北协同创新中心	1	2	1.0	1.0