[发明专利]一种金属硫化物矿物光学显微图像的自动识别方法在审
申请号: | 201810845783.1 | 申请日: | 2018-07-27 |
公开(公告)号: | CN109117759A | 公开(公告)日: | 2019-01-01 |
发明(设计)人: | 肖仪武;方明山 | 申请(专利权)人: | 北京矿冶科技集团有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46 |
代理公司: | 北京凯特来知识产权代理有限公司 11260 | 代理人: | 郑立明;赵镇勇 |
地址: | 100160 北京市丰台区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 金属硫化物 自动识别 矿物 岩矿 显微图像 金属硫化物矿物 光学显微镜 自动拍摄 样品光 数据库 测量 金属硫化物颗粒 图像 矿物颗粒 矿物识别 样品放置 有效解决 伪彩色 准确率 灰度 载物 制备 存储 | ||
本发明公开了一种金属硫化物矿物光学显微图像的自动识别方法,将制备完成的岩矿样品光片,放置于光学显微镜的载物台上;使用CCD对岩矿样品进行自动拍摄,测量图像中每种金属硫化物的HSV值,建立金属硫化物的HSV值数据库,作为金属硫化物自动识别的标准;将新的岩矿样品放置于光学显微镜下进行矿物光学显微图像的自动拍摄和存储,提取其中的金属硫化物颗粒,测量其HSV值;根据图像中矿物颗粒的HSV值,以已经建立好的矿物数据库为标准对其进行识别,并将识别出来的不同种矿物涂上不同的伪彩色以示区别,由此完成金属硫化物的自动识别。能够有效解决矿物灰度接近难以区分的问题,可准确、有效的识别岩矿样品光片的金属硫化物,提高矿物识别的准确率。
技术领域
本发明涉及一种岩矿样品中金属硫化物的自动识别,尤其涉及一种金属硫化物矿物光学显微图像的自动识别方法。
背景技术
在进行岩矿鉴定和工艺矿物学研究工作时,首先需要对岩矿样品中的矿物进行识别和鉴定。常用的方法是由技术人员通过光学显微镜对岩矿样品中的金属硫化物进行观察,根据其光学特征来确定矿物种类。这种工作方式对技术人员的水平要求较高,而且由于是人工操作,效率相对较低。
近年来,为提高岩矿样品中金属硫化物的鉴定识别的工作效率,降低对技术人员的依赖性,利用数字图像分析技术自动识别岩矿样品中金属硫化物逐渐成为研究的热点。目前用来识别矿物的图像分析技术多是基于灰度来开发研究的,即将由CCD拍摄的岩矿样品的矿物光学显微彩色图像灰度化,然后利用不同矿物的灰度差异来区别和鉴定矿物。但是,由于岩矿样品中矿物种类繁多,通过二值化将彩色图片灰度化后,很多矿物的灰度非常接近,难以区分,导致矿物识别的准确率无法保证。所以到目前为止,还没有一套应用效果较好的针对矿物显微图像的处理系统开发成功。
发明内容
本发明的目的是提供一种金属硫化物矿物光学显微图像的自动识别方法,该方法采用图像技术用于自动识别岩矿样品中金属硫化物。
本发明的目的是通过以下技术方案实现的:
本发明的金属硫化物矿物光学显微图像的自动识别方法,包括以下步骤:
步骤1、将制备完成的岩矿样品光片,放置于光学显微镜的载物台上;
步骤2、打开光学显微镜电源和CCD,按光学显微镜操作规范进行样品光片的聚焦;
步骤3、聚焦完成后,使用CCD对岩矿样品进行自动拍摄,将拍摄的图像存储于计算机中;
步骤4、打开拍摄的图像,测量其中每种金属硫化物的HSV值,建立金属硫化物的HSV值数据库,并将其植入由C++开发的矿物自动识别系统中,作为金属硫化物自动识别的标准;
步骤5、将新的岩矿样品放置于光学显微镜下进行矿物光学显微图像的自动拍摄和存储;
步骤6、使用矿物自动识别系统自动打开存储的新的岩矿样品的图像,提取其中的金属硫化物颗粒,测量其HSV值;
步骤7、根据图像中矿物颗粒的HSV值,以已经建立好的矿物数据库为标准对其进行识别,并将识别出来的不同种矿物涂上不同的伪彩色以示区别,由此完成金属硫化物的自动识别。
由上述本发明提供的技术方案可以看出,本发明实施例提供的金属硫化物矿物光学显微图像的自动识别方法,利用不同金属硫化物在光学显微镜下具有的特征的颜色进行区分和识别,能够有效解决矿物灰度接近难以区分的问题,可准确、有效的识别岩矿样品光片的金属硫化物,提高矿物识别的准确率。
附图说明
图1为本发明实施例未识别前的矿物显微图像。
图2为本发明实施例识别后将金属硫化物涂上伪彩色后的矿物显微图像。
具体实施中,图中不同的矿种可用不同的颜色区分。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京矿冶科技集团有限公司,未经北京矿冶科技集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810845783.1/2.html,转载请声明来源钻瓜专利网。