Библиографическое описание:

Узденбаев Ж. Ж. Автоматизированная обработка микроснимков для определения качества минеральных пород в горнорудной промышленности // Молодой ученый. — 2010. — №12. Т.1. — С. 39-43.

В статье рассматриваются задачи автоматизированного получения микроснимков и автоматизированной обработки микроснимков образцов руды горно-обогатительных процессов цветной металлургии. Также определяются требования к подсистеме анализа микроснимков.

Некоторые горно-обогатительные предприятия смешивают руду нескольких месторождений, в этом случае важно определить соотношение смешивания. Для этого требуется найти минеральный состав руды, который может быть определен оптико-микроскопическим анализом. На некоторых предприятиях его выполняют вручную технологи-минералоги.

В настоящее время на некоторых комплексах микроснимки анализируются вручную локально на самом предприятии технологом-минералогом, или в головном центре группы предприятий с пересылкой по интернет или другим каналам связи. Ручной анализ имеет такие недостатки, как зависимость от психофизиологических свойств лаборанта (человеческий фактор) и большая длительность обработки одного микроснимка. Но процесс анализа микроснимков руды можно автоматизировать и проводить его локально на самом предприятии, это связано с тем, что подсистему анализа микроснимков, ориентированную на образцы определенной руды, проще создать, чем универсальную программу количественного анализа для образцов любого материала [1].

Из всех задач автоматизации на горно-обогатительных комплексах можно выделить следующие задачи автоматизации:

- автоматизированное получение микроснимков;

- количественный анализ минералов образцов руды по микроснимкам.

Для автоматизированного получения микроснимков требуется автоматизированный микроскоп, содержащий моторизованный предметный столик, механизм смены фильтров, механизм фокусировки, револьвер смены объективов. [2, 3] Обычно в этом случае предполагается использование программного обеспечения производителя, которое отвечает за управление моторизованными частями микроскопа. Предпочтительно использование тринокулярного микроскопа, с камерой, не требующей оптического переходника, с цифровым интерфейсом USB, управляемую с компьютера и с поддержкой TWAIN.

Таким образом, процесс получения снимков может проходить как без оператора в случае полностью автоматизированного микроскопа, так и с участием оператора. В случае автоматизированного микроскопа программное обеспечение микроскопа полностью управляет микроскопом, после получения снимка в память компьютера вызывает программу анализа изображений. От программы анализа требуется, чтобы результаты сводились в базу данных, доступную по локальной сети. Оттуда эти результаты будут восприниматься SCADA-системой, в результате система принимает управленческое решение.

В случае частично автоматизированного или неавтоматизированного микроскопа оператор отвечает за смену образцов, подбор объектива микроскопа, получение снимка на компьютер, и запуск программы анализа снимка. Как и в предыдущем случае, от программы анализа требуется, чтобы она вносила результаты в базу данных, откуда они берутся SCADA-системой, в результате система принимает управленческое решение.

Особенностью оптического микроскопического анализа является то, что процентное соотношение минералов, выявленное на поверхности образца, может отличаться от соотношения, выявленного химическим анализом. Это связано с тем, что картина под исследуемой поверхностью никак не анализируется, но при этом она может отличаться от той, что на поверхности. Поэтому надо проанализировать более одного образца руды и вычислить процентное соотношение минералов по нескольким снимкам. Дальше SCADA-система вычисляет уточненное значение соотношения минералов в руде.

Очень часто разным минералам на микроснимках соответствуют объекты разных типов формы и цветов. Это позволяет идентифицировать различные минералы по форме и цвету объектов. В некоторых случаях требуется также учитывать плоскости поляризации некоторых минералов образца. В этом случае требуется сделать несколько снимков, сопровождая это поворотом образца. Рассмотрим образец шлака медного анодного как пример (рисунок 1). Микроснимки этого образца были любезно предоставлены ВНИИЦВЕТМЕТ (Казахстан, Усть-Каменогорск).

Согласно информации специалистов по микроскопии минералов из ВНИИЦВЕТМЕТ на данном снимке нет минералов, имеющих зависящие от направления плоскости поляризации света. На этом снимке можно обнаружить металлическую медь и следующие минералы: куприт Cu2O, магнетит Fe3O4, делафоссит CuFeO2, силикатное стекло.

Куприт Cu2O можно идентифицировать следующим образом: по форме ему характерны округлые очертания, по цвету – он светло-серый (иногда с небольшим голубоватым оттенком). На рисунке 2 представлены графические представления куприта.

Магнетит Fe3O4 на микроснимках может быть обнаружен также по цвету и форме. Цвет магнетита на микроснимках – темно-серый. Форма – угловатая, как выражаются технологи, «октаэдрическая». На рисунке 3 представлен магнетит обособленно от других минералов снимка.

Рисунок 1 – микроснимок образца шлака медного анодного, увеличение микроскопа было установлено в 500 раз.

Рисунок2 – куприт на микроснимках

Рисунок 3 – магнетит на микроснимках

Делафоссит CuFeO2 выделить на микроснимках можно по игольчатой форме и по серому (с коричневатым оттенком) цвету. На рисунке 4 можно увидеть делафоссит на микроснимках

Рисунок 4 – делафоссит на микроснимках

Металлическую медь на микроснимках можно обнаружить по следующим признакам: цвет – желтый, форма – округлая, ровных граней нету. Рисунок 5 представляет металлическую медь на микроснимке

Рисунок 5 – металлическая медь на микроснимках

Силикатное стекло – это темно-серая масса, заполняет все остальное пространство, что осталось от других минералов.

Приведенные материалы свидетельствуют, что для реальных микроснимков образцов шлака (и некоторых других пород) возможна автоматизированная качественная оценка минерального состава.

После получения снимок часто требуется обработать, в основном для упрощения последующего анализа. Доступные возможности обработки выглядят следующим образом:

-                   цветокоррекция / управление цветом;

-                   более резкое отображение объектов снимка;

-                   повышение контраста;

-                   контраст или инверсия;

-                   выравнивание изображений;

-                   мозаичные изображения;

-                   исправление сферической абберации;

-                   морфологические фильтры [4].

В основном обработка снимков требуется в связи с необходимостью упростить процесс анализа и /или улучшить визуальное восприятие оператором-минераловедом [1].

Действие некоторых морфологических фильтров можно посмотреть при помощи программы MeeSoft ImageAnalyzer. Обработка рисунка 2 морфологическим фильтром дилатации представлена на рисунке 6.

Рисунок 6 – микроснимок шлака медного анодного после 6-тикратного применения морфологического фильтра дилатации в программе ImageAnalyzer

Анализ микроснимков предполагает сегментацию изображения, классификацию найденных объектов и вычисление процентного соотношения каждого типа объектов. Можно предложить такой способ сегментации, как цветовая сегментация в пространстве RGB. Пользователь определяет какие цвета соответствуют определенным типам объектов, на основе чего создаются цветовые кластеры. Сегмент микроснимка, подлежащий выделению, может не содержать всех цветов кластера, но включать большую часть этих цветов. Микроснимок разделяется на контуры согласно информации цветовых кластеров.

В качестве критерия анализа формы можно предложить нижеследующее. Выделенный контур переносится в декартову систему координат. Затем из левой нижней точки через некоторое расстояние прочерчивается прямая до точки, стоящей выше, к этой прямой строится перпендикуляр, вычисляется угол перпендикуляра. Это будет считаться первым перпендикуляром. Дальше контур обходится таким же образом по часовой стрелке. Следующий перпендикуляр строится аналогично. Абсолютное значение разности угла каждого текущего перпендикуляра и предшествующего будет запоминаться программой. После того, как будут построены все перпендикуляры, программа суммирует все абсолютные значения разности углов и делит их на длину границы контура, составленного отрезками, к которым находился перпендикуляр. Для куприта вычисленное значение относительного угла поворота, соотнесенного на длину контура, составленного отрезками, к которым находился перпендикуляр, будет больше чем у магнетита. Метод может быть очень чувствителен к случайным точкам реального контура, поэтому следует тщательно подобрать длину отрезков, к которым строятся перпендикуляры. Для каждого типа объектов требуется составить диапазон значений суммы относительных углов, соотнесенных на длину контура.

Сегментация возможна также при помощи определения перепадов яркости, цветовых градиентов, вычисления площади контуров [5].

Для программы анализа микроснимка более качественная сегментация приоритетнее минимального времени анализа одного микроснимка. Также требуется серийная обработка множества снимков образцов руды.

Результат анализа одного микроснимка является таблицей, в одной колонке указывается название минерала, в другой относительная площадь, занятая им на микроснимке. Также указываются идентификационные данные снимка, такие как название месторождения, номер партии образцов, номер снимка в партии образцов.

В заключение можно отметить нижеследующее. Описана задача оптико-микроскопического анализа на горно-обогатительных комплексах. Определены требования к подсистеме получения и анализа микроснимков. Важнейшие из них состоят в требованиях к камере, серийная обработка микроснимков различных образцов руды, программа анализа должна сегментировать каждый микроснимок, был предложен способ сегментации, затем найденные объекты должны быть идентифицированы как определенные минералы, качество сегментации более значимо, чем время обработки одного снимка, программа должна передавать результаты своей работы в базу данных.

 

Литература:

1.      В. Пантелеев, О. Егорова, Е. Клыкова. Компьютерная микроскопия. М.: Техносфера, 2005. – 304 с.

2.      http://www.nikoninstruments.eu

3.      http://optec.zeiss.ru

4.      В.Т. Фисенко, Т.Ю. Фисенко. Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГУ ИТМО, 2008. – 192 с.

5.      Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. - 584 с.

Обсуждение

Социальные комментарии Cackle