在球团生产中，粒度是衡量球团质量的重要指标之一。当前，球团粒度检测主要依赖人工方法，存在效率低、误差率高的问题，难以满足现代球团生产的精确性和实时性需求。因此，开发一种准确、即时的粒度检测系统，对提升球团产品质量、实现生产智能化具有重要意义。
已有的球团粒度检测方法在图像识别准确度和实时性方面存在不足，特别是对低亮度和高噪声环境下的图像处理效果不佳，影响检测结果的准确性和实用性。研究人员尝试通过数字图像处理技术来提高检测精度，但现有技术对图像增强和噪声去除的效果有限。
最近，安徽工业大学的余正伟教授及其团队通过结合多尺度视网膜增强（MSRCR）算法与Log变换，提出了一种基于图像增强的球团粒度检测方法。该方法利用工业相机获取球团实时图像，经过MSRCR算法的图像增强、引导滤波去噪及霍夫变换的边缘检测与粒度分析，实现了对球团数量和粒度的精准识别。该方法在检测准确性和实时性方面具有显著提升，对球团生产的质量控制和效率优化起到积极作用。
相关研究成果以“基于图像增强的球团粒度检测方法”为题目发表于《烧结球团》期刊2024年第49卷第3期。论文作者为：张学锋，祝忠阳，黄永鹤，余正伟，龙红明。
该论文的主要研究结果与结论如下：
实验表明，该方法的球团数量检测准确率达92.03%，合格球团数量检测准确率为91.25%，大幅提升了粒度检测精度，满足球团生产需求；
引入了改进的MSRCR算法和Log变换，实现对球团图像的显著增强，提高了对低灰度、噪声图像的检测准确性；
通过引导滤波去除图像噪声的同时保留球团边缘信息，结合阈值分割的霍夫变换，显著减少背景误检，提高了检测系统的稳定性；
该检测系统实现了球团粒度的实时在线监控，可显示、存储历史粒度数据，便于现场监控并支持生产工艺调整，降低了人工检测的误差和负担。
论文中的主要图片和表格如下：
图1：球团粒度检测系统装置结构示意
图2：系统工作流程
图3：MSR与MSRCR增强效果
图4：不同算法处理效果
图5：引导滤波效果
图6：霍夫变换检测效果
图7：不同处理步骤的检测效果
如果您需要论文原文，请在本页最下方留言“2411”给我。
