对钨资源综合利用是一个复杂的过程,其中钨矿石的初选是加工的第一个环节,它是将含钨的矿石与不含钨的废石分离开来的过程。目前钨矿企业的初选是由人工手选完成,工人根据矿石的颜色、灰度、纹理和光泽等视觉信息,区分含钨的矿石和不含无的废石。采用人工手选方式容易受到个体判别标准的差异、视觉疲劳和思想情绪等主观因素的影响,难以保证初选标准的一致性;而且人工手选方式加大了企业的人工成本。针对人工初选方式存在的缺陷,本研究对基于机器视觉的钨矿石自动化初选进行了基础研究,并进行了相应的技术方法创新。本研究在综述了近年来机器视觉在矿物加工领域的研究进展,分析了机器视觉在钨矿石初选领域研究存在的不足后,以江西赣州市盘古山钨矿开采钨矿石为研究对象,设计了基于机器视觉的钨矿石初选系统总体方案。采用了先对钨矿石的单特征分别进行识别初选,再利用多特征融合判决的方法实现钨矿石的自动化初选。本研究的主要研究内容和成果有:1、运动模糊参数的精确估算。因矿石传输带的运动,摄像机获得的是运动模糊图像,针对传统的利用运动模糊频谱图像亮条纹获取运动模糊角度的方法,存在受十字亮纹干扰、角度检测误差大的缺陷,提出了利用模糊频谱图像暗条纹获得运动模糊角度的方法,解决了十字亮纹的干扰;对变换后的二值图像进行骨架化转换,再通过Radon转换获得模糊角度,提高了运动模糊角度和模糊长度的检测精度。使角度的检测平均误差由±2.1?提高至±0.13?,最大误差由±4?提高至±0.2?;模糊长度平均误差由±2.3个像素提高至±0.2个像素,最大误差由±2.8个像素提高至±0.3个像素。因此提高了运动模糊参数的估算精度和稳定度,提升了模糊图像的复原质量。2、纹理特征的提取方法。纹理是钨矿石的识别重要特征,针对纹理特征对方向旋转敏感的特点,设计了OECS-LATP图像变换算子,提出了先将钨矿石图像进行OECS-LATP变换,再用灰度共生矩阵描述纹理特征的方法。图像通过OECS-LATP变换增强了对旋转的鲁棒性,同时提高了对纹理的描绘能力,再利用灰度共生矩阵对不规则纹理的有效描述能力,实现对钨矿石纹理特征的高效提取。3、法平面型隶属度函数的模糊支持向量机(NP-FSVM)分类器的构建。为对矿石图像进行初步识别分类,针对传统支持向量机分类器在样本训练时,采用硬性分类方式存在的缺陷,设计了NP-FSVM分类器。在进行样本训练时采用法平面型的隶属方式对样本进行训练,克服了传统硬性分类的支持向量机和以类中心距离衡量隶属度的模糊支持向量机两种方式的缺陷,使训练模糊分类器时可以有效避免孤立样本和干扰噪声点对样本隶属度确定的影响,通过实验表明,NP-FSVM分类器的正确识别率较SVM分类器和类中心距离隶属度的FSVM分类器平均分别提高了6.5%与3.2%。4、多特征信息融合的决策分类。针对钨矿石的单特征识别存在正确识别率低、稳定性不高的缺陷,先用NP-FSVM分类器分别对钨矿石的颜色、纹理和灰度三个特征进行初步识别分类,再利用D-S证据理论具有融合不确定、不完全信息的能力和具有不需要先验概率条件的优势,对钨矿石的颜色、纹理和灰度三个相互独立的单特征信息进行有机融合,得到一个新的识别结果,最后依据D-S证据理论的判决规则,得出最终的识别结果。实验结果表明,通过多特征的融合,使钨矿石的正确识别率达到89.2%,较单一特征的识别率平均提高了31.5%,解决了以往依靠单一特征在识别过程中存在的识别率低、不稳定、不确定等缺陷,提高了钨矿石初选识别的正确率和稳定性,对实现钨矿石初选的自动化初选具有重要意义。最后在总结全文的工作基础上,提出了下一步有待优化和完善的主要工作。