球团矿作为一种高炉精料有强度好、含铁品位高和还原性好等特点,在钢铁冶炼中有着重要作用。球团粒度是球团矿质量最重要的指标之一,但目前球团矿的粒度检测主要是传统筛分法和人工检测方法,这两种方法不仅检测效率低、准确率性差,而且粒度信息不能实时在线反馈,严重影响了球团质量的保证。本文将机器视觉检测技术应用于球团矿粒度检测中,是目前球团矿粒度检测的主要研究方向。球团矿生产工业环境复杂,原始球团矿图像含有许多噪声,必须对球团矿图像进行预处理。本文采用巴特沃斯滤波方法,既能消除噪声又较好的保护图像中的边缘信息;采用开闭重建处理图像,使得球团矿图像中的明暗细节被消除,同时重建之后图像没有产生新的边界或是边界偏移现象,并且目标区域内的极大值和极小值得到修正。球团矿图像是一种典型的类圆形堆叠颗粒图像,对其实现有效分割是保证粒度检测准确性的关键。本文分析了球团矿图像的分割难点,研究表明传统的图像分割方法不能满足球团矿图像的分割要求,为此提出了一种基于自适应标记提取的分水岭分割算法。通过仿真验证,方法能将目标球团准确分离,很好地解决图像中目标相互遮挡、粘连等类圆形堆叠图像问题,克服了传统分水岭算法的过分割现象。在球团矿图像有效分割的基础上,首先采用基于线标记方法对二值图像连通区域进行标记,利用提出的FUR圆形度度量指标将不能正确反映球团矿粒度信息的目标区域筛除,以保证后期检测结果的准确性。然后,标定图像检测系统的系数并提取球团矿图像中球团目标的实际面积,换算得到球团矿的粒度值。最后,将本文检测的球团矿粒度值与实际粒度检测结果进行对比,结果表明,基于机器视觉的球团矿粒度检测方法具有较好的准确性和可靠性。基于机器视觉的球团矿粒度检测方法,传统的筛分法相比,更加方便易行、准确,而且具有实时性,能实现在线检测,对提高球团生产质量起到极大的推动作用。