该论文结合实际生产项目,综合运用数字图像处理和模式识别方面的有关理论和技术,实现对工业物料进行自动识别.所完成的主要工作如下:1.针对传送带运动、抖动等现场环境因素所导致的图像模糊问题,在分析传统的Pal.King算法的基础上,提出了一种快速模糊边缘检测算法.与Pal.King算法相比,该算法减少了迭代次数,具有很强的检测模糊边缘和细小边缘的能力,对提高工业物料的识别精度和系统的实时性起到了很好的作用.2.分析了具体工业物料——铁矿、返矿、焦炭和熔剂的实际特点,总结出工业物料的三个重要特征——颗粒度、颜色和平均灰度,确定了识别的主聚类特征量,为有效地识别工业物料奠定了良好的基础.3.借鉴地形学的研究方法,分析了水平集的概念,在此基础上提出了一种快速颗粒度特征提取算法.该算法克服了传统边缘检测算法不足,利用地形图水平集的边界水平线和其连接点,通过设定图像灰度阈值对工业物料颗粒边缘进行提取,并计算出其颗粒度.实验表明:所提出的算法计算简单,效果明显优于传统的算法.4.对颜色和平均灰度两个重要特征进行了分析,综合运用数字图像处理技术,实现了颜色和平均灰度特征的提取.5.针对实际生产和处理过程中所存在的模糊不确定因素,综合利用模糊聚类算法,对工业物料进行识别,在一定程度上消除了不确定因素的影响.6.完成了工业物料自动识别原型系统的软、硬件设计,在VC++6.0开发平台上,编程实现了系统所涉及的有关算法.