基于T值映射的双能X射线透射识别矿石算法与分选技术研究.pdf

36doi:10.3969/j.issn.1671-9492.2024.02.006基于T值映射的双能X射线透射识别矿石算法与分选技术研究有色金属（选矿部分）2024年第2 期朱文松12，何剑锋1,2.3，王文1.2，聂逢君1,3，夏（1.东华理工大学江西省核地学数据科学与系统工程技术研究中心，南昌330 0 13；2.东华理工大学信息工程学院，南昌330 0 13；3.东华理工大学江西省放射性地学大数据技术工程实验室，南昌330 0 13)复菲1,3,钟国韵1,2,3汪雪元1.2.3，张雄杰1.3，瞿金辉1.3摘要：将与矿石原子序数相关的R值图像映射方法运用在矿物识别中能够较准确的识别矿石，但是由于R值的推导直接忽略了矿石厚度的影响，这必然会导致R值识别结果受厚度的影响较大，所以由R值算法为基础的图像映射方法必然存在一定的缺陷。而与矿石厚度及密度相关的T值算法保留了厚度和密度两个重要参数，因此使用T值识别算法得到的图像信息量将会更多。使用T值图像映射方法对采集到的双能X射线透射矿石的图像进行验证。首先，对铝和铜试件进行T值与R值曲线拟合识别算法的优劣对比，经过试验可知，R值曲线拟合的相关系数分别为0.90 0 2 4和0.8 8 0 31,而T值曲线拟合的相关系数则分别达到了0.9 9 8 4和0.9 9 116,因此可得出T值识别算法相对减小了厚度对物质识别的影响且T值算法相比R值算法更优。本文在此研究的基础上提出一种基于T值的图像映射方法。该方法首先利用灰度值来代替信号强度值计算出T值，得到由T值作为等大小的灰度图像，然后再先后使用数学形态学图像处理以及中值滤波技术对图像进行清晰化处理，最后使用RGB伪彩色处理得到最终的图像。经过试验对比可知，T值图像映射方法相较于R值图像映射方法不仅在运行速度上得到了提高，而且在图像清晰度以及矿石识别的准确率上都得到了较好的提升。关键词：双能X射线；矿石识别；T值算法；图像映射中图分类号：TD953；T P7 51Research on Ore Identification Algorithm and Separation TechnologyBased on T-value Mapping by Dual-energy X-ray TransmissionZHU Wensong*,HE Jianfeng.-2-,WANG Wen*2,NIE Fengjun,XIA Fei,ZHONG Guoyun.-2,WANG Xueyuan.-2-,ZHANG Xiongjiel-,QU Jinhuil-a(1.Jiangxi Engineering Technology Research Center of Nuclear Geoscience Data Science and System,East China University of Technology,Nanchang 330013,China;2.Information Engineering College,East China University of Technology,Nanchang 330013,China;3.Jiangxi Engineering Laboratory on Radioactive Geoscience and Big Data Technology,Abstract:The R-value image mapping method related to ore atomic number can identify ores moreaccuratelywhen applied to mineral identification,but owing to the deduction of R-value directly ignores theinfluence of orethickness,it is greatly affected by the thickness,so this image mapping method has certaindefects.The T-valuealgorithm related to the thickness and density of ore retains the two importantparameters,therefore,using T-value will obtained more image information.T-value image mappingmethod is used to verify the acquireddual energy X-ray transmission image of ore.First of all,advantagesand disadvantages of the curve fittingbetween T-value and R-value recognition algorithm are文献标志码：AEast China University of Technology,Nanchang 330013,China)文章编号：16 7 1-9492(2 0 2 4)0 2-0 0 36-0 6收稿日期：2 0 2 2-11-2 4基金项目：国家自然科学基金资助项目（118 6 50 0 2,U2067202）；江西省重点研发计划项目（2 0 2 0 3BBG73069）；江西省主要学科学术和技术带头人培养计划项目（2 0 2 2 5BCJ22004）作者简介：朱文松（1998 一），男，江西丰城人，硕士研究生，主要从事双能X射线透射识别研究、计算机视觉研究。通信作者：何剑锋（197 7 一），男，江西婺源人，博士，教授，博士生导师，主要从事核数据采集与信号处理、嵌人式系统应用开发研究。2024年第2 期朱文松等：基于T值映射的双能X射线透射识别矿石算法与分选技术研究compared.Through experiments,it can be seen that thecorelation coefficients of R-value curve fitting were0.900 24 and 0.880 31,while the correlation coefficients of T-value curve fitting reach 0.998 4 and0.991 16 respectively.Therefore,the T-value recognition algorithmrelatively reduces the influence ofthickness on material recognition and the T-value algorithm is better than R-value algorithm.Therefore,animage mapping method based on T-value is proposed on the basis of thisresearch.In which the intensity ofgrayscale substitution is adopted to calculate the T-value,which is then used asthe equal size image as thegrayscale,and then the mathematical morphology image processing and median filtertechnology are usedsuccessively to process the image sharpness,and finally RGB pseudo-color processing is usedto obtain thefinal image.According to the experimental result,The T-valued image mapping method not onlyimprovesthe running speed compared with the R-valued image mapping method,but also better in enhancingtheimage clarity and ore recognition accuracy.Key words:dual energy X-ray;T-value algorithm;ore identification;image mapping37矿物是国家发展的重要战略资源，矿石的分类能显著提高对这种战略资源的使用，目前大型工厂中的矿石分选方法中最常用的有磁选、重选、浮选、化选等。然而这些方法存在很多问题，如介质比重、成本较高以及受环境因素影响较大等。作为前沿技术，双能X射线透射分选技术不受矿石样式、物理或化学反应的影响，具有成本低、成像速度快、准确度高等优点。双能X射线透射识别技术是利用有效原子序数的差异来识别矿石-51。目前矿石的分类方法主要以R值算法为主，但是R值受厚度的影响较大6-9。现有的矿石识别方法有毛冬辉10 1的R-I曲线拟合，他利用拟合曲线的相关系数来判别铝合金和黄铜，童郭贵11 用IL-I曲线拟合对一些氧化类矿石进行了验证，黄河等12-13 利用基于复化求积的R值识别算法以及在R值算法基础上使用的区域分块识别算法等来减弱连续谱X射线下厚度的影响虽然这些方法在识别厚度较薄的金属时获得了良好的效果，但是当被测物较厚时却会出现误检，因此他们都没用从根本上解决厚度的影响。而高航14则是利用R值的方法对矿石进行图像映射，该方法依旧存在R值算法的固有缺陷，因此，本文针对R值方法无法满足实际应用中的需求，提出了一种基于T值算法的图像映射识别方法对矿石进行分选。1矿石识别算法分析当X射线入射到矿石后信号强度值会发生衰减,R值识别结果受到射线光子能强度、矿石的厚度以及元素性质的影响。根据Lambert-Beer定律15-10 I=Ioempt(1)式中，I一X射线透射矿石后的信号强度值；I一X射线的初始信号强度值；p一被穿透矿石的密度，g/cm;t一被穿透矿石的有效厚度，cm；m一矿石的质量吸收系数，cm/g。根据式(1)可得，对于单色谱的X射线有：Ih=IHemptIL=IL。e m p t式（2)、（3)中，IH。一高能X射线的初始信号强度值；IH一高能X射线透射矿石后的信号强度值；IL。一低能X射线的初始信号强度值；IL一低能X射线透射矿石后的信号强度值。将（2）、（3)式取对数后再作比值，即可得到R值的表达式：R=1In(I。/I,)In(n/In)mHpt/mH式中，mH一矿石在高能X射线下的质量吸收系数，cm/g;mL一矿石在低能X射线下的质量吸收系数,cm/g。由式(4)可知,在单色谱的X射线照射下,与R值相关的只有矿石的原子序数，而与矿石的密度、厚度无关。但现实中使用的是多能X射线源，射线强度的求解为积分形式，故不能忽略厚度的影响,因此选择T值来替代R值。定义X射线透射矿石后的信号强度值为17-18 ：=,则In=InL,令T=-In=In 则可得：T=pmptIHoTH=lnILTL=ln由式(5)可知,T值保留了矿石的厚度t以及矿石(2)(3)LmLpt=mL(4)(5)(6)(7)38密度,从公式推理来看，相较于传统的R值算法，T值算法对经过双能X射线透射后的矿石识别精度更高。2曲线拟合的矿石识别方法为了提高数据的鲁棒性，采用密度差异较大的两种金属10 6 0 纯铝以及T2紫铜作为试验材料，然后将其制作成厚度不等的阶梯试件。试验使用双能X射线源的电压为150 kV、电流为1mA,采用Gd,O,S和CsI(T1)两种闪烁体探测器分别记录高、低能X射线透射信号。利用表1、2 数据对铜、铝样本的R值与低能透射信号强度值IL进行曲线拟合，拟合结果见图1。Table1Signal strength value,R value and T value of copper stepped parts厚度/mmIL115342.8064526394.484.6733955.890941 745.8387151511.870.966972.258477.942310260.52941表2 钅铝试件双能信号强度与R、T 值Table 2Signal strength value,R value and T value of aluminum stepped parts厚度/mmIL246828.72436028.28632666.718277931024580.51221 214.291815.705.432012203.385000045 0004000035 0003000250020.0001500010.00050000-50001.31.41.51.61.71.81.92.02.1 2.22.32.4与原子序数相关R图1铜、铝样本的R-IL拟合曲线Fig.1R-I,fitting curves of copper andaluminum samples有色金属（选矿部分）经计算，铜、铝样本的R-I拟合曲线的相关系数分别为0.8 8 0 31和0.90 0 2 4，曲线拟合程度较好。铜样本的R-IL拟合曲线见式（8)。ILcu=1.34118.586et.09253R铝样本的R-IL拟合曲线见式（9）。ILA1=718.77244e2.13693R同理，将表1、2 数据进行T值曲线拟合，以低能与高能X射线下T值差(TL一TH)横轴,以TL为纵轴,绘制铜、铝样本的（Ti一TH）-T L拟合曲线，拟合结果见图2。铜样本的（TL一TH）-T L拟合曲线：ycu=4.66599z-6.29916+3.44944表1铜试件的双能信号强度与R、T 值RTL2.251.324 52.172.09971.802.67991.633.497 91.623.64181.564.08331.474.79341.425.4002RTL1.970.20861.840.470 81.710.56871.660.73031.610.85311.591.00041.541.30111.491.553 46铜试件5铝试件铝曲线铜试件2024年第2 期(8)(9)(10)TL-TH0.73671.08661.19111.349.91.388.51.474.51.53251.5972TL-TH0.10270.21570.23590.29120.32290.37410.454.60.51384320图2铜、铝样本的(TL一TH)-T.拟合曲线Fig.2(TL-T)-T,fitting curves of copper andaluminum samples铜铝铝曲线铜曲线0.20.4低能与高能X射线下T值的差(T-T)0.60.81.01.21.41.62024年第2 期铝样本的（TL一TH）-T L拟合曲线：yAl=2.2094+1.91265-0.01648铜、铝样本的（TL一TH）-T L拟合曲线的相关系数分别为0.9 9 116 和0.9 9 8 4，相较于R-IL拟合曲线的相关系数更高，由此验证了T值拟合曲线的识别算法更优。3高低能X射线图像的映射方法双能X射线透射识别高、低能图像见图3、4。朱文松等：基于T值映射的双能X射线透射识别矿石算法与分选技术研究39像进行清晰化处理，最终得到矿石的伪彩色图像（图6）。(11)为便于对比图像效果，对R值和T值彩色图像的背景进行了填白处理。图6 伪彩色图Fig.6False color graph of R-value然后利用T值算法进行映射。根据图1、2 结果可知，T值识别算法比R值识别算法精度更高。令T=TL一TH，然后用T值对图像进行映射,具体方法为：令高、低能出射的射线强度图像gH。（,y）和gL(,y)都相等。gh(a,y)=gl(a,y)接下来按照公式（7）的方法用灰度值来代替X射线的出射信号强度值得到T值，从而得到由T值图3高能X射线图像作为灰度值的等大小图像T(，y）15；Fig.3High-energy X-ray imagesT(,y)=In(1ngl.(a,y)*gh(a,y)-gt(a,y)*gh(a,y)所以：(lngH(co.yo)7Lgi(ao,yo)T(,y)=gH(a51,y27Lgt(c51,yo)因为最终要获得RGB伪彩色图像，因此在这需要将T(，y）图像灰度值调整至0,2 55。然后对图4低能X射线图像该图像进行滤波处理，最后才得到图像的映射模版Fig.4Low-energy X-ray imagesG(，y）。本文在具体的映射方法期间采用图像的首先利用R值方法进行映射，得到R值映射图平均值Avg进行计算，主要是考虑到它与最大值、最（图5），但是图像效果不佳，辨别不出矿石及其组分。小值之间的跨度较小，在后续的计算当中就会减少因此。后续采用了中值滤波以及RBG伪彩色对图舍弃数值的个数，从而将保留更多的细节信息，所以本文利用平均值代替R值算法中的最大值进行运算。具体的映射方法为：在MATLAB中通过计算获得T（，y）的平均值Avg以及最小值Min，然后运用线性映射方法将T（,）转化为G(,y），表达式如下：图5R值映射图G(,y)=(T(,y)-Min X 255/(Avg-Min)Fig.5R-value mapping diagram(15)(12)(gL(,y)(gH,(a,y)1ngL(a,y)gH(a,y)=IngH(a,y)(13)gL(a,y)lngH(ao,y452Lg(ao,y45)1ngH(a51y45)7LgL(as1,y4s)(14)40根据上述一系列公式推导与计算，在MATLAB中使用相同一组高、低能灰度图得到矿石图像的映射图以及RGB图,见图7、8。图7 T值映射图Fig.7T-value mapping diagram图8 T值伪彩色图Fig.8False color graph of T-value由图6、8 对比可知，T值映射图在1处呈现出了完整矿石样本，而R值映射出现数据丢失现象；而在2、3处，R值映射出现部分数据错误的现象。经过对比可知，R值映射将多处目标矿石错误地识别成背景，而T值映射图像保留相对完整的数据且更加精准。4结论1)先对基于R值算法的双能X射线透射识别方法进行了研究，然后通过试验验证得知基于R值算法的识别方法受矿物厚度的影响较大，因此当矿石厚度较大时，使用基于R值的映射出的图像必然会出现识别错误，而通过将T值与R值得对比可知该方法受矿物厚度影响较小，这将提高了对较厚矿物中元素的识别准确率；2)试验结果表明，T值图像映射方法得到的图像不仅计算简单，而且获得的图像数据更完整，准确率更高，说明T值图像映射方法更优。参考文献1 REBUFFEL V,DINTEN J.Dual-energy X-ray有色金属（选矿部分）imaging:benefits and limitsJJ.Insight-Non-DestructiveTesting and Condition Monitoring，2 0 0 7,49（10):589-594.2BONNIN A,DUVAUCHELLE P,KAFTANDJIANV,et al.Concept of effective atomic number and effectivemass density in dual energy X-ray computed1tomographyJ.Nuclear Instruments and Methods inPhysics Research Section B:Beam Interactions withMaterials and Atoms,2014,318:223-231.3OSIPOV S,LIBIN E,CHAKHLOV S,et al.Parameteridentification method for dual-energy X-ray imagingJ.NDT&.E International,2015,76:38-42.4ABBASI S,MOHAMMADZADEH M,ZAMZAMIANM.A novel dual high-energy X-ray imaging method formaterials discrimination EJJ.Nuclear Instruments andMethods in Physics Research Section A:Accelerators,Spectrometers,Detectors and Associated Equipment,2019,930:82-86.5项安，陈瑞焘.基于MCNP提取X射线透射图像双能值的数值方法.核技术，2 0 14，37（7）：2 5-32.XIANG An,CHEN Ruitao.A numerical method forextracting dual-energy values of X-ray transmissionimages based on MCNPJJ.Nuclear Technology,2014,37(7):25-32.6王学武，李荐民，康克军，等.高能X射线双能成像法中的物质识别J.高能物理与核物理，2 0 0 7，31（11）：1076-1081.WANG Xuewu,LI Jianmin,KANG Kejun,et al.Substance identification in high-energy X-ray dual-energyimagingJJ.High Energy Physics and Nuclear Physics,2007,31(11):1076-1081.7徐明刚，鲍旭东.伪双能X射线透射系统矫正厚度影响的物质鉴别方法J.电子器件，2 0 0 7，30（1）：2 19-2 11.XU Minggang,BAO Xudong.Substance identificationmethod of pseudo dual energy X-ray transmissionsystem for correction of thickness effectJJ.ElectronicDevices,2007,30(1):219-211.8OSIPOV S P,UDOD V A,WANG Y.Identification ofmaterials in X-ray inspections of objects by the dual-energy methodJJ.Russian Journal of NondestructiveTesting,2017,53(8):568-587.9陈志强，赵跳，李亮.高能双能X射线DR成像及物质识别技术综述JI.CT理论与应用研究，2 0 14，2 3（5）：731-742.CHEN Zhiqiang,ZHAO Tiao,LI Liang,et al.Review ofhigh energy dual-energy X-ray DR imaging andsubstance identification technology JJ.Theory andApplication of CT,2014,23(5):731-742.10毛冬辉，叶文华，熊田忠，等.双能X射线识别金属物料2024年第2 期2024年第2 期的R值曲线拟合算法J.信息技术，2 0 17，46（5）：160-162.MAO Donghui,YE Wenhua,XIONG Tianzhong,et al.R-value curve fitting method for dual energy X-rayidentification of metal materials J.I n fo r m a tio nTechnology,2017,5(41):162-166.11 童郭贵，李解.双能X射线透射预分选系统分离曲线建模J.内蒙古科技大学学报，2 0 2 0，39（3）：2 12-2 16.TONG Guogui,LI Jie,Modeling of separation curve ofdual-energy X-ray transmission preseparation systemJJ.Journal of Inner Mongolia University of Science andTechnology,2020,39(3):213-216.12 黄河，叶文华，熊田忠，等.基于双能X射线透射的区域分块废有色金属识别算法J.机械制造与自动化，2019,48(4):26-29.HUANG He,YE Wenhua,XIONG Tianzhong,et al.Regional block waste non-ferrous metal identificationalgorithm based on dual-energy X-ray transmissionJ.Machine Building and Automation,2019,48(4):26-2913李伟毅，叶文华，熊田忠.基于BP神经网络的双能X射线透射的金属识别算法J.有色金属工程，2 0 2 0，10(8):124-130.LI Weiyi,YE Wenhua,XIONG Tianzhong.Metalrecognition algorithm based on dual-energy X-raytransmission based on BP neural network J.Nonferrous Metals Engineering,2020,10(8):124-130.14高航，王建英，张雪峰，等.双能X射线透射矿物识别系统图像处理设计J.有色金属（选矿部分），2 0 2 1（1）：101-106.GAO Hang,WANG Jianying,ZHANG Xuefeng,et al.Image processing design of dual-energy X-ray transmission朱文松等：基于T值映射的双能X射线透射识别矿石算法与分选技术研究and Graphics,2006,11(9):1237-1241.17J MACDONALD R D R.Design and implementation of adeal energy X-ray imaging system for organic materialdetection in an import security applicationJ.MachineVision Application in Industrial Inspection,2001,43(1):31-41.18王冬阳，张熊杰，胡斌，等.基于曲线拟合的双能X射线透射的金属识别研究J.有色金属工程，2 0 2 2，12（2）：85-91.WANG Dongyang,ZHANG Xiongjie,HU Bin,et al.Research on metal identification of dual-energy X-raytransmission based on curve fitting JJ.NonferrousMetals Engineering,2022,12(2):85-91.（本文编辑刘水红）41mineral identification system J.Nonferrous Metals(Mineral Processing Section),2021(1):101-106.15朱忠华，罗威，柴凡超，等.医疗诊断X射线场的MC模拟及复合屏蔽材料优化设计J.东华理工大学学报（自然科学版），2 0 19，42（2）：16 9-17 2.ZHU Zhonghua,LUO Wei,CHAI Fanchao,et al.MCsimulation of medical diagnostic X-ray field andoptimization design of composite shielding materials JJ.Journal of East China University of Technology(Natural Science Edition),2022,12(2):85-91.16原培新，孙丽娜.克服厚度对双能量透射图像影响的数值计算优化方法J.中国图象图形学报，2 0 0 6，11（9）：1237-1241.YUAN Peixin,SUN Lina.A numerical computingoptimization method to overcome the thickness effect todual-energy transmission imagingJ.Journal of Image