一、酸渣水色智能系统的硬件设计
我们设计了不受光线影响的智能检测硬件系统，包括采样箱、机械智能控制、智能识别部分、智能清洁等功能。设备整体机械部分由电机、传动板、导向板、螺杆、采集箱所构成的；电机受控于一个该系统的中心控制器，用户可以通过控制器设置渣水采样的频度和时间，到了渣水采样的时间，控制器就给电机下达指令，由电机通过传动系统驱动采集箱进行渣水样品采集；传送板是连接电机与采集箱的一个关键部件，他将电机驱动的圆周运动转化为螺旋运动，驱动螺杆进行驱动采集箱进行样品采集；导向板的作用是固定螺杆，使得电机驱动螺杆的时候可以按照规定的方向来驱动采集箱；此部分可按设定的方式自动工作，也可以受人工发出指令工作。能完成智能自动检测、自动控制功能。采集箱是本系统的核心器件，其内含有照相机、灯光设备、渣水采集器、冲洗器、水压传感器所组成；采集箱的水压传感器感应到水压以后，将水压信号传送给该系统的中心控制器，中心控制器可以控制电机将采集箱驱动到一个合适的水深以后就停止继续驱动；渣水采集器将渣水采集到一个密闭透明容器内，然后照相机在灯光设备的照射下对容器进行照相采样，并把照片传送给中心控制器进行分析；冲洗器可以在完成本次渣水采集以后，用外接的干净水源来冲洗采集箱，确保下一次的渣水采集不受上一次的影响；此部分完成自动识别、自动清洗功能，并实时上报结果。由于本方案是针对具有腐蚀性的化工产品这个特殊的生产环境，因此方案中涉及的器具的选择要具备如下特点：1、抗腐蚀；2、防尘。
二、渣水色样本处理及优化
经充分研究，本方案采用一种基于图像处理的方法来进行渣水颜色的分析。本文采用求图像的直方图的方法，来分析渣水的颜色。直方图是图像处理中的一个最基础的方法；假设一副黑白图像是由灰度级在范围内的一系列象素空间R所组成的，代表了该图像中灰度为属于的象素点；如果我们以灰度级为横轴，以自然数N为纵轴，函数，这里的Nk为该图像里面灰度为K的象素点的个数，可求得的曲线Nk，为原图像的直方图；假设图像为黑白图像，可以求得一副直方图，彩色图像里面的每一个象素都可以由RGB三原色所组成，因此彩色图像中的每一个象素实际上是由三个颜色所组成的，彩色图像可分解为R,G,B三副单色图像，对R,G,B三幅单色图来求直方图，就可以得到原彩色图像在R,G,B三色空间的直方图，即得到了R红色的h(rk)图，G绿色的h(rk)图，B蓝色的h(rk)图；本文以一副渣水图为例来分析渣水的直方图。如图3所示，为取得的酸渣水样本及三原色的直方图。由渣水的原图可知，该渣水的主要颜色为淡红色，而直方图里面的颜色出现双峰，分析可知是由于颜色的背景和前景的巨大偏差所造成的，因此采集区域部分图片的直方图做为采样样本的主要区域，重新计算得到结果如图4所示。由上图可知，选择样本采集区域，很好的排除了干扰，将样本的颜色真实的进行了量化，通过这种方法，解决了采集的干扰问题。
三、渣水色分级算法及仿真应用
但求得了直方图以后，需要进一步将样本的主要颜色直观的显示出来，并以数字结果动态呈现给操作人员。直方图本身是量化的，共横轴为一个离散的区间，而不是一个连续的区间；本方案采用简单的求最大值的算法，分别求得R,G,B的三幅图的最大灰度的点，求得采集本校酸渣水的主要颜色，进一步工作是将所得结果归类。本文根据实际的调研，将颜色分为5类：黑、深棕微黑、深棕、浅棕、红。颜色量化分级是属于机器视觉领域的范畴，目前自动颜色分级的方法很多[2][3][4]。RGB颜色空间的矢量-角度距离色差方法，是简单、快捷的分类方法，可快速的实现颜色的量化分级。文献[2]中的算法较适合本方案。由于人眼对RGB中的红、绿、蓝三种颜色的敏感程度不同，人眼较绿色分量的变化比红蓝颜色分量的变化更加敏感，因此RGB颜色空间本身也就呈现了不均匀性；RGB颜色空间的矢量-角度距离色差公式较好的解决了RGB颜色空间不均匀的问题。利用以上方法，编程实现颜色直方图中的灰度最大的RGB点与需要分级的目标颜色之间的色差距离，根据计算结果与样本库中黑、深棕微黑、深棕、浅棕、红的样本等级比较，可方便判断色差落入到对应的目标颜色的区间，进而为渣水分级；经过对样本实验分析，确定以下5个样本为5个分级的标准样本，然后用采样得到的渣水与该5个样本进行RGB色差的距离计算，其中距离最小的，则划归该标准样本所对应的等级里面在采用本系统检测矿场的实际生产数据，得到最佳的矿料和输入风量之间的比例曲线如下如图5所示。通过历史数据分析与实际质量参数比较，利用本算法得到平均最佳样品矿风比曲线，通过该曲线可以指导厂方按照该曲线来进行日常生产，对生产稳定性、便捷性具有较好的意义。
四、结论
根据实际生产的应用需求，设计了一种能自动识别渣水颜色、并能实时分析传输结果的智能自动识别设备，对硫酸生产过程中渣色取样、保证产品稳定性，具有较好的效果，设计的系统，对生产过程自动化、智能化具有重要的引领作用。致谢本文在撰写过程中得到了大学生实践与创新2012在江苏省培训项目、江苏省物联网示范工程“金属矿山智能生产管控物联网应用示范工程”、江苏省教育厅高校自然基金“地下金属矿主斜坡道智能交通信号控制与仿真(11KJD510002)”、江苏省级工程中心“江苏省信息分析工程实验室”、南京市级工程中心“智能园艺物联网工程技术研究中心”及金陵科技学院校级工程中心“矿山测控分析工程技术研究中心”的大力支持，在此感谢给予的帮助。
作者：刘琰 于继明 查光成
