Original title: Optická granulometrie
Translated title: Optical granulometry
Authors: Dohnálek, Martin ; Richter, Miloslav (referee) ; Kunz, Jan (advisor)
Document type: Master’s theses
Year: 2023
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Diplomová práce se zabývá problematikou detekce velikosti padajících makroskopických částic s využitím počítačového vidění. Výsledky měření mohou jednak sloužit k ověřování jiných granulometrických metod, nebo mohou být použity v průmyslu jako jednodušší alternativa klasických metod. Snímání vzorků částic probíhá za letu, částice se mohou překrývat. Z toho důvodu data zaznamenává vysokorychlostní kamera na scéně se speciálně vyvinutým osvětlením. Součásti algoritmu jsou: odstranění pozadí, lokalizace potenciálních částic, segmentace metodou watershed, určení velikosti částic. Pomocí obrazové korelace je určována také rychlost pádu a počet částic ve vzorku. Experiment potvrdil, že naměřené velikosti částic vzorku odpovídají velikostem určeným tradiční metodou prosívání a jsou konzistentní i při opakovaném měření. Správnost určování rychlosti byla ověřena fyzikálním výpočtem. Při zkoumání vlivu prašnosti vzorku na kvalitu detekce byla zjištěna odolnost vůči přítomnosti prachu do 10 % hmotnosti vzorku. This diploma thesis deals with the topic of macroscopic particle size detection during freefall using computer vision. The measurement results can be used to verify other granulometric methods, or in the industry as a simpler alternative to conventional methods. Particle sampling takes place in flight and particles may overlap. Because of this, the data is recorded by a high-speed camera on the scene with fit-to-purpose lighting. The components of the proposed algorithm are: background removal, localization of potential particles, segmentation using the watershed method, determination of particle size. Using image correlation, the fall velocity and the number of particles in the sample are also determined. Experiments confirmed that the measured particle sizes of the sample correspond to the sizes determined by the traditional sieving method and are consistent even on repeated measurements. The correctness of the speed determination was verified by a theoretical calculation. When determining the effect of the sample’s dustiness on the quality of detection, resistance to the presence of dust up to 10% of the sample weight was found.
Keywords: computer vision; Granulometry; high speed imaging; image processing; OpenCV; particle analysis; Python; analýza částic; Granulometrie; OpenCV; počítačové vidění; Python; vysokorychlostní snímání; zpracování obrazu

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/210003

Permalink: http://www.nusl.cz/ntk/nusl-526508


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses