[發明專利]一種煤和矸石的紅外圖像識別方法

有效

• 申請號: 201910538123.3
• 申請日: 2019-06-20
• 公開（公告）號: CN110245635B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 胡鋒;周孟然;閆鵬程;卞凱;戴榮英;宋紅萍;孫磊
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 崔自京

本發明公開了一種煤和矸石的紅外圖像識別方法，包括以下步驟：(1)煤和矸石原始紅外圖像獲取；(2)煤和矸石紅外圖像的預處理；(3)煤和矸石紅外圖像樣本劃分；(4)卷積神經網絡圖像特征提取；(5)支持向量機煤矸識別模型構建。本發明采用CNN?SVM進行煤和矸石紅外圖像的識別模型構建，提出一種新的卷積神經網絡模型能夠提取更多、更有效的特征信息，且可以有效避免過擬合等問題，非常適用于煤和矸石的快速、精準識別。

技術領域

本發明涉及煤矸識別技術領域，具體是一種煤和矸石的紅外圖像識別方法。

背景技術

現階段，煤炭是我國的主要能源。在煤炭開采過程中，會伴有大量的矸石和煤被一起開采出來。矸石的主要化學物質構成為Al₂O₃和SiO₂，其不僅含硫量高，而且含有砷、鎘、鉻、銅和汞等重金屬。另外矸石發熱值低，當矸石與煤混合后，會影響影響煤的發熱量，影響煤炭的質量，同時在燃燒過程中會對環境造成嚴重污染。因此，將矸石從煤中分選出來是煤炭使用前一個至關重要的處理環節，只有將煤和矸石分離開來，才能實現各自作用的最大化。

目前，一般是通過人工識別篩選，但是這種方式存在影響工作人員健康、識別篩選速度慢、成本高等不足。在濕法選矸中，需要消耗大量的水資源，同時產生的煤泥污染難以處理。在干法選矸中，伽馬射線和X射線選矸存在一定的輻射，而普通的圖像識別選矸受光線等因素干擾大。因此，如何快速、精準地識別出煤和矸石是一個亟待解決的問題。

發明內容

本發明的目的是提供一種煤和矸石的紅外圖像識別方法，以解決現有煤矸識別方法存在的不足，快速、精準識別出煤和矸石。

為了實現上述目的，本發明采用的技術方案為：一種煤和矸石的紅外圖像識別方法，包括以下步驟：

(1)煤和矸石原始紅外圖像獲取；

(2)煤和矸石紅外圖像的預處理；

(3)煤和矸石紅外圖像樣本劃分；

(4)卷積神經網絡圖像特征提取；

(5)支持向量機煤矸識別模型構建。

作為優選，所述步驟(1)中，利用紅外成像技術獲取煤和矸石的紅外圖像，得到煤和矸石的原始紅外圖像數據集。

作為優選，所述步驟(2)中，對煤和矸石的原始紅外圖像進行縮放、裁剪處理，得到統一大小的煤和矸石的紅外圖像。

作為優選，所述步驟(3)中，采用隨機抽樣法將預處理后的煤和矸石紅外圖像數據按照一定的比例劃分為獨立的訓練集和測試集。

作為優選，所述步驟(4)中，用于提取紅外圖像特征的卷積神經網絡(Convolutional?neural?network,CNN)是一種包含兩層Inception-ResNet單元的網絡結構，主要包含標準化層、卷積層、池化層、扁平層和融合層。

作為優選，所述步驟(5)中，利用CNN提取的圖像特征在訓練集上構建支持向量機(Support?vector?machine,SVM)煤矸識別模型，確定SVM煤矸識別模型的參數，然后利用測試集來測試識別的效果，驗證模型性能。

通過上述技術方案，本發明的有益效果是：采用紅外成像技術獲取煤和矸石的紅外圖像并進行煤矸識別解決現有煤矸識別方法存在的不足；提出一種新的卷積神經網絡模型能夠提取更多、更有效的特征信息，且可以有效避免過擬合等問題，非常適用于煤和矸石的快速、精準識別。

附圖說明

圖1是本發明實施案例煤矸識別方法的流程圖；

圖2是本發明實施案例用于提取特征的卷積神經網絡的結構簡圖；