[發明專利]基于近紅外光譜和SSA優化的ELM的煤矸石快速識別方法

有效

• 申請號: 202010469047.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111626224B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 周孟然;閆鵬程;胡鋒;來文豪;卞凱
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/774;G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/08;G01N21/17;G01N21/3563;G01N21/359
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 梁靜

本發明提供了一種基于近紅外光譜和SSA優化的ELM的煤矸石快速識別方法，屬于煤矸石快速識別領域，包括：首先將光譜成像技術用于煤矸石檢測，獲取煤矸石近紅外光譜圖像；然后把獲取煤和矸石的近紅外光譜圖像預處理，并利用主成分分析(Principal?Component?Analysis，PCA)降維近紅外光譜圖像數據；接著基于改進的ELM構建煤矸石識別模型，用SSA算法優化改進的ELM的最優參數；最后將SSA獲取的最優參數結合ELM用于煤矸石近紅外光譜圖像識別。本發明提供的基于近紅外光譜和SSA優化的ELM的煤矸石快速識別方法不僅實現煤矸石準確快速的識別，而且省去識別模型的手動參數搜索的過程，應用方便。

技術領域

本發明屬于煤矸石快速識別領域，具體涉及一種基于近紅外光譜和SSA優化的ELM的煤矸石快速識別方法。

背景技術

被譽為黑色的金子、工業的食糧的煤炭，從第一次工業革命以來就成為了人類使用的最主要能源之一。2018年，中國占全球能源消費量的24％和全球能源消費增長的34％，這已連續18年成為全球能源增長的最主要來源。盡管經濟的增長速度放緩，中國的一次能源消費在2018年仍增長4.3％，而在一次能源中，煤炭的占比為58％，這意味著煤炭仍是我國經濟的基礎能源來源，它在經濟發展中所具有的重要位置依然是不可改變的。據分析，在未來相當長的一段時間，我國會依然從事煤炭的開采工作。煤炭開采過程中總是會伴隨著熱值低或不可燃燒的矸石，被稱之為煤矸石。將煤矸石從煤炭中分離，不僅能提高煤炭的燃燒效率，而且會減少其燃燒時污染物的排放。煤或矸石的快速識別和檢測，對煤矸石的分離具有重要意義。

相比于可見光，近紅外成像技術有更廣的帶寬，受環境光的影響相對更低，能獲取更多被測物的特征信息，目前已被成功的應用農業生產和醫學檢測。因此，本發明將紅外光譜圖像用于煤矸石識別。波段豐富的近紅外光譜成像技術能獲取更多煤矸石特征信息，意味著近紅外光譜數據量是巨大的。極限學習機(Extreme?Learning?Machine，ELM)，機器學習領域一種速度極快的學習算法。

為快速的識別煤矸石，本發明將一種改進型極限學習機(核極限學習機)用于煤矸石識別。此外，將海樽群算法(Salp?Swarm?Algorithm，SSA)用于其最優參數搜索，以實現煤矸石最準確的識別。

發明內容

為了克服上述現有技術存在的不足，本發明提供了一種基于近紅外光譜和SSA優化的ELM的煤矸石快速識別方法。該發明首先將光譜成像技術用于煤矸石檢測，獲取煤矸石近紅外光譜圖像，然后將SSA優化改進的ELM并用于近紅外光譜圖像識別。相比于傳統的可見光煤矸石識別技術，本發明提供的煤矸石識別方法具有更高的識別率，并且識別速度快。

本發明實現發明目的采用如下技術方案：

利用多光譜成像儀獲取煤和矸石的近紅外光譜圖像，分別預處理獲取的各波段的近紅外光譜圖像，并對預處理后的光譜圖像降維，然后將降維后的光譜數據按比例4:1劃分訓練集和測試集；

基于改進的極限學習機(Extreme?Learning?Machine，ELM)算法建立近紅外煤矸石光譜圖像識別模型；

將訓練集和測試集分別用于識別模型訓練和測試，利用海樽群算法(Salp?SwarmAlgorithm，SSA)進行改進的ELM的參數優化，搜索出各波段煤矸石的最高識別率，以及對應的識別模型的參數；

把識別準確率最高的波段的近紅外光譜圖像結合SSA搜索的改進的ELM的最優參數用于煤和矸石識別。

優選地，對各波段的近紅外光譜圖像進行預處理的方法如下：

x＝x′/255??????????(1)

式(1)中，x為處理后的近紅外光譜圖像的像素點的取值，x′為像素點的原始數值。