[發明專利]基于高光譜成像技術和卷積神經網絡的煤巖識別檢測方法

在審

• 申請號: 202310038418.0
• 申請日: 2023-01-09
• 公開（公告）號: CN116012714A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 王亮;王琦;周廣宇;陳天明;李鋒鋒;趙勛遠;高潔;孫宇航;唐亮;朱澈
• 申請（專利權）人: 山東科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/774;G06V10/82;G06V10/764;G06N3/0464;G06N3/08;G01N21/25;G01N1/28
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 王鳴鶴

本發明公開了基于高光譜成像技術和卷積神經網絡的煤巖識別檢測方法，屬于圖像數據處理技術領域，包括將煤巖粉碎成顆粒并均勻鋪在器皿底部置于載物臺中央，通過高光譜相機進行圖像采集，對高光譜圖像進行黑白校正去除暗電流的影響，將校正好的圖像輸入到卷積神經網絡中進行卷積和池化操作提取特征，經過處理后的光譜圖像結合SVM算法建立識別模型，由該模型獲得識別檢測結果。上述所有處理數據會傳送到數據庫中，數據庫會對所有數據保存并給出數據庫中的比對識別檢測結果，最終將模型所得識別檢測結果以及數據庫給出的比對識別結果進行輸出顯示。本發明方法實現了快速煤巖識別，操作簡單，對煤炭智能化、無人化開采具有重要意義。

技術領域

本發明公開了基于高光譜成像技術和卷積神經網絡的煤巖識別檢測方法，屬于圖像數據處理技術領域。

背景技術

受原理技術的限制，當前的煤巖識別技術仍然存在一些應用問題，傳統的識別檢測方法中，聲波探測法過檢測煤炭或巖石撞擊中部槽發出的聲波來進行識別，該方法是通過煤炭與巖石密度等不同，落在刮板輸送機中部槽發出的聲波也不同進行識別的，因此要求煤炭與巖石介質差異大，只有截割到巖層并且有巖石撞擊到中部槽時，才能測算出煤巖界面；熱紅外探測是根據煤炭與巖石普氏系數等物理特性不同，采煤機截割時產生的溫度也不同進行識別的，采用熱紅外探測法檢測采煤機滾筒截齒溫度，即可測算出煤巖界面，該方法只有截割到巖石時，才能測算出煤巖界面，當煤炭與巖石普氏系數相近時，即使截割到巖石，也很難測算出煤巖界面；γ射線探測具有無放射源、便于管理、非接觸測量、不易損壞等優點，但不適用于放射性元素含量較低的巖層和煤層中夾矸較多等情況；圖像識別法是利用煤巖圖像特征不同等進行識別，但過多考慮煤巖物理特性，因此實施較難、對煤巖圖像的差異性缺少足夠深入的研究。上述方法都沒有從煤巖的物質本質屬性上實現區分，且圖像分類識別需要人工提取特征。

發明內容

本發明公開了基于高光譜成像技術和卷積神經網絡的煤巖識別檢測方法，解決現有技術中傳統識別檢測方法的圖像分類識別需要人工提取特征的問題。

基于高光譜成像技術和卷積神經網絡的煤巖識別檢測方法，包括：

S1.將煤巖樣品研磨成顆粒狀，將其均勻鋪在器皿底部，將器皿置于載物臺中央，通過便攜式高光譜成像光譜儀系統對待檢測樣本進行檢測；

S2.對采集到的光譜圖像進行黑白校正處理；

S3.建立卷積神經網絡模型，將經過黑白校正后的煤炭顆粒樣本高光譜圖像傳輸到卷積神經網絡中進行特征提取，經過幾次卷積和池化步驟后，輸入到全連接層，最后輸出，結合SVM算法技術建立出煤巖的檢測識別模型；

S4.將經過卷積神經網絡處理后的煤巖識別的檢測結果送入數據庫中進行保存，并進行數據比對分析，結合數據庫現有的數據信息給出當前光譜識別與比對的結果；

S5.將數據庫的比對結果以及煤巖檢測模型現場識別的結果進行輸出操作。

S1中的檢測具體為，將檢測探頭對準煤巖識別區域，由外接聚光燈提供補光，由采樣計算機獲取并處理高光譜檢測出的煤巖數據。

S2中的黑白校正處理具體為，采集白板標定圖像和黑板標定圖像，利用白板圖像和黑板圖像對采集到的原始的煤巖顆粒圖像進行標定，通過下式來獲得標定后的煤巖樣本圖像：式中，C為黑白標定后得到的煤巖顆粒樣本圖像，Iw為白板標定圖像，Id為黑板標定圖像，Ir為原始的煤巖顆粒圖像。

S3中的卷積神經網絡包括卷積層，下采樣層和全連接層，卷積層和下采樣層一起組成多個卷積組，對圖像進行逐層提取特征，通過全連接層完成圖像的分類識別，下采樣層用于降低數據維度。

卷積神經網絡通過卷積區分特征，通過卷積層的權值共享和下采樣層的池化減小整個網絡參數的數量級，卷積神經網絡具體結構如下：