發(fā)布時間：2020-06-27 02:23

【摘要】：原煤在入選前要進行預先排矸,對于+50mm的原煤,要進行人工選矸石作業(yè),但其勞動強度大,生產(chǎn)效率低,并且會出現(xiàn)漏選、錯選。因此,提出一種基于視頻處理的煤矸石識別方法,模擬人工選矸石�；谝曨l處理的煤矸石識別是對實時監(jiān)控視頻中的原煤圖像進行分類。本文通過機器學習建立煤和矸石圖像識別模型,基于試驗研究識別效果。原煤隨皮帶運動,采用背景差分法將原煤從視頻中檢測出來,在幀圖像中截選窗口圖像用于識別。選取RGB空間、HSV空間、灰度值的低階矩作為顏色特征;灰度共生矩陣的能量、對比度、相關性、熵,Tamura紋理的粗糙度、對比度、方向度作為紋理特征。提取描述圖像顏色和紋理信息的28個特征參數(shù),經(jīng)過特征初步分析,RGB空間特征作為冗余剔除,圖像的特征參數(shù)減小到19個。通過Relief算法計算權重來表征特征在分類中的貢獻度。研究“k近鄰”、支持向量機、神經(jīng)網(wǎng)絡的識別效果。在“k近鄰”識別中,通過5折交叉驗證找到最優(yōu)近鄰個數(shù)k;在支持向量機識別中,通過5折交叉驗證和網(wǎng)格搜索找到最優(yōu)參數(shù)c和g;在神經(jīng)網(wǎng)絡識別中,采用8節(jié)點隱藏層、S形激活函數(shù)的3層BP神經(jīng)網(wǎng)絡。對比三種算法的識別效果,支持向量機的識別率最高。結合支持向量機算法和特征選擇,采用基于Relief算法權重的特征遞歸剔除,確定特征的最優(yōu)子集,提高識別模型效率。將原煤表面狀態(tài)分為外表面無煤泥且表面干燥、外表面無煤泥且表面濕潤、外表面覆蓋干煤泥、外表面覆蓋濕煤泥4種類型。基于圖像分類對白芨溝礦和大峰礦的原煤進行識別試驗。煤矸石識別分為煤、矸石的二類識別和煤、矸石、皮帶的三類識別。研究2種礦不同表面類型的煤矸石識別,對3種識別模型中效果最好的支持向量機算法進行基于權重的特征遞歸剔除識別,確定模型的最優(yōu)特征子集。在二類識別中,白芨溝礦4種表面類型的5次識別率平均值為98%、96%、94%、96.5%;大峰礦為97%、97%、95.5%、95.5%。在三類識別中,白芨溝礦4種表面類型的5次識別率平均值為92.33%、95.67%、96%、98.33%;大峰礦為92.33%、96%、94.33%、96%。識別效果都較好。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TD849.5
【圖文】：

OSH藍 品紅圖3-5 HSV顏色空間模型Figure 3-5 HSV color space model間圖像在計算機中沒有色彩，而由黑色、白空間用黑色表示物體，黑色為基準色，與，黑色為 0，白色為 255，如圖 3-6 位灰 0%-100%的亮度值，這樣就給出了一種人間轉至灰度顏色空間時，綠色分量的影響G r a y 0 . 2 9 9 R 0 . 5 8 G7 0 0 . 1B 1 4

3 個顏色矩分量。征提取指在物體表面存在的肉眼可見的重復性結構單元，這些結進行排列。圖像紋理特征是指利用圖像處理技術，構建能的特征參數(shù)，用數(shù)學語言定量的描述結構單元及其排列。理特征，提取的紋理要盡可能的滿足類類差距小，類間差包含有 4 種：統(tǒng)計分析、結構分析、模型分析和頻譜分析于不同條件的紋理，因此在面對具體的紋理分類問題時，以取得相對好的結果。究對象為煤與矸石，它們都是自然形成的紋理，表面紋理描述成一個隨機變量；由于煤和矸石為不同類物體，表面紋理存在局部上的隨機性，但是從整體和統(tǒng)計學的角度來一定的規(guī)律性，可以用圖像空間灰度分布情況來描述粗細紋理信息，因此本文采用統(tǒng)計分析方法提取煤與矸石的紋

【參考文獻】

相關期刊論文 前10條

1 張世杰;陳澤華;;基于梯度下降算法的煤矸石分割識別方法[J];煤礦機械;2014年08期

2 趙珊;;中國煤炭資源現(xiàn)狀及建議[J];廣州化工;2014年15期

3 張澤琳;楊建國;蘇曉蘭;;煤堆圖像分割與特征提取[J];中南大學學報(自然科學版);2014年06期

4 郭彥霞;張圓圓;程芳琴;;煤矸石綜合利用的產(chǎn)業(yè)化及其展望[J];化工學報;2014年07期

5 鞏文迪;盧兆林;唐全;劉佳毅;;灰度自適應邊緣檢測在煤矸石分選中的應用[J];煤炭技術;2013年10期

6 張澤琳;楊建國;蘇曉蘭;丁利華;;基于圖像分析的粗粒煤堆密度組成估計[J];中國礦業(yè)大學學報;2013年05期

7 孫建平;楊亞男;齊園園;;基于數(shù)字圖像處理的燃用煤矸石粒徑檢測[J];電力科學與工程;2013年03期

8 丁利華;楊建國;張澤琳;蘇曉蘭;高群;;表征煤質指標的煤粒圖像顏色特征[J];中國煤炭;2012年12期

9 丁利華;楊建國;張澤琳;趙躍民;;煤泥浮選泡沫特征提取算法綜述[J];選煤技術;2012年04期

10 何敏;王培培;蔣慧慧;;基于SVM和紋理的煤和煤矸石自動識別[J];計算機工程與設計;2012年03期

本文編號：2731210