期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
煤矸分选机器人图像识别方法和系统 被引量:44
1
作者 李曼 段雍 +3 位作者 曹现刚 孙凯凯 《煤炭学报》 EI CAS CSCD 北大核心 2020年第10期3636-3644,共9页
现有煤矸分选主要有人工分选和机械分选,这些方式存在劳动强度大、能耗高、易造成环境污染等问题。对煤矸分选机器人而言,煤矸的准确识别是一个关键且具有较大难度的问题。研究了基于图像的煤矸识别方法,并在此基础上开发了识别系统。... 现有煤矸分选主要有人工分选和机械分选,这些方式存在劳动强度大、能耗高、易造成环境污染等问题。对煤矸分选机器人而言,煤矸的准确识别是一个关键且具有较大难度的问题。研究了基于图像的煤矸识别方法,并在此基础上开发了识别系统。介绍了煤矸分选机器人中图像识别系统的硬件组成,研究了实际工况条件下各部件的选择和安装方式;在实验室搭建图像采集系统,选取韩城矿区的煤和矸石为样本,由所搭建的系统获取样本图像,建立了样本图像库;对样本图像采用3种不同的滤波器进行降噪处理,对比分析得出非线性低通滤波处理效果最佳;基于煤和矸石表面物理特性在灰度和纹理两方面有一定的区别,分别对煤和矸石样本图像的4个灰度参数和5个纹理参数进行分析对比,得出在灰度方面灰度均值和最大频数对应的灰度值2个参数区分度更高,在纹理方面纹理对比度和熵2个参数区分度更高;选用最小二乘支持向量机(LS-SVM)为煤和矸石图像识别分类器,以灰度均值和最大频数对应的灰度值组成的灰度特征、纹理对比度和熵组成的纹理特征、最大频数对应的灰度值和纹理对比度组成的联合特征作为分类器的输入向量分别对分类器进行训练和对比验证,得到以联合特征进行训练的分类器识别效果更好;以LABVIEW为平台开发了包括图像采集、图像滤波、联合特征向量的提取、样本分类等程序。在煤矸分选机器人实验平台上搭建了识别系统,随机选取实际工况下的煤和矸石样本,对识别系统分类性能进行测试,系统图像降噪采用非线性低通滤波器,分类采用联合特征训练的分类器。测试结果显示煤和矸石分类准确率分别为90.3%和83.0%,平均识别时间为0.153 s。 展开更多
关键词 煤矸识别 灰度 纹理 最小二乘支持向量机 LABVIEW
下载PDF
基于频谱分析的矿井通风机预警系统设计 被引量:7
2
作者 倪云峰 张盼 +1 位作者 王江华 《煤炭技术》 CAS 2019年第7期162-165,共4页
提出一套基于ARM Cortex A8内核S5PV210芯片作为主控处理器的在线监测系统,能对常规的参数进行采集显示并对振动信号进行频谱分析.基于采集的信息,首先用小波变换进行滤波降噪,进而进行快速傅立叶变换及频谱分析,运用蒙特卡罗法则建立... 提出一套基于ARM Cortex A8内核S5PV210芯片作为主控处理器的在线监测系统,能对常规的参数进行采集显示并对振动信号进行频谱分析.基于采集的信息,首先用小波变换进行滤波降噪,进而进行快速傅立叶变换及频谱分析,运用蒙特卡罗法则建立故障模型,实现了系统的故障诊断与预警,形成一款专用的在线监测与故障诊断相结合的控制系统,确保了煤矿安全生产的正常运行.实验及仿真结果表明,该系统能够有效地预测振动故障,具有一定的推广应用价值. 展开更多
关键词 通风机 信号采集 在线监测 频谱分析 故障诊断
下载PDF
智能浮选系统在下峪口选煤厂的应用
3
作者 孙再征 新民 +4 位作者 白霄 陈警卫 陈康 许东林 《选煤技术》 CAS 2024年第4期89-95,共7页
针对浮选系统自动化水平低、缺少实时生产数据、浮选精煤灰分波动大等问题,下峪口选煤厂结合自身实际情况,研发了基于模糊控制的智能浮选系统。该系统主要包括智能控制平台、智能感知系统、智能加药站等,分为数据采集层、数据层、控制... 针对浮选系统自动化水平低、缺少实时生产数据、浮选精煤灰分波动大等问题,下峪口选煤厂结合自身实际情况,研发了基于模糊控制的智能浮选系统。该系统主要包括智能控制平台、智能感知系统、智能加药站等,分为数据采集层、数据层、控制逻辑层和人-机交互层。改造后,浮选系统由人工控制变为“机器智能控制+人工巡视”。生产实践表明:智能浮选系统的投运使浮选精煤灰分由9.0%~13.0%稳定至12.0%~13.0%,尾矿发热量由5.02MJ/kg左右降低至4.19MJ/kg以下,精煤产率提高了0.18个百分点,每年创造经济效益729万元。智能浮选系统的应用,稳定了产品质量,实现了降本增效,具有良好的社会效益,可为其他选煤厂浮选系统智能化改造提供有益参考。 展开更多
关键词 浮选 智能浮选系统 模糊控制 智能感知系统 智能加药站 浮选精煤灰分 尾矿发热量 精煤产率
下载PDF
基于图像的煤矸分选中图像照度调节方法 被引量:4
4
作者 李曼 杨茂林 +2 位作者 何仙利 段雍 《煤炭学报》 EI CAS CSCD 北大核心 2021年第S02期1149-1158,共10页
针对基于图像的煤矸分选中,由于生产环境中粉尘、水雾、电磁干扰以及光源设备等因素,引起图像照度变化、影响图像质量、降低识别率的问题,提出一种基于快速引导滤波的Retinex算法,通过去除原始照度分量,添加合适的照度分量,实现图像整... 针对基于图像的煤矸分选中,由于生产环境中粉尘、水雾、电磁干扰以及光源设备等因素,引起图像照度变化、影响图像质量、降低识别率的问题,提出一种基于快速引导滤波的Retinex算法,通过去除原始照度分量,添加合适的照度分量,实现图像整体亮度的调节。采用2500,4000,5500,7000 lux四种照度模拟实际工况环境照度的变化,并采集韩城矿区的瘦煤和页岩,铜川陈家山矿区的弱黏煤和粉砂岩不同类型的煤和矸石图像,建立图像样本库。对获取的图像通过添加0.1为间隔、0.1~0.9的光照因子进行图像强化。选取煤和矸石图像具有较大差异的标准差和熵2个特征参数,分析增强前后煤和矸石图像2个特征参数变化规律以及2者标准差差值和熵差值的变化规律。将标准差差值和熵差值进行融合归一化,以最大差值法得到2个矿区4种照度下对应最佳的光照因子。以LSSVM为分类器,标准差和熵为输入向量,进行训练和识别验证。结果显示:采用最佳光照因子图像增强后,2500,4000,5500,7000 lux四种照度下,韩城矿区样本相对未增强前识别率分别增加了7.5%,8.0%,8.5%,2.0%,陈家山矿区样本识别率分别增加了0.5%,12.0%,17.0%,25.0%,每张图像增强时间平均为0.031 s。 展开更多
关键词 照度 RETINEX 快速引导滤波 灰度 纹理 LSSVM
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部