-
题名基于红外热成像的煤矸识别方法研究
- 1
-
-
作者
程刚
潘择烨
魏溢凡
陈杰
-
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
安徽理工大学机电工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2024年第4期69-77,共9页
-
基金
安徽省高校协同创新项目(GXXT-2021-076)。
-
文摘
基于重介选煤、跳汰选煤、浮选、干法选煤、γ射线检测法的煤矸分选方法投资成本高、分选效率低、环境污染严重,基于CCD相机的煤矸分选方法准确率不高,基于X射线的煤矸分选技术会危害工作人员的健康。红外热成像技术不受光照、粉尘影响,且不会对人体造成伤害。提出了一种基于红外热成像的煤矸识别方法。首先,煤和矸石在传送带的输送下经过加热区域,红外热成像仪监测经均匀加热后的煤和矸石中心点的温度,得到煤和矸石加热后的温度并对经加热区域均匀加热后的煤和矸石进行拍摄,得到煤和矸石的红外灰度图像和红外彩色图像。然后,选用高斯滤波对煤和矸石的红外灰度图像、红外彩色图像进行预处理并提取特征,将红外灰度图像的灰度均值、最大频数对应的灰度值特征和红外彩色图像的G通道一阶矩、G通道二阶矩特征作为分选特征,将上述4个特征作为分类模型的输入。最后,采用支持向量机(SVM)进行分类识别,从而达到识别煤和矸石的目的。实验结果表明:基于红外热成像的煤矸识别方法对烟煤、无烟煤、褐煤的分选准确率均达到了98%以上,有良好的分类效果。
-
关键词
煤矸识别
红外热成像
红外灰度图像
红外彩色图像
灰度均值
SVM
图像预处理
-
Keywords
coal gangue recognition
infrared thermal imaging
infrared grayscale image
infrared color images
grayscale mean
SVM
image preprocessing
-
分类号
TD67
[矿业工程—矿山机电]
-
