[发明专利]一种基于回归分析的煤质在线检测分析方法

说明书

技术领域

本发明属于煤质检测领域，尤其涉及一种基于回归分析的煤质在线检测分 析方法。

背景技术

为了解煤的质量和燃烧特性，用物理和化学的方法对煤样进行的化验和测 试工作。煤质分析按国家技术标准或专项试验工艺进行，它是为有关设备和工 艺过程的设计和运行提供依据的基础性工作；在电厂等用煤单位，为了对生产 过程进行实时调控，须及时了解皮带输送机上的煤炭具体成分，从而根据煤炭 成分的变化来调节相关的生产参数。比如在燃煤电厂，煤炭成本占了总成本的 80％，所以了解和研究煤质等因素对生产效率的影响是至关重要的。这就要求 能在线实时地对输送带上的煤炭进行成分分析。

基于数据挖掘和机器学习的方法具有解决这一难题的潜力。目前已有多种 基于计算机算法的大脑图像分析方法。常用的方法有以像素为基本分析单元的 VBM方法，以大脑各结构位移为基本分析单元的TBM方法，以手工提取的图像高 层特征为基本分析单元的FBM方法等。对基本分析单元可以使用各种统计模型 或机器学习模型，如贝叶斯分析，最近邻算法，神经网络，深度学习等

然而目前已有的算法尚不能有效处理实际应用中需要面临的问题。

VBM方法基于图像变换进行对比分析，该方法是目前应用最广泛的方法之 一。但是，该方法对参数设置很敏感，因此不利于综合多种不同煤炭的数据进 行模型训练与测试。实际应用中，对齐算法常常不能有效区分因品质发生变化 导致的图像差异。强制对每个图像元素进行对齐会导致比较信息的丢失。

TBM方法基具有与VBM类似的缺陷。

现有专利中，使用一种特殊的图像特征提取方法，将图像特征转换为一种 更利于向量机器学习方法处理的数据。此专利的方法将适用于包括弥散张量图 像在内的各种不同的磁共振图像。但图像处理效果并不优良。对于煤质在线检 测分析结合优良的图像处理有待提高。

综上所述，现有技术存在的问题是：现有检测分析方式单一，检测数据不 准确。

发明内容

针对现有技术存在的问题，本发明提供了一种基于回归分析的煤质在线检 测分析方法。

本发明是这样实现的，一种基于回归分析的煤质在线检测分析方法，所述 基于回归分析的煤质在线检测分析方法使用机器学习的回归分析算法自动提取 煤炭内部各区域的图形特征进行图像特征提取；使用机器学习以提取的图像特 征为依据提供煤质在线检测结果，将检测结果通过显示模块进行显示。

进一步，所述基于回归分析的煤质在线检测分析方法包括：

通过内置有近红外探测模块和激光探测模块的数据采集设备获取煤炭扫描 图像；

利用预处理模块获取煤炭扫描图像进行预处理，将煤炭扫描图像分为多个 区块；

利用煤质图像特征提取模块从每个区块提取一个图像特征向量；

用数据采集设备内置的无监督机器学习模块将每个区块的高维特征向量压 缩为一维数值；将各区块的一维数值表示连接为一个向量，作为整个煤炭扫描 图像的向量描述；

利用数据采集设备内置的检测模块采用有监督机器学习，以煤炭扫描向量 为输入，进行图像预测。

进一步，所述从每个区块提取一个图像特征向量的步骤包括：

对不同煤炭区域使用仿射变换初步对齐到标准煤炭区域模版；

将已对齐煤炭区域扫描的图像分解为能覆盖完整图像的多个三维长方体或 球体区块，区块之间部分重叠；

利用图像特征提取算法将每个区块的像素亮度转换为图像特征描述，每个 特征描述都表示为一个高维向量。

进一步，作为所述用无监督机器学习将每个区块的高维特征向量压缩为一 维数值的步骤包括：

对每个图像区块的图像特征用聚类算法聚为两个类别，一个类别与差煤质 类似，另一个类别与良好煤质类似；

对每个图像区块，训练一个分类器将该区块的图像特征向量分为所述两个 类别聚类结果中的一个类别；

将分类结果转换为一个实数，代表该区块图像特征向量被划分为差煤质相 关特征的概率。

进一步，所述基于回归分析的煤质在线检测分析方法还包括：

步骤一，所述检测模块进行图像预测后的数据发送给数据采集模块，数据 采集模块获取的模拟量电信号转换为数字量信号，并发送给数据处理模块；