[发明专利]一种多光谱图像信息和CNN的煤矸识别方法

说明书

本发明公开了一种多光谱图像信息和CNN的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱图像信息获取；(2)煤和矸石多光谱图像样本划分；(3)卷积神经网络多光谱图像特征提取；(4)极限学习机煤矸识别模型构建。本发明采用CNN‑ELM进行煤和矸石多光谱图像的识别模型构建，提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的快速、精准识别。

技术领域

本发明涉及煤矸识别技术领域，具体是一种多光谱图像信息和CNN的煤矸识别方法。

背景技术

我国是一个煤炭大国，煤炭储存量十分丰富，“富煤、贫油、少气”能源资源的基本特点决定了煤炭在一次能源中的重要地位。煤炭是国家经济的命脉，被称为“工业的粮食”，是人类自十八世纪以来所使用的主要能源之一。在煤炭开采过程中，会伴有大量的矸石和煤被一起开采出来。矸石的主要化学物质构成为Al₂O₃和SiO₂，其不仅含硫量高，而且含有砷、镉、铬、铜和汞等重金属。另外矸石发热值低，当矸石与煤混合后，会影响影响煤的发热量，影响煤炭的质量，同时在燃烧过程中会对环境造成严重污染。因此，将矸石从煤中分选出来是煤炭使用前一个至关重要的处理环节，只有将煤和矸石分离开来，才能实现各自作用的最大化。

在国内外选煤技术中，除了人工选矸之外，自动选矸(煤)技术可根据是否利用水资源，分为湿法选矸和干法选矸。湿法选矸需要消耗大量的水资源，同时产生的煤泥污染难以处理；伽马射线和X射线选矸等射线选矸存在一定的辐射，而普通的图像识别选矸受光线等因素干扰大。因此，如何快速、精准地识别出煤和矸石是一个亟待解决的问题。

发明内容

本发明的目的是提供一种多光谱图像信息和CNN的煤矸识别方法，以解决现有煤矸识别方法存在的不足，快速、精准识别出煤和矸石。

为了实现上述目的，本发明采用的技术方案为：一种多光谱图像信息和CNN的煤矸识别方法，包括以下步骤：

(1)煤和矸石多光谱图像信息获取；

(2)煤和矸石多光谱图像样本划分；

(3)卷积神经网络多光谱图像特征提取；

(4)极限学习机煤矸识别模型构建。

作为优选，所述步骤(1)中，利用多光谱成像技术获取煤和矸石的多光谱图像信息，得到煤和矸石的多光谱图像数据集。

作为优选，所述步骤(2)中，采用随机抽样法将煤和矸石多光谱图像数据按照一定的比例划分为独立的训练集和测试集。

作为优选，所述步骤(3)中，用于提取多光谱图像特征的卷积神经网络(Convolutional neural networks,CNN)是一种包含单个Inception-Res模块的网络结构，主要包含卷积层、标准化层、池化层和全连接层等。

作为优选，所述步骤(4)中，利用CNN提取的多光谱图像特征在训练集上构建极限学习机(Extreme learning machine,ELM)煤矸识别模型，确定ELM煤矸识别模型的参数，然后利用测试集来测试识别的效果，验证模型性能。

通过上述技术方案，本发明的有益效果是：采用多光谱成像技术获取煤和矸石的多光谱图像信息并进行煤矸识别解决现有煤矸识别方法存在的不足；提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息，且可以有效避免过拟合等问题，非常适用于煤和矸石的快速、精准识别。

附图说明

图1是本发明实施案例煤矸识别方法的流程图；

图2是本发明实施案例用于提取特征的卷积神经网络的结构简图；

图3是本发明实施案例Inception-Res模块的Inception单元结构图；