[发明专利]一种多光谱图像信息和光谱信息异构融合的煤矸识别方法

说明书

本发明公开了一种多光谱图像信息和光谱信息异构融合的煤矸识别方法，包括以下步骤：(1)煤和矸石多光谱数据的获取；(2)构造煤和矸石的多光谱数据库；(3)二维卷积神经网络图像信息的特征提取；(4)一维卷积神经网络光谱信息的特征提取；(5)图像特征和光谱特征的融合；(6)随机森林煤矸识别模型构建。本发明采用2D‑CNN和1D‑CNN分别提取图像特征和光谱特征，特征融合后进行煤和矸石多光谱的识别模型构建，提出一种可用于图像信息和光谱信息特征提取、融合的异构融合框架能够提取更多、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实时、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光谱信息异构融合的煤矸识别方法。

背景技术

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。我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。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。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。现阶段国内外选煤技术中，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。

多光谱成像技术(Multispectral Imaging，MSI)最早应用于军事领域，之后随着技术不断发展，逐渐应用到农业各个方面。多光谱成像后获得多个不同光谱区域图像，多光谱成像技术可以解决RGB图像波段范围窄和易受光照等环境干扰的问题。同时，与传统的CCD成像相比，多光谱成像技术在获取不同光谱区域的图像信息外，还能获取到不同波段的光谱信息。目前，针对多光谱数据的分析主要是按照图像信息和光谱信息分别进行相对独立的研究。

发明内容

本发明的目的是提供一种多光谱图像信息和光谱信息异构融合的煤矸识别方法，以解决现有煤矸识别方法存在的不足，通过多光谱图像信息和光谱信息的融合有效降低了单一图像信息或者光谱信息判断的误差，实现煤和矸石的实时在线精准识别。

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光谱信息异构融合的煤矸识别方法，包括以下步骤：

(1)煤和矸石多光谱数据的获取；

(2)构造煤和矸石的多光谱数据库；

(3)二维卷积神经网络图像信息的特征提取；

(4)一维卷积神经网络光谱信息的特征提取；

(5)图像特征和光谱特征的融合；

(6)随机森林煤矸识别模型构建。

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数据，得到煤和矸石的多光谱数据集。

作为优选，所述步骤(2)中，利用煤和矸石的多光谱数据集，结合煤和矸石的样本标签，构造煤和矸石的多光谱数据库，该数据库同时包含图像信息和光谱信息。

作为优选，所述步骤(3)中，用于提取图像信息特征的二维卷积神经网络(Two-dimensional convolutional neural network,2D-CNN)是一种包含两个卷积层的网络结构，主要包含标准化层、卷积层、池化层、全连接层。

作为优选，所述步骤(4)中，用于提取光谱信息特征的一维卷积神经网络(One-dimensional convolutional neural network,1D-CNN)是一种包含两个卷积层的网络结构，主要包含标准化层、卷积层、池化层、全连接层。