[发明专利]一种煤炭中煤矸石和煤的分类识别方法

说明书

一种煤炭中煤矸石和煤的分类识别方法，包括以下步骤；采集煤矸石的图像作为训练样本集1，并做标签为煤矸石，采集煤的图像作为训练样本集2，并做标签为煤；通过分割算法提取训练样本集1中的煤矸石主体部分和训练样本集2中煤主体部分，实现煤矸石和煤主体与样本集图像背景分离；利用小波变换对步骤2得到的新的图像样本集进行图像分解并提取各频域子图的特征；将小波变换后的得到的分解图像作为卷积神经网络的输入，通过多次训练对网络权值参数进行优化更新，从而获取准确率最高的神经网络参数，得到最佳煤矸石和煤的识别分类模型。本发明可以较为容易的布置在煤炭生产的传送带上，操作较为简便，成本相对较低。

技术领域

本发明涉及煤矸石和煤的分类识别技术领域，特别涉及一种煤炭中煤矸石和煤的分类识别方法。

背景技术

煤矸石是煤矿生产时产生的废渣，煤炭中煤矸石的含量过高会影响煤炭燃烧的效果，降低煤炭燃烧的效率，而且煤矸石燃烧时会产生大量的硫化物气体污染空气。为了提高煤炭燃烧的效果，减少煤矸石对环境的污染，需要在煤炭燃烧前对煤炭进行煤矸石分离。传统的煤炭中煤矸石的分离是通过水洗方法进行的，而且传统方法每洗一吨原煤需要消耗三吨清洁水，尽管水经过处理后可以循环使用，但是目前每洗一吨原煤需要消耗一吨水，水量消耗大、水处理技术和设备投资大、洗过的煤含有水分降低燃烧效率是洗煤工艺中存在的缺陷。目前干法选煤是煤矸石分离的新工艺，干法选煤就是在运送煤炭的传送带旁步骤可以扫描选煤的设备，当煤矸石被识别出来时，后续的分拣装置可以将煤矸石清理出传送带，扫描选煤目前有人工筛选、γ射线法、无线电探测、红外反射等方法，人工筛选需要大量的人力，工人的劳动强度很大，无线电探测、红外反射尽管这两种方法在原理上都很可靠，但是在实际应用中却是较难实现，需要较高的成本来实现。煤矸石和煤在颜色和光泽上都只有微小的差异，因此通过传统数字图像处理的方法难以做到很好的识别效果，因此本发明将小波变换和卷积神经网络应用到煤矸石识别方法中，可以很好的将煤炭中煤矸石和煤进行识别分类，实现煤矸石的分选。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种煤炭中煤矸石和煤的分类识别方法，可以有效降低工人的劳动强度以及煤矿中的用人成本。

为了实现上述目的，本发明采用的技术方案是：

一种煤炭中煤矸石和煤的分类识别方法，包括以下步骤；

步骤1：采集不同大小和颜色的煤矸石的图像作为训练样本集1，并做标签为煤矸石，采集不同大小和光泽的煤的图像作为训练样本集2，并做标签为煤；

步骤2：通过分割算法提取训练样本集1中的煤矸石主体部分和训练样本集2中煤主体部分得到新的图像样本集，实现煤矸石主体和煤主体与样本集图像背景分离，防止样本集图像背景对煤矸石和煤的识别与分离造成干扰；

步骤3：利用小波变换对步骤2得到的新的图像样本集进行图像分解并提取各频域子图的特征；

步骤4：将小波变换后得到的分解图像作为卷积神经网络的输入，通过多次训练对网络权值参数进行优化更新，从而获取准确率最高的神经网络参数，得到最佳煤矸石和煤的识别分类模型。

所述的步骤1具体为：

(1)选取20组大小不同的煤矸石和煤的样本，对每一个样本利用720P分辨率的相机进行拍照获取样本集图像，样本集每个图像的大小为1280×720，此外对煤矸石的图像做标签1，对煤的图像做标签2；

(2)利用数字图像处理的方法进行训练集数据增强，对原始样本图像利用翻转、旋转、缩放、插值等手段生成第一子代样本，第一子代样本的标签和父代的样本标签一致；

(3)对第一子代样本图像在图像的HSV颜色空间，改变饱和度S和亮度V分量，保持色调H不变，对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间)，增加光照变化，产生第二子代样本，第二子代样本的标签和第一子代的样本标签一致。