[发明专利]基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法

说明书

本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法，属于煤矸石快速识别领域，包括：首先将光谱成像技术用于煤矸石检测，获取煤矸石近红外光谱图像；然后把获取煤和矸石的近红外光谱图像预处理，并利用主成分分析(Principal Component Analysis，PCA)降维近红外光谱图像数据；接着基于改进的ELM构建煤矸石识别模型，用SSA算法优化改进的ELM的最优参数；最后将SSA获取的最优参数结合ELM用于煤矸石近红外光谱图像识别。本发明提供的基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法不仅实现煤矸石准确快速的识别，而且省去识别模型的手动参数搜索的过程，应用方便。

技术领域

本发明属于煤矸石快速识别领域，具体涉及一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法。

背景技术

被誉为黑色的金子、工业的食粮的煤炭，从第一次工业革命以来就成为了人类使用的最主要能源之一。2018年，中国占全球能源消费量的24％和全球能源消费增长的34％，这已连续18年成为全球能源增长的最主要来源。尽管经济的增长速度放缓，中国的一次能源消费在2018年仍增长4.3％，而在一次能源中，煤炭的占比为58％，这意味着煤炭仍是我国经济的基础能源来源，它在经济发展中所具有的重要位置依然是不可改变的。据分析，在未来相当长的一段时间，我国会依然从事煤炭的开采工作。煤炭开采过程中总是会伴随着热值低或不可燃烧的矸石，被称之为煤矸石。将煤矸石从煤炭中分离，不仅能提高煤炭的燃烧效率，而且会减少其燃烧时污染物的排放。煤或矸石的快速识别和检测，对煤矸石的分离具有重要意义。

相比于可见光，近红外成像技术有更广的带宽，受环境光的影响相对更低，能获取更多被测物的特征信息，目前已被成功的应用农业生产和医学检测。因此，本发明将红外光谱图像用于煤矸石识别。波段丰富的近红外光谱成像技术能获取更多煤矸石特征信息，意味着近红外光谱数据量是巨大的。极限学习机(Extreme Learning Machine，ELM)，机器学习领域一种速度极快的学习算法。

为快速的识别煤矸石，本发明将一种改进型极限学习机(核极限学习机)用于煤矸石识别。此外，将海樽群算法(Salp Swarm Algorithm，SSA)用于其最优参数搜索，以实现煤矸石最准确的识别。

发明内容

为了克服上述现有技术存在的不足，本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法。该发明首先将光谱成像技术用于煤矸石检测，获取煤矸石近红外光谱图像，然后将SSA优化改进的ELM并用于近红外光谱图像识别。相比于传统的可见光煤矸石识别技术，本发明提供的煤矸石识别方法具有更高的识别率，并且识别速度快。

本发明实现发明目的采用如下技术方案：

利用多光谱成像仪获取煤和矸石的近红外光谱图像，分别预处理获取的各波段的近红外光谱图像，并对预处理后的光谱图像降维，然后将降维后的光谱数据按比例4:1划分训练集和测试集；

基于改进的极限学习机(Extreme Learning Machine，ELM)算法建立近红外煤矸石光谱图像识别模型；

将训练集和测试集分别用于识别模型训练和测试，利用海樽群算法(Salp SwarmAlgorithm，SSA)进行改进的ELM的参数优化，搜索出各波段煤矸石的最高识别率，以及对应的识别模型的参数；

把识别准确率最高的波段的近红外光谱图像结合SSA搜索的改进的ELM的最优参数用于煤和矸石识别。

优选地，对各波段的近红外光谱图像进行预处理的方法如下：

x＝x′/255          (1)

式(1)中，x为处理后的近红外光谱图像的像素点的取值，x′为像素点的原始数值。