[发明专利]一种基于高光谱的煤炭灰分、水分检测系统及方法

说明书

本发明公开了一种基于高光谱的煤炭灰分、水分的检测方法及系统，属于煤炭质量检测领域。具体方法如下：将煤炭进行抽样选取，目标检测模块通过微型高光谱检测仪对待检测样本进行光谱图像信息采集，并将所得的全部光谱图像数据传输到预处理模块中进行降噪等预处理，然后，通过光谱分析模块进行降维处理，选取其中三个主要的成分作为输入数据传输到BP神经网络检测模型中，输出灰分和水分检测结果并预测发热量，并在模型建立模块中对建立好的检测模型进行优化，将所获的煤炭灰分、水分含量检测结果及发热量预测结果进行显示。本发明提供的检测方法，可靠高效，操作简单，实用性强，能够快速获得检测结果，利于未来热力行业的智能化发展。

技术领域

本发明涉及煤炭检测技术领域，更具体地说，涉及一种基于高光谱的煤炭灰分、水分检测方法。

背景技术

在北方的冬天，热力供应是必不可少的，而煤炭是主要燃料之一。煤炭的灰分和水分含量是评价煤炭质量的重要标准之一，煤炭灰分的含量直接影响煤炭的发热量，且煤炭中的灰分含量越少煤炭的发热量相对就越多，煤炭中水分的含量也会对煤质和发热量造成影响，因此煤炭的灰分和水分的检测对热力供应具有重要意义。

传统的煤炭灰分检测主要依靠灼烧法，这种方法检测精度较高，也是应用相对广泛的一种煤炭的灰分检测方法。但是这种方法在实现的过程中较为复杂，效率较低，分析周期长，且检测结果会受到人为操作的影响。

在线煤炭灰分检测方法主要为辐射法，依靠射线进行检测。包括低能γ射线反散射法、双能量γ射线透射法、中子瞬发γ分析法及天然γ放射法等，其中应用较多的为双能量γ射线透射法。虽然这种通过射线的在线煤炭灰分检测方法在一定程度上减小了人为造成的影响，但辐射法会对工作人员的及周围环境造成安全隐患，且使用过的废弃放射源不易处理。

发明内容

为了克服上述缺陷，本发明提供了一种基于高光谱的煤炭灰分、水分检测方法及系统。通过整体设计，对煤炭进行抽样选取，按照国家标准制作煤炭检测样本，通过高光谱检测仪对样本进行光谱图像信息采集，通过预处理模块对采集到的光谱信息进行滤波等预处理，消除随机噪声干扰，得到较为清晰的光谱图像信息。通过光谱分析模块对经过预处理后的光谱图像信息进行分析，得到主成分信息，通过模型建立模块建立煤炭的灰分检测模型和水分检测模型，得到样品煤炭的灰分含量和水分含量，并间接预测煤炭的发热量。同时将得到的检测结果存储到数据库中，作为BP神经网络训练集，抽取另一部分样本数据作为预测集，通过对检测模型不断训练，提高检测精度，使模型得到不断地完善。整体使得本发明可以对煤炭灰分、水分进行准确高效的检测，从而预测煤炭的发热量，为热力供应中对煤炭燃料的选取提供可靠信息。

为实现上述目的，本发明提供如下技术方案：一种基于高光谱的煤炭灰分、水分检测系统，包括：

目标检测模块，所述的目标检测模块用于对煤炭样本进行光谱图像信息采集，并将采集到的光谱图像数据传输到预处理模块中进行光谱图像预处理；

预处理模块所述预处理模块输入端连接目标检测模块，所述预处理模块输出端连接有光谱分析模块；所述预处理模块包括基线校正单元和均值滤波单元，对采集到的光谱图像信息进行基线校正和均值滤波处理，将得到分辨率更高且更加清晰的光谱图像信息传输至光谱分析模块；

光谱分析模块，所述光谱分析模块的输出端连接模型建立模块，所述的光谱分析模块对预处理后的光谱图像信息进行光谱主成分分析，通过光谱主成分分析对所得光谱图像信息进行降维操作，从得到的主成分分析结果中保留前三个主成分，输出至模型建立模块；

模型建立模块，所述的模型建立模块包括BP神经网络单元和发热量预测单元，BP神经网络单元用于执行建立的BP神经网络模型步骤和训练模型，发热量预测单元则根据光谱分析模块输入的图像信息通过训练得到的BP神经网络模型得到发热量预测结果。

该系统还包括：检测结果显示模块，所述的检测结果显示模块与模型建立模块的输出端连接，用于显示发热量预测结果；