[发明专利]基于图像增强和深度学习的煤矸分类识别方法与流程

说明书

本发明公开了一种基于图像增强和深度学习的煤矸分类识别方法与流程，属于计算机视觉和图像处理领域，具体涉及一种煤矸石的分类识别方法。所述方法包括煤矸图像采集并进行图像增强处理，针对煤矸图像增强处理后的煤矸图像制作成数据集，搭建并对LeNet网络进行改进并针对得到的数据集进行训练，通过神经网络训练得到煤矸分类识别结果模型；本发明通过对采集的煤矸原图进行图像增强处理增大煤矸图像的差异性并结合深度学习中的卷积神经网络，大大的提高了煤矸分类识别准确率，解决了目前现有煤矸识别准确率低的问题。

技术领域

本发明属于计算机视觉和图像处理领域，特别是涉及一种煤矸石的分类识别方法。

背景技术

煤炭资源作为我国的主体能源，对于我国工业的发展有着重要的支撑作用，矸石是煤炭开采和加工过程中产生的一种低碳固体废物，会降低煤炭的发热量、加重污染物的排放。因此煤矸分离是煤矿生产过程中的必要工序，以减少排放、提高煤质。

传统的煤矸分选技术缺点明显，问题突出，人工分选法不仅劳动强度大、煤炭生产效率低，而且分选环境也很恶劣。跳汰选煤方法以水和空气为介质，不仅对环境会造成污染，且设备体型较大，成本高，对煤矸分离的精度也低，γ和x射线检测法虽然提高了煤矸的分选效率，但射线法易受煤矸含水量的影响，同时还存在有辐射，设备笨重容易故障等缺点。

随着计算机技术迅速发展，深度学习被广泛应用到各个领域，基于深度学习的煤与矸石自动分选系统，是一种非接触性、实时的分选系统，而在图像识别分类领域，卷积神经网络具有不可替代的地位。但煤矸图像差异性较小，现有的神经网络直接对煤矸原图进行识别虽能够达到对煤矸石图像的识别与分类效果，但准确率低。

发明内容

因此，针对上述问题，本发明提供一种基于图像增强和深度学习的煤矸分类识别方法与流程，从神经网络输入的煤矸原始图像出发，增大煤矸图像的差异性，大大的提高了煤矸分类识别准确率。

为实现上述目的，本发明提供一种基于图像增强和深度学习的煤矸分类识别方法与流程，其特征在于：包括以下步骤：

S1:煤矸图像采集并进行图像增强处理；

S2:针对S1煤矸图像增强处理后的煤矸图像制作成数据集；

S3:搭建并对LeNet网络进行改进并针对S2得到的数据集进行训练；

S4:通过神经网络训练得到煤矸分类识别结果模型。

进一步地，所述步骤S1中的图像增强处理具体为：

(1)获取采集到的图像高和宽，若图像的高大于宽，则扩充图像的宽度，扩充宽度为高与宽的差值取平均并取整，扩充值为0；若图像的宽大于高，则扩充图像的高度，扩充高度为高与宽的差值取平均并取整，扩充值为0，并改变图像的分辨率为227×227；

(2)将上述处理后的煤矸彩色图像转为灰度图像并进行高斯滤波，采用(5,5)的高斯核，标准差取0；

(3)使用Otsu方法对图像进行二值化，并对二值化后的图像进行边缘搜寻，记录边缘像素的坐标；

(4)找到上述煤矸水平和垂直方向坐标的最大最小值，以坐标(水平方向最小值，水平方向最大值，垂直方向最小值，垂直方向最大值)来设定裁剪的矩形范围，对原图进行裁剪；

(5)用Canny边缘算法检测裁剪后图像边缘，改变检测到的边缘像素灰度值为255，提高煤矸边缘的亮度。

进一步地，所述步骤S2中的将图像增强处理后的煤矸图像制作成数据集，包括将煤矸图像按0.6:0.4的比例随机分配为训练集和测试集，并将煤的图像设置标签为煤，矸的图像设置标签为矸。