首页|煤与矸石图像特征分析及试验研究

煤与矸石图像特征分析及试验研究

Image characteristics analysis and experimental study of coal and gangue

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为实现基于机器视觉的绿色高效、高智能化的煤矸分选.探讨了煤和矸石共420张图像的2个灰度特征和4个纹理特征的分布情况,并分别模拟生产中的光照、淋水、粉尘环境对煤和矸石进行了图像采集,研究其对煤矸图像特征的影响;此外,针对光照强弱、湿度、煤粉沾染程度和样品种类4个试验因素,对影响因素进行了量化处理,应用Box-Benhnken Design(BBD)试验设计理论设计四因素三水平试验,以样本灰度均值为响应指标,研究各因素对煤矸图像灰度值影响的显著性及其交互作用,从而得到区分煤和矸石的最明显特征.特征分析表明,煤和矸石的灰度特征比纹理特征具有更好的区分度,从灰度均值和峰值来看,6～36 W的光照条件对灰度均值影响有限,却使灰度峰值波动严重;样本表面喷雾量的增加使灰度均值和峰值大幅下降,以0.08 g的喷雾量为转折点,灰度均值呈现出先急后缓的对数曲线下降趋势;煤粉量与灰度均值呈一次线性反比关系,灰矸的线性比例约为块煤和黑矸的4～5倍;单因素试验表明灰度峰值对环境变化较为敏感,而响应面试验表明煤和矸石的灰度均值在同一水平下区分度明显.研究结果有利于推进机器视觉煤矸分选技术的应用,实现井下煤矸分选,亦对煤岩界面识别技术具有参考意义.

李博、王学文、庞尚钟、高新宇、王璐瑶、丁恩发、暴庆保

展开 >

太原理工大学 机械与运载工程学院,山西 太原 030024

煤矿综采装备山西省重点实验室,山西 太原 030024

矿山采掘装备及智能制造国家重点实验室,山西 太原 030024

大同煤矿集团机电装备约翰芬雷洗选技术设备有限公司,山西 大同 037300

展开 >

井下煤矸分选 煤矸识别 图像特征 灰度纹理 响应面法

201903D121074

2022

10.13199/j.cnki.cst.2020-1120

煤炭科学技术
煤炭科学研究总院

煤炭科学技术

CSTPCDCSCD北大核心
影响因子：2.095
ISSN：0253-2336
年,卷(期)：2022.50(8)
  • 4
  • 10