太原理工大学 机械与运载工程学院煤矿综采装备山西省重点实验室山西焦煤汾西矿业正文煤业大同煤矿集团机电装备约翰芬雷洗选技术设备有限公司
为解决手工选煤、湿法选煤中存在的效率低下、劳动强度大、水资源耗费、环境污染等诸多问题。研究了基于机器视觉的煤矸识别方法,在实验室中搭建了试验平台,开发了MFC软件应用平台,实现了煤矸实时识别;选取山西西山、内蒙古和陕西神木的煤和矸石作为样本,建立了样本图像库;取420张图像作为实验样本,提取样本的灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行统计和分析;采用粒子群优化算法(PSO)对支持向量机(SVM)的进行优化,并对分类器进行训练和分类测试。对特征分析的结果表明,灰度特征比为纹理特征具有更好的区分度;PSO-SVM分类器测试中,以灰度、纹理、组合特征作为输入时,其识别准确率分别为95.83%、72.92%、93.75%,结果表明以灰度特征作为输入识别效果最好。
主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会