为了提高X射线煤矸智能识别过程中机器对成像后图片矿物区域信息提取的精度,先选取煤和矸石中石墨、石英、高岭土、蒙脱石四种主要矿物,分别在X射线下成像,得到高能区、低能区成像图片,将图像转化为灰度图像,用迭代式阈值分割、大津阈值分割（OTSU阈值分割）、全局阈值分割、最大熵阈值分割、交叉熵阈值分割算法对图像进行分割,同时用人工分割方法获取标准分割图像,以此图像作为评价分割精度的标准。采用DICE、RVD、VOE三种标准评价指标来评价五种算法的分割效果,根据每种算法的评价指标,通过数据分析得到分割精度最高的算法,再用煤和矸石做验证试验。结果表明:最大熵阈值分割算法能够成功识别并且提取出目标矿物,效果最好,交叉熵阈值分割算法效果最差,迭代式阈值分割算法效果仅次于最大熵阈值分割算法,OTSU阈值分割算法和全局阈值分割算法分割效果次于迭代式阈值分割算法优于交叉熵阈值分割算法;煤和矸石阈值分割结果与各矿物阈值分割结果趋于一致。研究结果对后续智能分选提供了良好的预处理条件。

国家重点研发计划资助项目（2019YFC1904304）；安徽省科技重大专项资助项目（18030901049）；国家重点实验室开放基金资助项目（SKLMRDPC19KF11）；

1 试验准备
2 图像分割算法原理
2.1 迭代式阈值分割
2.2 OTSU阈值分割
2.3 全局阈值分割
2.4 最大熵阈值分割法
2.5 交叉阈值分割法
3 矿物图像分割过程
4 数据分析
5 煤和矸石图像分割
6 结论

尹建强,朱金波,曾秋予,杨晨光,张勇,史苘桧.X射线煤矸识别过程中图像分割精度研究[J].选煤技术,2021(04):24-29.