“煤矸识别”专题_中国煤炭行业知识服务平台

首页 > 专题

“煤矸识别”专题

来源：工矿自动化

煤矸识别是实现智能化综放开采和智能分选的关键技术，得到了学者和科研机构的广泛关注和研究。为交流共享经验，进一步提升煤矸识别效果，《工矿自动化》编辑部整理了近年来刊发的部分优秀论文，以期促进交流，推动煤矿智能化技术进步。

行业视野: 探矿
类别; 61个
关键词; 52位
专家; 12篇
论文; 3151IP
点击量; 1607次
下载量

基于改进双向峰-谷搜索算法的煤矸模型电磁波正演模拟

作者(Author)：史翔予, 司垒, 王忠宾, 魏东, 顾进恒

摘要：实现放顶煤过程煤矸含量自动识别是综采自动化的重要目标，现有煤矸含量自动识别方法存在准确性、实时性较低等问题。放顶煤过程产生的煤矸混合物是由煤、矸石和空气形成的三相介质，各相介质的电性参数不同，在不同组分的混合三相介质中，电磁波的传播特性也不同。煤块和矸石介电常数差异明显，通过研究不同含矸率煤矸混合物的电性参数，可为放顶煤工作面含矸率的自动识别提供新的思路和方法。为了探究不同含矸率煤矸混合物的电性差异，提出了一种基于分治策略的双向峰-谷搜索算法，基于该算法建立了煤矸多相离散随机介质模型，基于麦克斯韦方程组及其本构关系方程，利用时域有限差分法对所建立的模型进行电磁波正演模拟。分析表明，基于分治策略改进双向峰-谷搜索算法后，煤矸多相离散随机介质模型中的煤炭、矸石、空气三相之间不仅存在明显的相界面，且各相离散程度更大，不存在聚集现象，因此局部介质也能体现整体的电性参数，能够满足电磁波正演的介质模型需求。正演模拟结果表明：① 激励信号的频率会影响透射波的幅值，在12 GHz范围内，激励信号频率越高，透射波幅值越大；频率过低会降低信号的鲁棒性，激励频率应高于2 GHz。② 煤矸混合物的含矸率与介质整体的等效介电常数呈正相关。含矸率越高，电磁波信号的传播损耗越多，接收平面接收到的信号幅值越小，电磁波信号穿透介质所用的时间越长。不同含矸率之间呈现明显的差异性，可以用作综采放顶煤含矸率识别的依据。

工矿自动化

84
X射线透射煤矸智能识别方法

作者(Author)：王文鑫, 黄杰, 王秀宇, 史玉林, 吴高昌

摘要：煤矸图像识别是基于伪双能X射线透射（XRT）的煤矸分选技术重要环节。受煤矸紧贴或遮挡导致煤矸图像难以分割和基于人工阈值判别易导致煤矸分类识别错误影响，现有的煤矸识别方法精度不高。提出一种XRT煤矸智能识别方法。采用感受野模块（RFB）与U-Net模型相结合的模型（RFB+U-Net模型）实现伪双能X射线煤矸图像有效分割，解决了因煤矸紧贴或遮挡情况而影响识别精度的问题；以煤矸图像灰度特征中的低能图像灰度最小值、纹理特征中的低能图像锐化最小值和锐化均差为煤矸识别特征，采用多层感知机（MLP）模型实现煤矸识别。实验表明：RFB+U-Net模型的煤矸分割准确率、煤矸粒度精度、煤矸像素均交并比等指标及图像分割效果均优于活动区域模型、U-Net模型、SegNet模型，且模型推理时间较短，满足煤矸图像分割实时性要求；MLP模型隐藏层数量为8时，在2组测试集下的煤矸识别平均准确率均为87%以上；在相同数据集及实验条件下，MLP模型的煤矸识别平均准确率、排矸率均高于基于贝叶斯分类器、支持向量机、逻辑回归、决策树、梯度提升决策树、K近邻算法的模型，且矸石带煤率不超过3%，满足实际煤矸干法分选要求。

免费下载

工矿自动化

2022年第11期

177

84
基于轻量化HPG-YOLOX-S模型的煤矸石图像精准识别全文替换

作者(Author)：陈彪, 卢兆林, 代伟, 邵明, 于大伟, 董良

摘要：针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题，提出了一种基于轻量化Ghost-S网络与混合并联注意力模块（HPAM）YOLOX-S模型（HPG-YOLOX-S模型）的煤矸石识别方法。首先，在YOLOX-S模型主干网络中加入HPAM，以增强图像中重要信息，抑制次要信息，加强主干网络的特征提取能力。其次，将YOLOX-S模型主干网络替换为参数量更小的Ghost-S网络，提高利用率与特征融合能力。最后，在预测层中采用SIOU损失函数来替换YOLOX-S模型的损失函数，提升检测与定位精度，加强对目标的提取能力。为验证所提方法对大块煤矸石的检测效果，将HPG-YOLOX-S模型与YOLOX-S模型进行对比，结果表明，HPG-YOLOX-S模型对煤与矸石的识别准确率分别为99.53%和99.60%，较YOLOX-S模型识别准确率分别提高了2.51%,1.27%。有效性验证结果表明，HPG-YOLOX-S模型的精确率、召回率和F1值均在94%以上，较YOLOX-S模型分别提高了5.68%,3.51%,2.91%; HPG-YOLOX-S模型的参数为7.8 MB，较YOLOX-S模型降低了1.2 MB。消融试验结果表明，HPG-YOLOX-S模型的平均精度均值较YOLOX-S模型提高了9.17%。热力图可视化试验结果表明，HPG-YOLOX-S模型关注煤与矸石的纹理和轮廓等表面差异，对煤矸石目标的全局关注度更加显著。

免费下载

工矿自动化

2022年第11期

168

113
智能选矸机器人关键技术研究

作者(Author)：张袁浩, 潘祥生, 陈晓晶, 霍振龙, 任书文, 季亮

摘要：介绍了智能选矸机器人应用与研究现状，指出目前智能选矸机器人主要基于X射线和图像识别原理，利用高压气动分拣和桁架机器人抓取进行煤矸分离；智能选矸机器人分拣执行机构主要有桁架式、并联式、串联式等类型，响应速度快，常常以“拨”和“抓”的形式分离矸石；在胶带运输过程中，智能选矸机器人“拨”需要考虑不同矸石尺寸的兼容性及运动路径的优化，“抓”需考虑机械手的作业空间及机器人的承载能力。分析了智能选矸机器人在现场复杂环境中有效实现矸石分拣的基于深度学习的煤矸识别、面向非结构多约束环境的选矸机械臂运动规划、基于力反馈的机械臂主动柔顺控制、多臂协作分拣任务分配策略及控制等关键技术，并指出基于深度学习的煤矸识别技术作为选矸机器人的关键技术之一，仍需在煤矸数据集高效构建方法、煤矸识别算法的泛化性提升及实时性优化等方面进行进一步研究。结合现场应用和机器人智能化发展需求，指出了智能选矸机器人今后的研究方向：针对现场复杂环境进行技术改进，提高煤矸识别算法的鲁棒性和自适应性；适应复杂环境的智能感知和控制技术及矸石高精度三维位姿估算技术的研究；基于力位混合控制的选矸机器人智能拣矸技术研发；智能选矸机器人井下选矸技术探究。

免费下载

工矿自动化

2022年第06期

238

140
面向煤矸识别的近红外反射光谱数据预处理方法

作者(Author)：丁震, 常博深

摘要：利用近红外反射光谱进行煤矸识别时，光谱采集装置距工作面的探测距离变化及粉尘干扰会对近红外反射光谱产生影响。为选取最佳的煤矸近红外反射光谱预处理方法，收集了外观相近的无烟煤和矸石样本，在实验室搭建了由近红外光谱仪、准直镜、卤素灯等组成的光谱采集装置，采集了不同探测距离（1.2，1.5，1.8 m）和粉尘浓度（200，500，800 mg/m3）下的煤矸近红外反射光谱。通过对煤矸近红外反射光谱特征分析，发现探测距离和粉尘浓度变化对煤矸近红外反射光谱曲线波形和吸收谷位置无明显影响，即不会改变光谱特征吸收波长点，但对煤矸近红外反射光谱的反射率产生明显影响，即光谱反射率随着探测距离和粉尘浓度的增大而减小，会造成煤矸近红外反射光谱漂移。为增强煤矸近红外反射光谱吸收特征，利用微分、标准正态变量变换和多项式平滑3种方法对光谱数据进行预处理，并将经过预处理的煤矸近红外反射光谱数据输入至粒子群优化BP神经网络模型进行煤矸识别。实验结果表明，微分预处理方法对探测距离和粉尘浓度变化下采集的煤矸近红外反射光谱数据的优化效果最佳，能有效消除探测距离和粉尘浓度变化对光谱反射率的影响。

免费下载

工矿自动化

2021年第12期

160

117
基于改进YOLOv5s模型的煤矸目标检测

作者(Author)：沈科, 季亮, 张袁浩, 邹盛

摘要：针对现有基于深度学习的煤矸目标检测方法存在检测速度慢且检测精度较低等问题，提出了一种改进YOLOv5s模型，并将其应用于煤矸目标检测中。改进YOLOv5s模型在YOLOv5s模型Backbone区域嵌入自校正卷积SCConv作为特征提取网络，可更好地融合多尺度特征信息；由于煤块和矸石的尺寸相对整张图像过小，对YOLOv5s模型Neck区域进行适当精简，将适合检测较大尺寸对象的19×19特征图分支删除，从而降低模型复杂度并提高检测实时性；对通过K-means算法聚类得到的锚框进行线性缩放，提高模型检测精度。基于改进YOLOv5s模型的煤矸目标检测实验表明，相较于YOLOv5s模型，改进YOLOv5s模型能准确检测出相应的煤块和矸石，且改进YOLOv5s模型大小降低了1.57 MB，帧速率增加了2.1帧/s，平均精度均值提高了1.7%，表明改进的YOLOv5s模型检测精度和检测速度均有提升。

免费下载

工矿自动化

2021年第11期

333

191
轻量化煤矸目标检测方法研究

作者(Author)：杜京义, 史志芒, 郝乐, 陈瑞

摘要：针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题，采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进，构建Ghost-SSD模型，进而提出一种轻量化煤矸目标检测方法。Ghost-SSD模型以SSD模型为基础框架，采用GhostNet轻量化特征提取网络代替主体网络层VGG16，以提高煤矸目标检测速度；针对浅层特征图中包含较多背景噪声及语义信息不足问题，引入自注意力模块对浅层特征图进行特征增强，提高对前景区域的关注度，并采用扩张卷积增大浅层特征图的感受野，丰富浅层特征图的语义信息；采用K-means算法对锚框进行聚类，优化锚框尺寸设置，进一步提高煤矸目标检测精度。实验结果表明，基于Ghost-SSD模型进行煤矸目标检测时，平均精度均值较SSD模型提高3.6%，检测速度提高75帧/s，且检测精度与速度均优于Faster-RCNN，Yolov3模型，同时对煤矸小目标具有较好的检测效果。

免费下载

工矿自动化

2021年第11期

197

102
基于EMD特征提取与随机森林的煤矸识别方法

作者(Author)：窦希杰, 王世博, 刘后广, 陈钱有, 邹文才, 卢召栋

摘要：基于振动信号辨识是实现综放开采煤矸识别的有效手段，现有方法在识别准确性和有效性方面有待进一步研究。提出了一种基于经验模态分解（EMD）特征提取与随机森林（RF）的煤矸识别方法。采用加速度传感器及数据采集仪采集了某综放工作面煤和矸石冲击液压支架尾梁产生的振动信号，分别对2种信号进行EMD，得到一系列本征模态函数（IMF）；根据EMD结果选取有效IMF，分别提取IMF能量、峭度、矩阵奇异值及对应熵作为特征向量，采用各特征向量独立训练RF模型，根据各RF模型对测试样本的识别结果筛选特征向量，并建立特征数据集；采用特征数据集训练RF模型，采用训练好的RF模型实现煤矸识别。测试结果表明：该方法对200组煤矸测试样本的识别准确率达96.5%，且当RF模型中决策树数量设置为100或150时识别准确率最高，对测试样本进行特征提取与识别的耗时不超过0.2 s，满足综放工作面煤矸识别准确性和实时性要求。

免费下载

工矿自动化

2021年第03期

415

211

1 2 下一页尾页

推荐专家

董良

王世博

推荐专题

亮点论文

推荐企业

太原惠特

“煤矸识别”专题

煤问提

煤传媒

煤视界

科技创新50强

会员中心