基于重介选煤技术、跳汰技术、浮选技术、干法选煤技术、γ射线检测法的煤和矸石分选方法投资成本高、分选效率低、环境污染严重，基于CCD相机的煤矸分选方法准确率不高，基于X射线的煤矸分选技术会危害工作人员的健康。红外热成像技术相比于可见光成像有不受光照、烟尘影响的优势，且不会对人体造成伤害。提出了一种基于红外热成像的煤矸识别方法。首先，在传送带的输送下经过加热区域，经红外热成像仪获取煤和矸石中心点的温度，得到煤和矸石加热后的温度，利用红外热成像仪对经加热区域均匀加热后的煤和矸石进行拍摄，得到煤和矸石的红外灰度图像和红外彩色图像。然后，选用高斯滤波对煤和矸石的红外灰度图像、红外彩色图像进行预处理并提取特征，将红外灰度图像的灰度均值、最大频数对应的灰度值特征和红外彩色图像的G通道一阶矩、G通道二阶矩特征作为分选特征，并将上述4个特征作为分类模型的输入。最后，采用支持向量机（SVM）进行分类识别，从而达到识别煤和矸石的目的。实验结果表明：基于红外热成像的煤矸识别方法对烟煤、无烟煤、褐煤的分选准确率均达到了98%以上，有良好的分类效果。

0 引言
1 平台搭建及实验原理
1.1 实验平台搭建
1.2 实验原理
2 图像获取及预处理
2.1 图像获取
2.2 图像预处理
3 特征提取
3.1 红外灰度图像灰度特征提取
3.2 红外灰度图像纹理特征提取
3.3 红外彩色图像特征提取
4 特征选择和分类模型
4.1 基于树模型的特征选择
4.2 SVM分类模型
5 实验分析
6 结论