一种放顶煤过程中的煤矸石质量计算方法及系统技术方案

本发明专利技术涉及一种放顶煤过程中的煤矸石质量计算方法及系统，方法包括：对历史图像进行预处理，得到预处理后的图像；历史图像为历史放顶煤过程含有煤矸石的图像；对预处理后的图像中的煤矸石进行标注，得到标注数据集；通过标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型；通过煤矸石标注模型标注放顶煤过程图像中的煤矸石，得到煤矸石标注图像；根据煤矸石标注图像计算煤矸石质量。本发明专利技术根据对图像中的煤矸石进行标注得到的标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型，根据煤矸石标注模型得到煤矸石标注图像，再根据煤矸石标注图像计算煤矸石质量，实现对放顶煤过程中的煤矸石质量准确计算。算。算。

【技术实现步骤摘要】
一种放顶煤过程中的煤矸石质量计算方法及系统


[0001]本专利技术涉及煤炭检测
，特别是涉及一种放顶煤过程中的煤矸石质量计算方法及系统。

技术介绍

[0002]目前的煤矸识别多采用综采工作面的煤岩界面识别及图像灰度信息。然后由于各煤矿及采区的矸石性质差异、放顶煤过程的煤粉干扰、采煤工作面的光照条件等问题对采集图像的灰度信息影响很大，导致上述方法准确性差、稳定性差。因此，传统放顶煤控制过程中顶煤采出率低、出煤含矸率高成为目前急需解决的技术难题。

技术实现思路

[0003]本专利技术的目的是提供一种放顶煤过程中的煤矸石质量计算方法及系统，可以准确计算出放顶煤过程中的煤矸石质量。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种放顶煤过程中的煤矸石质量计算方法，包括：
[0006]对历史图像进行预处理，得到预处理后的图像；所述历史图像为历史放顶煤过程含有煤矸石的图像；
[0007]对所述预处理后的图像中的煤矸石进行标注，得到标注数据集；
[0008]通过所述标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型；
[0009]通过所述煤矸石标注模型标注放顶煤过程图像中的煤矸石，得到煤矸石标注图像；
[0010]根据所述煤矸石标注图像计算煤矸石质量。
[0011]可选地，所述对历史图像进行预处理，得到预处理后的图像，具体包括：
[0012]对所述历史图像进行灰度化，得到灰度化后的图像；
[0013]对所述灰度化后的图像进行Retinex图像增强，得到增强后的图像；
[0014]对所述增强后的图像进行滤波，得到预处理后的图像。
[0015]可选地，所述对所述预处理后的图像中的煤矸石进行标注，得到标注数据集，具体包括：
[0016]对所述预处理后的图像进行优化阈值处理，得到优化阈值处理后的图像；
[0017]利用密度变化法和孔洞填充法对所述优化阈值处理后的图像进行去噪，得到去噪后的图像；
[0018]对所述去噪后的图像进行修正，得到修正后的图像；
[0019]对所述修正后的图像中的煤矸石进行标注，得到标注数据集。
[0020]可选地，所述残差膨胀卷积神经网络模型包括编码器、连接器和解码器；
[0021]所述编码器包括一个残差模块和四个膨胀卷积模块；
[0022]所述连接器连接所述编码器和所述解码器；
[0023]所述解码器包括四个膨胀残差模块、四个上采样层和一个输出卷积模块。
[0024]可选地，所述根据所述煤矸石标注图像计算煤矸石质量，具体包括：
[0025]根据所述煤矸石标注图像计算煤矸石体积；
[0026]根据所述煤矸石体积计算煤矸石质量。
[0027]可选地，所述根据所述煤矸石标注图像计算煤矸石体积，具体包括：
[0028]根据所述煤矸石标注图像计算煤矸石的长宽比、矩形度和圆形度；
[0029]根据所述长宽比、所述矩形度和所述圆形度计算煤矸石初始体积；
[0030]根据煤矸石的称重体积对所述初始体积进行拟合校正，得到煤矸石体积。
[0031]一种放顶煤过程中的煤矸石质量计算系统，包括：
[0032]预处理模块，用于对历史图像进行预处理，得到预处理后的图像；所述历史图像为历史放顶煤过程含有煤矸石的图像；
[0033]第一标注模块，用于对所述预处理后的图像中的煤矸石进行标注，得到标注数据集；
[0034]模型训练模块，用于通过所述标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型；
[0035]第二标注模块，用于通过所述煤矸石标注模型标注放顶煤过程图像中的煤矸石，得到煤矸石标注图像；
[0036]计算模块，用于根据所述煤矸石标注图像计算煤矸石质量。
[0037]可选地，所述预处理模块具体包括：
[0038]灰度化单元，用于对所述历史图像进行灰度化，得到灰度化后的图像；
[0039]图像增强单元，用于对所述灰度化后的图像进行Retinex图像增强，得到增强后的图像；
[0040]滤波单元，用于对所述增强后的图像进行滤波，得到预处理后的图像。
[0041]可选地，所述第一标注模块具体包括：
[0042]优化阈值处理单元，用于对所述预处理后的图像进行优化阈值处理，得到优化阈值处理后的图像；
[0043]去噪单元，用于利用密度变化法和孔洞填充法对所述优化阈值处理后的图像进行去噪，得到去噪后的图像；
[0044]修正单元，用于对所述去噪后的图像进行修正，得到修正后的图像；
[0045]标注单元，用于对所述修正后的图像中的煤矸石进行标注，得到标注数据集。
[0046]可选地，所述计算模块具体包括：
[0047]第一计算单元，用于根据所述煤矸石标注图像计算煤矸石体积；
[0048]第二计算单元，根据所述煤矸石体积计算煤矸石质量。
[0049]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0050]本专利技术公开了一种放顶煤过程中的煤矸石质量计算方法及系统，方法包括：对历史图像进行预处理，得到预处理后的图像；所述历史图像为历史放顶煤过程含有煤矸石的图像；对所述预处理后的图像中的煤矸石进行标注，得到标注数据集；通过所述标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型；通过所述煤矸石标注模型标注放顶煤过程图像中的煤矸石，得到煤矸石标注图像；根据所述煤矸石标注图像计算煤矸石质
量。本专利技术根据对图像中的煤矸石进行标注得到的标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型，根据煤矸石标注模型得到煤矸石标注图像，再根据煤矸石标注图像计算煤矸石质量，实现对放顶煤过程中的煤矸石质量准确计算。
附图说明
[0051]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0052]图1为本专利技术实施例1提供的放顶煤过程中的煤矸石质量计算方法流程图；
[0053]图2为本专利技术实施例1提供的图像预处理示意图；
[0054]图3为本专利技术实施例1提供的数据集标注方法过程图；
[0055]图4为本专利技术实施例1提供的残差膨胀卷积神经网络模型结构图；
[0056]图5(a)为本专利技术实施例1提供的残差模块结构图；
[0057]图5(b)为本专利技术实施例1提供的残差膨胀卷积混合模块结构图；
[0058]图6(a)为本专利技术实施例1提供的膨胀率为1时的示意图；
[0059]图6(b)为本专利技术实施例1提供的膨胀率为2时的示意图；
[0060]图6(c)为本专利技术实施例1提供的膨胀率为4时的示意图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种放顶煤过程中的煤矸石质量计算方法，其特征在于，包括：对历史图像进行预处理，得到预处理后的图像；所述历史图像为历史放顶煤过程含有煤矸石的图像；对所述预处理后的图像中的煤矸石进行标注，得到标注数据集；通过所述标注数据集训练残差膨胀卷积神经网络模型，得到煤矸石标注模型；通过所述煤矸石标注模型标注放顶煤过程图像中的煤矸石，得到煤矸石标注图像；根据所述煤矸石标注图像计算煤矸石质量。2.根据权利要求1所述的放顶煤过程中的煤矸石质量计算方法，其特征在于，所述对历史图像进行预处理，得到预处理后的图像，具体包括：对所述历史图像进行灰度化，得到灰度化后的图像；对所述灰度化后的图像进行Retinex图像增强，得到增强后的图像；对所述增强后的图像进行滤波，得到预处理后的图像。3.根据权利要求1所述的放顶煤过程中的煤矸石质量计算方法，其特征在于，所述对所述预处理后的图像中的煤矸石进行标注，得到标注数据集，具体包括：对所述预处理后的图像进行优化阈值处理，得到优化阈值处理后的图像；利用密度变化法和孔洞填充法对所述优化阈值处理后的图像进行去噪，得到去噪后的图像；对所述去噪后的图像进行修正，得到修正后的图像；对所述修正后的图像中的煤矸石进行标注，得到标注数据集。4.根据权利要求1所述的放顶煤过程中的煤矸石质量计算方法，其特征在于，所述残差膨胀卷积神经网络模型包括编码器、连接器和解码器；所述编码器包括一个残差模块和四个膨胀卷积模块；所述连接器连接所述编码器和所述解码器；所述解码器包括四个膨胀残差模块、四个上采样层和一个输出卷积模块。5.根据权利要求1所述的放顶煤过程中的煤矸石质量计算方法，其特征在于，所述根据所述煤矸石标注图像计算煤矸石质量，具体包括：根据所述煤矸石标注图像计算煤矸石体积；根据所述煤矸石体积计算煤矸石质量。6.根据权利要求5所述的放顶煤过程中的煤矸石质量计算方法，其特征在于，所述根据所述煤矸石标...

【专利技术属性】
技术研发人员：张国英，王家臣，潘卫东，付成彩，甘建旺，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：