煤矸智能分选方法技术

本发明专利技术涉及一种煤矸智能分选方法，属于煤矿技术领域；包括如下步骤：步骤S1、将物料输送至识别区域；步骤S2、采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片；步骤S3、由所述第一图片构成的图片序列进行图像融合处理得到第二图片；步骤S4、根据所述第二图片和预设判断模型分析所述物料的表面特征，判断所述物料为煤炭或矸石并记录目标位置；步骤S5、将煤炭和矸石进行分离；利用煤炭和矸石表面金属光泽的不同，通过预设判断模型进行识别煤炭或矸石在第二图像中的目标位置，确定所述煤炭或矸石运动到所述皮带输送机终点所需的时间，从而利用喷枪将煤炭和矸石分离。从而利用喷枪将煤炭和矸石分离。

【技术实现步骤摘要】
煤矸智能分选方法


[0001]本专利技术涉及一种煤矸智能分选方法，属于煤矿


技术介绍

[0002]煤矸石是采煤过程和洗煤过程中排放的固体废物，是一种在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石。包括巷道掘进过程中的掘进矸石、采掘过程中从顶板、底板及夹层里采出的矸石以及洗煤过程中挑出的洗矸石。其主要成分是Al2O3、SiO2，另外还含有数量不等的Fe2O3、CaO、MgO、Na2O、K2O、P2O5、SO3和微量稀有元素(镓、钒、钛、钴)。
[0003]由于井下工作面断层或夹矸大量混入原煤中，使原煤灰分较大，煤的质量下降；灰分主要集中在煤中所夹杂的煤矸石，如果能去除这些煤矸石，煤中的灰分就能大大降低，煤的质量就能得到很大提高。同时也避免了这部分煤矸石在生产运输等各个环节对设备运转带来卡链停机和过度磨损等危害。
[0004]目前广泛使用的煤矸分离技术和方式有四种：一是人工手选煤矸石的方式(效率低下且不安全)；二是用风力选煤的方式选出煤和煤矸石(分选效果差，煤矸石中带煤多，煤炭损失大)；三是用动筛跳汰机分选煤和煤矸石(设备庞大、造成水污染)；四是用重介浅槽分选机进行煤和煤矸石的分离(设备复杂运行费用高)。

技术实现思路

[0005]本专利技术要解决的技术问题是：提供一种煤矸智能分选方法，对煤和煤矸石采用图片进行识别，将煤炭和矸石进行分离。
[0006]本专利技术所述的煤矸智能分选方法，包括如下步骤：
[0007]步骤S1、将物料输送至识别区域；/>[0008]步骤S2、采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片；
[0009]步骤S3、由所述第一图片构成的图片序列进行图像融合处理得到第二图片；
[0010]步骤S4、根据所述第二图片和预设判断模型分析所述物料的表面特征，判断所述物料为煤炭或矸石并记录目标位置；
[0011]步骤S5、将煤炭和矸石进行分离。
[0012]采用不同照射角度的偏振光源对识别区域的物料进行照射放大煤碳表面金属光泽的特征，利用煤炭和矸石表面金属光泽的不同，通过预设判断模型进行识别，将煤炭和矸石进行分离。
[0013]优选地，所述步骤S4中预设判断模型通过如下步骤获取：
[0014]步骤S401、建立训练素材库，收集煤炭和矸石的第二图片，在识别区域输入煤炭和矸石，然后采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片，由所述第一图片构成的图片序列进行图像融合处理得到
第二图片；
[0015]步骤S402、标注图片，对经步骤S401处理后的图片进行人工标注，标注点为是否为矸石，标注完成后，得到矸石的数据集；
[0016]步骤S403、训练预设判断模型，首先建立基于MobileNetSSD轻量级目标检测网络的神经网络训练模型，将数据集划分为训练集、验证集和测试集，在训练集上进行训练，提取矸石的特征，矸石特征表示为神经网络模型中训练出的各项权重；最终获得用于检测矸石的专用预设判断模型；
[0017]步骤S404、检测预设判断模型准确度，将数据分为训练集、验证集、和测试集，进行迭代，通过验证集计算当前损失值和准确率，完成迭代后在测试集上进行最终的准确率的计算，若测试结果的准确率未达到99.8％，则跳入S401扩大训练素材库进行训练直至测试结果的准确率未达到99.8％。
[0018]判断结果准确。
[0019]优选地，所述步骤S4中预设判断模型通过如下步骤获取：
[0020]步骤S401、建立训练素材库，收集煤炭和矸石的第二图片，在识别区域输入煤炭和矸石，然后采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片，由所述第一图片构成的图片序列进行图像融合处理得到第二图片；
[0021]步骤S402、标注图片，对经步骤S401处理后的图片进行人工标注，标注点为是否为煤炭，标注完成后，得到煤炭的数据集；
[0022]步骤S403、训练预设判断模型，首先建立基于MobileNetSSD轻量级目标检测网络的神经网络训练模型，将数据集划分为训练集、验证集和测试集，在训练集上进行训练，提取煤炭的特征，煤炭特征表示为神经网络模型中训练出的各项权重；最终获得用于检测煤炭的专用预设判断模型；
[0023]步骤S404、检测预设判断模型准确度，将数据分为训练集、验证集、和测试集，进行迭代，通过验证集计算当前损失值和准确率，完成迭代后在测试集上进行最终的准确率的计算，若测试结果的准确率未达到99.8％，则跳入S401扩大训练素材库进行训练直至测试结果的准确率未达到99.8％。
[0024]判断结果准确。
[0025]优选地，所述将由所述第一图片构成的图片序列进行图像融合处理得到第二图片，包括：
[0026]由所述第一图片构成的图片序列G1、G2、G3
……
Gn图像序列进行图像融合处理得到所述第二图片F，所述第一图片和第二图片大小均为m
×
n，图像融合方法表示为：
[0027]F(m,n)＝max{G1(m,n),G2(m,n),G3(m,n),
…
Gn(m,n)}；
[0028]其中：m、n分别为图像中像素的行号和列号，在融合处理时，比较图像序列G1、G2、G3
……
Gn中对应位置(m，n)处像素灰度值的大小，以其中灰度值最大的像素作为所述第二图片F在位置(m，n)处的像素。
[0029]第二图片中包含物料表面上更全面的特征，可以更好的表征物料表面特征，图像融合将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、
改善计算机解译精度和可靠性。
[0030]优选地，所述步骤S1采用振动筛和理料滑轨将物料输送至识别区域，所述识别区域位于皮带输送机上。
[0031]物料在识别区域内摆放均匀，识别更加精准。
[0032]优选地，所述步骤S5具体包括如下步骤：
[0033]步骤S501、当所述待分离目标的目标类别为煤炭或者矸石时，基于所述煤炭或矸石在第二图像中的目标位置，确定所述煤炭或矸石在所述皮带输送机上的实际位置；
[0034]步骤S502、基于所述实际位置与所述皮带输送机终点的距离及所述皮带输送机的运输速度，确定所述煤炭或矸石运动到所述皮带输送机终点所需的时间，得到所述喷枪的启动延时时间；
[0035]步骤S503、在达到所述启动延时时间后启动所述喷枪将煤炭和矸石分离。
[0036]通过煤炭或矸石在第二图像中的目标位置，确定所述煤炭或矸石在所述皮带输送机上的实际位置，确定所述煤炭或矸石运动到所述皮带输送机终点所需的时间，从而利用喷枪将煤炭和矸石分离。
...

【技术保护点】

【技术特征摘要】
1.一种煤矸智能分选方法，其特征在于，包括如下步骤：步骤S1、将物料输送至识别区域；步骤S2、采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片；步骤S3、由所述第一图片构成的图片序列进行图像融合处理得到第二图片；步骤S4、根据所述第二图片和预设判断模型分析所述物料的表面特征，判断所述物料为煤炭或矸石并记录目标位置；步骤S5、将煤炭和矸石进行分离。2.根据权利要求1所述的煤矸智能分选方法，其特征在于，所述步骤S4中预设判断模型通过如下步骤获取：步骤S401、建立训练素材库，收集煤炭和矸石的第二图片，在识别区域输入煤炭和矸石，然后采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片，由所述第一图片构成的图片序列进行图像融合处理得到第二图片；步骤S402、标注图片，对经步骤S401处理后的图片进行人工标注，标注点为是否为矸石，标注完成后，得到矸石的数据集；步骤S403、训练预设判断模型，首先建立基于MobileNetSSD轻量级目标检测网络的神经网络训练模型，将数据集划分为训练集、验证集和测试集，在训练集上进行训练，提取矸石的特征，矸石特征表示为神经网络模型中训练出的各项权重；最终获得用于检测矸石的专用预设判断模型；步骤S404、检测预设判断模型准确度，将数据分为训练集、验证集、和测试集，进行迭代，通过验证集计算当前损失值和准确率，完成迭代后在测试集上进行最终的准确率的计算，若测试结果的准确率未达到99.8，则跳入S401扩大训练素材库进行训练直至测试结果的准确率未达到99.8。3.根据权利要求1所述的煤矸智能分选方法，其特征在于，所述步骤S4中预设判断模型通过如下步骤获取：步骤S401、建立训练素材库，收集煤炭和矸石的第二图片，在识别区域输入煤炭和矸石，然后采用不同照射角度的偏振光源对识别区域的物料进行照射，并拍摄相应的偏振光源下所述物料表面的第一图片，由所述第一图片构成的图片序列进行图像融合处理得到第二图片；步骤S402、标注图片，对经步骤S401处理后的图片进行人工标注，标注点为是否为煤炭，标注完成后，得到煤炭的数据集；步骤S403、训练...

【专利技术属性】
技术研发人员：智俊旻，朱小罡，白怀兵，翟森，王涛，翟黎黎，张奎，王世强，王学德，李春芳，张磊，冯文慧，李晨荣，王亚洲，
申请(专利权)人：山东方大工程有限责任公司，
类型：发明
国别省市：