【技术实现步骤摘要】
本申请一般涉及煤灰分预测。更具体地，本申请涉及一种用于预测块煤灰分的方法、系统、设备及计算机可读存储介质。
技术介绍
1、传统的煤灰分检测方法主要依赖于实验室测试，这些测试通常需要取样、送样和分析，因而不能满足实时性要求，也无法适用于持续的生产过程。近年来，煤灰分在线预测技术得到了广泛的关注和研究，目前已有一些基于物质衰减系数的方法来计算煤灰分，但这些方法的计算精度受到煤炭样品性质的变化和煤块厚度的影响。
2、具体来说，在煤灰分预测领域，现有技术的挑战在于同时受到煤炭样品性质的变化和煤块厚度的波动的影响，这共同影响了预测结果的准确性。随着煤炭的成分和性质在不同时间和地点发生变化，再加上煤块厚度的波动，这使得实现准确预测变得更加复杂和具有挑战性。进一步地，现有的预测方法无法实时监测和预测，在需要迅速调整生产过程以确保质量的情况下，这可能会引发延误和生产中断的风险。另外，现有的预测方法自动化程度不足，可能需要大量人工干预，从而增加了生产成本和复杂性，并且不同来源的煤炭和不同的操作环境条件可能需要不同的模型和算法，这增加了系统的复杂性。
3、有鉴于此，亟需提供一种用于预测块煤灰分的方案，以便降低块煤灰分预测的复杂度，提高块煤灰分预测的准确性、实时性和自动化程度。
技术实现思路
1、为了至少解决如上所提到的一个或多个技术问题，本申请在多个方面中提出了用于预测块煤灰分的方案。
2、在第一方面中，本申请提供一种用于预测块煤灰分的方法，包括：采集块煤的高能x射
3、在一个实施例中，其中基于所述高能x射线数据和所述高能图像提取高能特征数据包括：基于所述高能图像提取第一块煤区域和第一块煤特征区域；根据所述高能x射线数据和所述第一块煤特征区域提取高能目标数据；以及对所述高能目标数据、所述第一块煤区域和所述第一块煤特征区域进行特征数据提取，以获得所述高能特征数据。
4、在另一个实施例中，其中通过以下操作提取所述第一块煤特征区域：分别计算所述第一块煤区域的平均灰度和所述高能图像在目标方向的梯度；基于所述第一块煤区域的平均灰度和所述高能图像的梯度从所述高能图像分割出第一目标区域和第二目标区域；以及根据所述第一目标区域和所述第二目标区域的交集提取所述第一块煤特征区域。
5、在又一个实施例中，其中基于所述第一块煤区域的平均灰度和所述高能图像的梯度从所述高能图像分割出第一目标区域和第二目标区域包括：从所述高能图像中分割出小于所述第一块煤区域的平均灰度对应的区域，以获得所述第一目标区域；以及从所述高能图像中分割出所述高能图像的梯度小于第一预设阈值对应的区域，以获得所述第二目标区域。
6、在又一个实施例中，其中根据所述高能x射线数据和所述第一块煤特征区域提取高能目标数据包括：对所述高能x射线数据和所述第一块煤特征区域执行第一与运算，以提取所述高能目标数据。
7、在又一个实施例中，其中对所述高能目标数据、所述第一块煤区域和所述第一块煤特征区域进行特征数据提取，以获得所述高能特征数据包括：至少提取所述高能目标数据的均值、所述第一块煤区域的面积、所述第一块煤特征区域的面积，以获得所述高能特征数据。
8、在又一个实施例中，其中基于所述低能x射线数据和所述低能图像提取低能特征数据包括：基于所述低能图像提取第二块煤区域和第二块煤特征区域；根据所述低能x射线数据和所述第二块煤特征区域提取低能目标数据；以及对所述低能目标数据、所述第二块煤区域和所述第二块煤特征区域进行特征数据提取，以获得所述低能特征数据。
9、在又一个实施例中，其中通过以下操作提取所述第二块煤特征区域：分别计算所述第二块煤区域的平均灰度和所述低能图像在目标方向的梯度；基于所述第二块煤区域的平均灰度和所述低能图像的梯度从所述低能图像分割出第三目标区域和第四目标区域；以及根据所述第三目标区域和所述第四目标区域的交集提取所述第二块煤特征区域。
10、在又一个实施例中，其中基于所述第二块煤区域的平均灰度和所述低能图像的梯度从所述低能图像分割出第三目标区域和第四目标区域包括：从所述低能图像中分割出小于所述第二块煤区域的平均灰度对应的区域，以获得所述第三目标区域；以及从所述低能图像中分割出所述低能图像的梯度小于第二预设阈值对应的区域，以获得所述第四目标区域。
11、在又一个实施例中，其中根据所述低能x射线数据和所述第二块煤特征区域提取低能目标数据包括：对所述低能x射线数据和所述第二块煤特征区域执行第二与运算，以提取所述低能目标数据。
12、在又一个实施例中，其中对所述低能目标数据、所述第二块煤区域和所述第二块煤特征区域进行特征数据提取，以获得所述低能特征数据包括：至少提取所述低能目标数据的均值、所述第二块煤区域的面积、所述第二块煤特征区域的面积，以获得所述低能特征数据。
13、在又一个实施例中，其中根据所述高能特征数据和所述低能特征数据构建块煤灰分的特征向量包括：至少根据所述高能特征数据和所述低能特征数据计算高能特征数据均值、低能特征数据均值、高能特征区域面积占比、低能特征区域面积占比、高低能特征数据均值比，以构建块煤灰分的所述特征向量。
14、在又一个实施例中，其中根据所述特征向量构建块煤灰分的预测模型包括：根据所述特征向量和块煤灰分确定所述特征向量和块煤灰分之间的权重参数，以构建块煤灰分的所述预测模型。
15、在第二方面中，本申请提供一种用于预测块煤灰分的设备，包括：处理器；以及存储器，其中存储有用于预测块煤灰分的程序指令，当所述程序指令由所述处理器执行时，使得所述设备实现前述第一方面中的一个或者多个实施例。
16、在第三方面中，本申请提供一种计算机可读存储介质，其上存储有用于预测块煤灰分的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现前述第一方面中的一个或者多个实施例。
17、通过如上所提供的用于预测块煤灰分的方案，本申请实施例通过采集块煤的高能x射线数据和低能x射线数据，并转换至对应的高能图像和低能图像，通过高、低能x射线数据和高、低能图像的结合提取高能特征数据和低能特征数据，以构建块煤灰分的特征向量。由此，使得特征向量中不仅包含了高、低能数据反映的物质成分信息，还包括了图像数据提供的形状和结构信息。即，实现了多模态数据融合，这种多模态数据融合提高了块煤灰分预测的维度和准确性。进一步地，本申请实施例利用特征向量构建预测模型，利用构建好的预测模型预测实时采集的块煤的灰分值，能够实现对块煤灰分的在线预测。在构建时，该预测模本文档来自技高网...
【技术保护点】
1.一种用于预测块煤灰分的方法，包括：
2.根据权利要求1所述的方法，其中基于所述高能X射线数据和所述高能图像提取高能特征数据包括：
3.根据权利要求2所述的方法，其中通过以下操作提取所述第一块煤特征区域：
4.根据权利要求3所述的方法，其中基于所述第一块煤区域的平均灰度和所述高能图像的梯度从所述高能图像分割出第一目标区域和第二目标区域包括：
5.根据权利要求2所述的方法，其中根据所述高能X射线数据和所述第一块煤特征区域提取高能目标数据包括：
6.根据权利要求2所述的方法，其中对所述高能目标数据、所述第一块煤区域和所述第一块煤特征区域进行特征数据提取，以获得所述高能特征数据包括：
7.根据权利要求1所述的方法，其中基于所述低能X射线数据和所述低能图像提取低能特征数据包括：
8.根据权利要求7所述的方法，其中通过以下操作提取所述第二块煤特征区域：
9.根据权利要求8所述的方法，其中基于所述第二块煤区域的平均灰度和所述低能图像的梯度从所述低能图像分割出第三目标区域和第四目标区域包括：>
10.根据权利要求7所述的方法，其中根据所述低能X射线数据和所述第二块煤特征区域提取低能目标数据包括：
11.根据权利要求7所述的方法，其中对所述低能目标数据、所述第二块煤区域和所述第二块煤特征区域进行特征数据提取，以获得所述低能特征数据包括：
12.根据权利要求1所述的方法，其中根据所述高能特征数据和所述低能特征数据构建块煤灰分的特征向量包括：
13.根据权利要求1所述的方法，其中根据所述特征向量构建块煤灰分的预测模型包括：
14.一种用于预测块煤灰分的设备，包括：
15.一种计算机可读存储介质，其上存储有用于预测块煤灰分的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如权利要求1-13中任意一项所述的方法。
...【技术特征摘要】
1.一种用于预测块煤灰分的方法，包括：
2.根据权利要求1所述的方法，其中基于所述高能x射线数据和所述高能图像提取高能特征数据包括：
3.根据权利要求2所述的方法，其中通过以下操作提取所述第一块煤特征区域：
4.根据权利要求3所述的方法，其中基于所述第一块煤区域的平均灰度和所述高能图像的梯度从所述高能图像分割出第一目标区域和第二目标区域包括：
5.根据权利要求2所述的方法，其中根据所述高能x射线数据和所述第一块煤特征区域提取高能目标数据包括：
6.根据权利要求2所述的方法，其中对所述高能目标数据、所述第一块煤区域和所述第一块煤特征区域进行特征数据提取，以获得所述高能特征数据包括：
7.根据权利要求1所述的方法，其中基于所述低能x射线数据和所述低能图像提取低能特征数据包括：
8.根据权利要求7所述的方法，其中通过以下操作提取所述第二块煤特征区域：
<...【专利技术属性】
技术研发人员：童晓蕾，孙照焱，汪海山，尚砚娜，
申请(专利权)人：湖州霍里思特智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。