一种基于机器视觉的矸石带煤率在线检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器视觉的矸石带煤率在线检测方法，包括以下步骤：S1、原煤分选后的矸石通过皮带输送机运输，皮带上的煤矸石到达遮光罩遮罩的范围内时，相机定期拍摄图像；S2、计算机对煤矸石图像进行实时的数字图像处理；S3、利用煤矸石的密度预测模型预测相应区域的密度，并区分每块区域是煤还是矸石，利用煤矸石的体积预测模型预测相应区域的体积，计算每块煤矸石的质量；S4、统计单张图像和一段时间内图像中煤的质量m与煤矸石的总质量M，通过公式计算矸石带煤率，获得实时值和平均值。本发明专利技术通过机器视觉技术对矸石进行矸石带煤率的快速预测，既避免了人为因素对测定结果的影响，又大大降低人力物力的消耗，并且调整分选设备参数。

An On-line Detection Method and Device for Coal-carrying Rate of Gangue Based on Machine Vision

The invention discloses an on-line detection method of coal rate of gangue belt based on machine vision, which includes the following steps: S1, gangue after raw coal separation is transported by belt conveyor, when gangue on the belt reaches the range of shade hood, the camera periodically takes pictures; S2, computer carries out real-time digital image processing of coal gangue image; S3, uses density pre-processing of coal gangue. The measurement model predicts the density of the corresponding area and distinguishes whether each area is coal or gangue. The volume prediction model of gangue is used to predict the volume of the corresponding area and calculate the quality of each gangue. The mass m of coal and the total mass M of gangue in S4, statistical single image and image in a period of time are used to calculate the coal carrying rate of Gangue by formula, and the real-time value and average value are obtained. The machine vision technology is used to fast predict the coal carrying rate of gangue, which avoids the influence of human factors on the determination results, greatly reduces the consumption of manpower and material resources, and adjusts the parameters of sorting equipment.

【技术实现步骤摘要】
一种基于机器视觉的矸石带煤率在线检测方法及装置
本专利技术涉及煤矿生产
，特别是涉及一种基于机器视觉的矸石带煤率在线检测方法及装置。
技术介绍
选煤生产过程中，矸石带煤率是一个重要的技术指标，反映分选设备的性能和操作人员的水平，因此常常用矸石带煤率来评定跳汰机、重介旋流器、复合分选机等设备的分选效果，是重要技术考核指标之一。矸石带煤率的测定是通过浮沉实验，也有煤质检查人员在矸石堆上用榔头敲击识别的简易办法，会有如下几个问题：①、过程中需要人员大量采样矸石，消耗人力物力；②、较大粒度的矸石采样时搬运困难，也加大浮沉实验的操作难度；③、人为采样时会存在只挑选纯矸石以避免检测超标影响考核的现象，使得采样不具代表性，检测结果不真实；④、整个检测过程耗时过长，无法快速得知分选设备调整后的效果，使得设备调整是耗时耗力，造成能源资源的浪费。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种基于机器视觉的矸石带煤率在线检测方法及装置，替代现有的矸石带煤率检测方法，节约人力物力，提高检测结果的准确性，实现在线检测。本专利技术所采用的技术方案是：一种基于机器视觉的矸石带煤率在线检测方法，包括以下步骤：S1、原煤分选后的矸石通过皮带输送机运输，皮带上的煤矸石到达遮光罩遮罩的范围内时，计算机控制相机定期拍摄图像并传输给计算机；S2、计算机对相机拍摄到的煤矸石图像进行实时的数字图像处理：先通过边缘检测和图像分割获得图像中每块煤矸石的图像区域，提取分割后的煤矸石区域的各类图像特征；S3、利用煤矸石的密度预测模型预测相应区域的密度，并区分每块区域是煤还是矸石，通过体积预测模型预测每块区域所对应煤矸石的体积，计算每块煤矸石的质量；S4、统计单张图像和一段时间内图像中煤的质量m与煤矸石的总质量M，通过公式计算矸石带煤率，获得实时值和平均值，矸石带煤率的计算公式为：矸石带煤率＝m/M×100％进一步地，在步骤S1中图像拍摄间隔根据拍摄区域大小和皮带速度设定为2-6s。进一步地，在步骤S2中所要提取的图像特征有：提取RGB空间的r分量、g分量和b分量；HSV空间的H分量、S分量和V分量；灰度空间的灰度值描述颜色，并提取颜色直方图的一阶矩、二阶矩、三阶矩作为图像的颜色特征；提取灰度共生矩阵的能量、对比度、相关性、熵，Tamura纹理的粗糙度、对比度、方向度作为图像的纹理特征；提取煤矸石最小外接矩形的长L、煤矸石最小外接矩形的宽B、煤矸石区域的面积A、煤矸石区域的周长P作为图像的几何特征。进一步地，在步骤S3中煤矸石的密度预测模型，针对不同粒度级对所提取的颜色特征和纹理特征进行特征选择，并通过所筛选出的特征建立煤矸石的密度预测模型。进一步地，在步骤S3中煤矸石的体积预测模型为：式中ρ为密度预测模型预测出的煤矸石密度。进一步地，所述检测装置包括皮带输送机和检测设备，所述检测设备设置在皮带输送机的中部上方。进一步地，所述检测设备包括遮光罩、计算机、相机和LED光源，所述遮光罩内连接有相机和LED光源，并且相机和LED光源均与计算机相连接。进一步地，所述LED光源为4个，分别对称设置在相机四周，所述靠近遮光罩入口处的LED光源外侧设有毛玻璃罩。进一步地，所述遮光罩包括金属骨架，所述金属骨架外包裹有不透光材料，金属骨架内形成一个工作空间。与现有技术相比，本专利技术的有益效果是：本专利技术通过机器视觉技术利用图像识别来实现矸石带煤率的在线检测功能，在分选后的输送过程中对矸石进行矸石带煤率的快速预测，既避免了人为因素对测定结果的影响，又大大降低人力物力的消耗，并且在线实时预测有利于分选设备参数的及时调整，对于提高分选精度，促进资源高效利用具有十分重要的意义。附图说明图1为本专利技术基于机器视觉的矸石带煤率在线检测方法的流程图；图2为本专利技术检测装置结构示意图；图3为本专利技术中遮光罩中相机和光源布置图其中：1-待测煤矸石，2-LED光源，3-相机，4-计算机，5-遮光罩，6-皮带输送机。具体实施方式为了加深对本专利技术的理解，下面结合附图和实施例对本专利技术进一步说明，该实施例仅用于解释本专利技术，并不对本专利技术的保护范围构成限定。如图1所示，一种基于机器视觉的矸石带煤率在线检测方法，包括以下步骤：S1、原煤分选后的矸石通过皮带输送机运输，皮带上的煤矸石到达遮光罩遮罩的范围内时，计算机控制相机定期拍摄图像并传输给计算机；S2、计算机对相机拍摄到的煤矸石图像进行实时的数字图像处理：先通过边缘检测和图像分割获得图像中每块煤矸石的图像区域，提取分割后的煤矸石区域的各类图像特征；S3、利用煤矸石的密度预测模型预测相应区域的密度，并区分每块区域是煤还是矸石，通过体积预测模型预测每块区域所对应煤矸石的体积，计算每块煤矸石的质量；S4、统计单张图像和一段时间内图像中煤的质量m与煤矸石的总质量M，通过公式计算矸石带煤率，获得实时值和平均值，矸石带煤率的计算公式为：矸石带煤率＝m/M×100％在上述实施例中，在步骤S1中图像拍摄频率需根据拍摄区域大小和皮带速度设定，选择2秒作为拍摄间隔，确保拍摄图像中的煤矸石不重复出现。在上述实施例中，在步骤S2中所要提取的图像特征有：提取RGB空间的r分量、g分量和b分量；HSV空间的H分量、S分量和V分量；灰度空间的灰度值描述颜色，并提取颜色直方图的一阶矩、二阶矩、三阶矩作为图像的颜色特征；提取灰度共生矩阵的能量、对比度、相关性、熵，Tamura纹理的粗糙度、对比度、方向度作为图像的纹理特征；提取煤矸石最小外接矩形的长L、煤矸石最小外接矩形的宽B、煤矸石区域的面积A、煤矸石区域的周长P作为图像的几何特征。在上述实施例中，在步骤S3中针对不同粒度级利用遗传算法(GA)对所提取的颜色特征和纹理特征进行特征选择，并通过支持向量机分类器(SVM)建立煤矸石的密度预测模型。在上述实施例中，在步骤S3中煤矸石的体积预测模型为：式中ρ为密度预测模型预测出的煤矸石密度。如图2所示，一种基于机器视觉的矸石带煤率在线检测装置包括皮带输送机6和检测设备，所述检测设备设置在皮带输送机6的中部上方；所述检测设备包括遮光罩5、计算机4、相机3和LED光源2，所述遮光罩5内连接有相机3和LED光源2，并且相机3和LED光源2均与计算机4相连接；所述LED光源2为4个，分别对称设置在相机3四周，所述靠近遮光罩入口处的LED光源2外侧设有毛玻璃罩；所述遮光罩5包括金属骨架，所述金属骨架外包裹有不透光材料，金属骨架内形成一个工作空间。本专利技术的实施例公布的是较佳的实施例，但并不局限于此，本领域的普通技术人员，极易根据上述实施例，领会本专利技术的精神，并做出不同的引申和变化，但只要不脱离本专利技术的精神，都在本专利技术的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的矸石带煤率在线检测方法，其特征在于，包括以下步骤：S1、原煤分选后的矸石通过皮带输送机运输，皮带上的煤矸石到达遮光罩遮罩的范围内时，计算机控制相机定期拍摄图像并传输给计算机；S2、计算机对相机拍摄到的煤矸石图像进行实时的数字图像处理：先通过边缘检测和图像分割获得图像中每块煤矸石的图像区域，提取分割后的煤矸石区域的各类图像特征；S3、利用煤矸石的密度预测模型预测相应区域的密度，并区分每块区域是煤还是矸石，通过体积预测模型预测每块区域所对应煤矸石的体积，计算每块煤矸石的质量；S4、统计单张图像和一段时间内图像中煤的质量m与煤矸石的总质量M，通过公式计算矸石带煤率，获得实时值和平均值，矸石带煤率的计算公式为：矸石带煤率＝m/M×100％。

【技术特征摘要】
1.一种基于机器视觉的矸石带煤率在线检测方法，其特征在于，包括以下步骤：S1、原煤分选后的矸石通过皮带输送机运输，皮带上的煤矸石到达遮光罩遮罩的范围内时，计算机控制相机定期拍摄图像并传输给计算机；S2、计算机对相机拍摄到的煤矸石图像进行实时的数字图像处理：先通过边缘检测和图像分割获得图像中每块煤矸石的图像区域，提取分割后的煤矸石区域的各类图像特征；S3、利用煤矸石的密度预测模型预测相应区域的密度，并区分每块区域是煤还是矸石，通过体积预测模型预测每块区域所对应煤矸石的体积，计算每块煤矸石的质量；S4、统计单张图像和一段时间内图像中煤的质量m与煤矸石的总质量M，通过公式计算矸石带煤率，获得实时值和平均值，矸石带煤率的计算公式为：矸石带煤率＝m/M×100％。2.根据权利要求1所述的基于机器视觉的矸石带煤率在线检测方法，其特征在于：在步骤S1中图像拍摄间隔根据拍摄区域大小和皮带速度设定为2-6s。3.根据权利要求1所述的基于机器视觉的矸石带煤率在线检测方法，其特征在于：在步骤S2中所要提取的图像特征有：提取RGB空间的r分量、g分量和b分量；HSV空间的H分量、S分量和V分量；灰度空间的灰度值描述颜色，并提取颜色直方图的一阶矩、二阶矩、三阶矩作为图像的颜色特征；提取灰度共生矩阵的能量、对比度、相关性、熵，Tamura纹理的粗糙度、对比度、方向度作为图像...

【专利技术属性】
技术研发人员：窦东阳，周德炀，杨建国，薛妍，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32