煤炭的识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种煤炭的识别方法及装置，其中，所述方法包括：获取待筛选煤炭的可见光照射图像和X光照射图像；对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像；将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。可以利用卷积神经网络分类器自动得到精确度较高的识别结果，能够统一对煤炭的识别标准，且识别速度快，效率更高。

Method and device for identifying coal

The embodiment of the invention provides a coal identification method and a device, wherein the method includes: acquiring a visible light irradiation image and an X-ray irradiation image of the coal to be screened; normalizing the visible light irradiation image and the X-ray irradiation image to obtain a preset size image; and normalizing the visible light irradiation image after processing. The illumination image and X-ray image are input into the coal recognition convolution neural network classifier, and the coal recognition is carried out according to the output result of the coal recognition convolution neural network classifier. Convolutional neural network classifier can be used to automatically get high accuracy recognition results, can unify the coal recognition standards, and recognition speed is faster, more efficient.

【技术实现步骤摘要】
煤炭的识别方法及装置
本专利技术涉及图像处理
，尤其涉及一种煤炭的识别方法及装置。
技术介绍
洁净煤技术是指去除煤炭中矸石等杂质进而达到净化煤炭的目的。该技术是解决目前环境污染的重要途径。传统的分选技术主要依靠重介质分选法，该技术是利用加重质(广泛应用的是磁铁矿粉)与水配制成一定密度的悬浮液，应用阿基米德原理，在重力场或离心力场中按照矿物质与脉石密度的不同进行分选的方法。该分选方法虽然可达到精确的分选煤炭与矸石，但是由于其大量使用水资源，因此对环境造成污染较为严重。近年来，基于X射线成像分析的煤炭分析方式逐渐普及，该技术利用X光成像技术对矿石进行拍照分析，根据不同物质对与X光射线的吸收率不同来分析其矿物成分，进而达到煤炭分选的目的。该技术的优点是避免了传统分选方式带来的水资源污染。但由于矿物成分的多样性，X光成像并不能达到很高识别率。
技术实现思路
有鉴于此，本专利技术实施例提供了一种煤炭的识别方法及装置，以解决现有技术中存在的煤炭分选识别率较低的技术问题。第一方面，本专利技术实施例提供了一种煤炭的识别方法，包括：获取待筛选煤炭的可见光照射图像和X光照射图像；对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像；将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。进一步的，所述对所述可见光照射图像和X光照射图像进行归一化处理，包括：如果所述可见光照射图像和/或X光照射图像的图像尺寸小于预设尺寸，则按照预设尺寸补齐可见光照射图像和/或X光照射图像的像素；和如果所述可见光照射图像和/或X光照射图像的图像尺寸大于预设尺寸，则按照预设尺寸进行随机裁剪，得到预设尺寸的可见光照射图像和/或X光照射图像的图像。进一步的，所述煤炭识别卷积神经网络分类器，包括：输入层，用于接收输入的图像；卷积层，用于从所述图像中提取特征；全连接层，用于将从可见光照射图像和X光照射图像的图像提取的特征进行融合，并输出识别结果。进一步的，在归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器之前，还包括：获取煤炭的可见光照射图像样本和X光照射图像样本；获取所述可见光照射图像样本和X光照射图像样本的标定结果，以获取目标物在图像中的位置与属性；对所述可见光照射图像样本和X光照射图像样本进行归一化处理，以得到预设尺寸的样本图像；利用所述预设尺寸的样本图像对所述煤炭识别卷积神经网络分类器进行训练。更进一步的，在对所述可见光照射图像和X光照射图像进行归一化处理之前，还包括：对所述可见光照射图像和X光照射图像进行图像增强。第二方面，本专利技术实施例还提供了一种煤炭的识别装置，包括：获取模块，用于获取待筛选煤炭的可见光照射图像和X光照射图像；归一化处理模块，用于对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像；输入模块，用于将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。进一步的，所述归一化处理模块包括：补齐单元，用于如果所述可见光照射图像和/或X光照射图像的图像尺寸小于预设尺寸，则按照预设尺寸补齐可见光照射图像和/或X光照射图像的像素；裁剪单元，用于如果所述可见光照射图像和/或X光照射图像的图像尺寸大于预设尺寸，则按照预设尺寸进行随机裁剪，得到预设尺寸的可见光照射图像和/或X光照射图像的图像。进一步的，所述煤炭识别卷积神经网络分类器，包括：输入层，用于接收输入的图像；卷积层，用于从所述图像中提取特征；全连接层，用于将从可见光照射图像和X光照射图像的图像提取的特征进行融合，并输出识别结果。进一步的，所述装置还包括：样本获取模块，用于获取煤炭的可见光照射图像样本和X光照射图像样本；标定获取模块，用于获取所述可见光照射图像样本和X光照射图像样本的标定结果，以获取目标物在图像中的位置与属性；样本归一化处理模块，用于对所述可见光照射图像样本和X光照射图像样本进行归一化处理，以得到预设尺寸的样本图像；训练模块，用于利用所述预设尺寸的样本图像和识别结果对所述煤炭识别卷积神经网络分类器进行训练。更进一步的，所述装置还包括：图像增强模块，用于对所述可见光照射图像和X光照射图像进行图像增强。本专利技术实施例提供的煤炭识别方法及装置，通过采集待筛选煤炭的可见光照射图像和X光照射图像，将所述可见光照射图像和X光照射图像分别输入训练完成后的煤炭识别卷积神经网络分类器，并根据煤炭识别卷积神经网络分类器的输出结果进行识别。可以利用卷积神经网络分类器自动得到精确度较高的识别结果，能够统一对煤炭的识别标准，且识别速度快，效率更高。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1是本专利技术实施例一提供的煤炭识别方法的流程示意图；图2是本专利技术实施例一提供的煤炭识别方法中煤炭识别卷积神经网络分类器图像处理过程示意图；图3是本专利技术实施例二提供的煤炭识别方法的流程示意图；图4是本专利技术实施例三提供的煤炭识别方法的流程示意图；图5是本专利技术实施例四提供的煤炭识别装置的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的煤炭的识别方法的流程图，本实施例可适用于根据煤炭的可见光照射图像和X光照射图像对煤炭进行识别的情况，该方法可以由煤炭的识别装置来执行，并可集成于对煤炭的可见光照射图像和X光照射图像进行处理的服务器或者终端中，具体包括如下步骤：S110，获取待筛选煤炭的可见光照射图像和X光照射图像。由于煤炭中成分较为复杂，其中掺杂了部分煤炭、矸石和由精煤和煤矸石混合而成的中煤。因此，单纯的依靠X光照射图像中各种物质的吸收率很难准确的对煤炭进行识别。在本实施例中，可以利用煤炭可见光照射图像中纹理丰富的特点，提高煤炭的识别率。示例性的，可以通过CCD采集待筛选煤炭的可见光照射图像。利用原有的X光成像设备获取待筛选煤炭的X光照射图像S120，对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像。卷积神经网络(ConvolutionalNeuralNetwork,CNN)，是一种前馈神经网络，人工神经元可以响应周围单元，尤其适用于图像处理。其基本结构可以包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。为了方便对图像特征的提取，并且保证提取的图像特征有效，因此，需要对所述可见光照射图像和X光照射图像进行归一化处理。所述归一化处理可以是对图像的尺寸大小进行统一的处理，以得到满足预设标准尺寸的图像。S130，将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到本文档来自技高网...

【技术保护点】
1.一种煤炭的识别方法，其特征在于，所述方法包括：获取待筛选煤炭的可见光照射图像和X光照射图像；对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像；将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。

【技术特征摘要】
1.一种煤炭的识别方法，其特征在于，所述方法包括：获取待筛选煤炭的可见光照射图像和X光照射图像；对所述可见光照射图像和X光照射图像进行归一化处理，以得到预设尺寸的图像；将归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器，根据所述煤炭识别卷积神经网络分类器的输出结果进行煤炭识别。2.根据权利要求1所述的方法，其特征在于，所述对所述可见光照射图像和X光照射图像进行归一化处理，包括：如果所述可见光照射图像和/或X光照射图像的图像尺寸小于预设尺寸，则按照预设尺寸补齐可见光照射图像和/或X光照射图像的像素；如果所述可见光照射图像和/或X光照射图像的图像尺寸大于预设尺寸，则按照预设尺寸进行随机裁剪，得到预设尺寸的可见光照射图像和/或X光照射图像的图像。3.根据权利要求1所述的方法，其特征在于，所述煤炭识别卷积神经网络分类器，包括：输入层，用于接收输入的图像；卷积层，用于从所述图像中提取特征；全连接层，用于将从可见光照射图像和X光照射图像的图像提取的特征进行融合，并输出识别结果。4.根据权利要求1所述的方法，其特征在于，在归一化处理后的可见光照射图像和X光照射图像输入煤炭识别卷积神经网络分类器之前，还包括：获取煤炭的可见光照射图像样本和X光照射图像样本；获取所述可见光照射图像样本和X光照射图像样本的标定结果，以获取目标物在图像中的位置与属性；对所述可见光照射图像样本和X光照射图像样本进行归一化处理，以得到预设尺寸的样本图像；利用所述预设尺寸的样本图像和识别结果对所述煤炭识别卷积神经网络分类器进行训练。5.根据权利要求1所述的方法，其特征在于，在对所述可见光照射图像和X光照射图像进行归一化处理之前，还包括：对所述可见光照射图像和X光照射图像进行图像增强。6.一...

【专利技术属性】
技术研发人员：俞浩，谢自力，
申请(专利权)人：天津市协力自动化工程有限公司，
类型：发明
国别省市：天津,12