一种基于PCA-IFOA-SVM结合灰度-纹理融合特征的煤矸识别方法技术

本发明专利技术提供了一种基于PCA

【技术实现步骤摘要】
一种基于PCA
‑
IFOA
‑
SVM结合灰度
‑
纹理融合特征的煤矸识别方法


[0001]本专利技术属于机器视觉
；尤其涉及一种基于PCA
‑
IFOA
‑
SVM结合灰度
‑
纹理融合特征的煤矸识别方法。

技术介绍

[0002]截至目前，选煤方法主要有以下方法：人工选煤、射线透射选煤、重介质选煤等干选方法为主；但是现有的方法存在以下问题：
[0003]人工选煤主要是利用人的自身经验使用视觉的方法，根据煤与矸石的亮度等进行区分，在大量煤炭中把目测到的矸石从中分选出来；其中也包括对其他矿石、木块等成分的分选。人工选煤的方式虽然过程简单，但是随着煤炭量的增加，选煤厂周围环境差，工人们劳动强度也会明显增加，分选效率下降，还会对人力资源造成浪费，并且严重影响工人们的身体健康。
[0004]射线选煤法的原理是：根据煤和矸石密度及所含元素的不同，穿过煤或矸石时射线衰减的差异性对煤与矸石进行识别；该方法存在维护成本高、对人体健康危害大的不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PCA
‑
IFOA
‑
SVM结合灰度
‑
纹理融合特征的煤矸识别方法，其特征在于，包括以下步骤：步骤1，采集选煤厂中煤矸分选现场的照片，建立煤矸图像样本数据集；步骤2，对煤和矸石图像进行增强、去噪、分割预处理；步骤3，使用直方图统计和灰度共生矩阵的方法，分别提取煤矸图像的灰度和纹理信息，采用PCA的方法得到煤矸图像的灰度
‑
纹理融合特征；步骤4，对果蝇优化算法进行改进；步骤5，将改进后的果蝇优化算法用于搜索SVM模型中的最优参数，建立最优PCA
‑
IFOA
‑
SVM煤矸识别模型；步骤6，将煤矸识别模型对煤矸进行识别，达到最高的分类准确率，进行识别。2.如权利要求1所述的PCA
‑
IFOA
‑
SVM结合灰度
‑
纹理融合特征的煤矸识别方法，其特征在于，步骤1中，所述煤矸图像样本数据集的数据均来自于选煤厂煤矸分选现场的照片，使用CCD相机进行拍摄。3.如权利要求1所述的PCA
...

【专利技术属性】
技术研发人员：李远成，汪梅，刘驰，马晨，武帅，董立红，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：