基于双能射线透射成像的煤和矸石分选方法、装置及系统制造方法及图纸

本发明专利技术公开一种基于双能射线透射成像的煤和矸石分选方法、装置及系统，包括：获取煤样本和矸石样本分别经双能射线透射后的透射图像；对透射图像进行数据量化后得到高低能透射图像；对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像，以此构建训练样本集；根据训练样本集对构建的煤矸分选模型进行训练，对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果。利用双能射线透射分选法映射出煤和矸石高相似度的透射图像，与轻量级卷积神经网络的分选模型相结合，提高分选效率和分选质量，降低分选设备成本。降低分选设备成本。降低分选设备成本。

【技术实现步骤摘要】
基于双能射线透射成像的煤和矸石分选方法、装置及系统


[0001]本专利技术涉及煤炭识别分选与图像处理
，特别是涉及一种基于双能射线透射成像的煤和矸石分选方法、装置及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]开采出来未经过加工的原煤中含有一定比例的矸石，矸石属于煤炭中的杂质，对煤炭质量有不可忽视的影响。矸石是煤矿生产时产生的废渣，煤炭中矸石的含量过高会影响煤炭燃烧的效果，降低煤炭燃烧的效率，而且矸石燃烧时会产生大量的硫化物气体污染空气。为了提高煤炭燃烧的效果，减少矸石对环境的污染，需要在煤炭燃烧前对煤炭进行煤和矸石分离。
[0004]煤中矸石的分选是煤炭生产加工过程中的重要环节，也是节约能源、提高煤炭使用价值和减轻环境污染的有效途径。现有技术中，将矸石从煤炭中分选出来的方法主要是采用人工手选、机械分选和射线透射分选法，具体地：
[0005]人工选矸是由站在皮带机两侧的选矸工通过手选完成矸石的分拣工作，不仅劳动强度大，生产效率低，还经常会出现漏选、错选的情况；并且工作环境的粉尘污染以及连续性的重复动作会对工人的身心健康产生影响。
[0006]机械方法是利用矸石物理特性的不同来分选，目前广泛采用的重介法、跳汰法等均是利用煤和矸石在水溶液中的比重不同来进行分选；但是该种方法不仅设备庞大、造价高、工艺复杂，而且还会有水源污染等诸多负面影响。
[0007]透射分选法采用双能γ射线或X射线作为放射源，根据煤和矸石对射线吸收量的不同来识别煤和矸石。利用双能射线识别煤和矸石的过程多采用智能算法优化处理，如模糊神经网络、生态遗传算法等，但是此种基于视觉特征提取的场景分类方法难以取得较好的泛化效果。

技术实现思路

[0008]为了解决上述问题，本专利技术提出了一种基于双能射线透射成像的煤和矸石分选方法、装置及系统，利用双能射线透射分选法映射出煤和矸石高相似度的透射图像，与轻量级卷积神经网络的分选模型相结合，提高分选效率和分选质量，降低分选设备成本。
[0009]为了实现上述目的，本专利技术采用如下技术方案：
[0010]第一方面，本专利技术提供一种基于双能射线透射成像的煤和矸石分选方法，包括：
[0011]获取煤样本和矸石样本分别经双能射线透射后的透射图像；
[0012]对透射图像进行数据量化后得到高低能透射图像；
[0013]对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像，以此构建训练样本集；
[0014]根据训练样本集对构建的煤矸分选模型进行训练，对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果。
[0015]作为可选择的实施方式，对透射图像进行数据量化后得到高低能透射图像的过程包括：将煤样本和矸石样本分别经双能射线透射后，将射线辐射信号转换成数字信号，映射成包含高能级和低能级的透射图像，对透射图像进行左右高低能级的对称分割，并按比例进行复制融合，得到高低能透射图像。
[0016]作为可选择的实施方式，对高低能透射图像经目标分割之前进行预处理，预处理包括对高低能透射图像进行二值化、双边滤波、泛洪填充、腐蚀膨胀以及形态学优化处理。
[0017]作为可选择的实施方式，所述泛洪填充处理为填充不连续区域，构建完整且连续的目标区块。
[0018]作为可选择的实施方式，基于轻量级卷积神经网络构建煤矸分选模型，所述煤矸分选模型在第一个卷积层之后和最后一个卷积层之后引入通道注意力机制和空间注意力机制，并减小降采样过程的输入尺寸，且构建残差级联组。
[0019]作为可选择的实施方式，所述煤矸分选模型具有移植性，对煤矸分选模型进行格式转换，通过与智能芯片的通信连接，将格式转换后的煤矸分选模型复制移植到智能芯片中。
[0020]第二方面，本专利技术提供一种基于双能射线透射成像的煤和矸石分选装置，包括：
[0021]获取模块，被配置为获取煤样本和矸石样本分别经双能射线透射后的透射图像；
[0022]量化模块，被配置为对透射图像进行数据量化后得到高低能透射图像；
[0023]预处理模块，被配置为对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像，以此构建训练样本集；
[0024]训练及分选模块，被配置为根据训练样本集对构建的煤矸分选模型进行训练，对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果。
[0025]第三方面，本专利技术提供一种基于双能射线透射成像的煤和矸石分选系统，包括：检测装置、第二方面所述的煤和矸石分选装置和分拣装置；
[0026]所述检测装置采用双能射线对煤样本、矸石样本和待分选样本进行透射；
[0027]所述煤和矸石分选装置用于根据煤样本和矸石样本的透射图像对构建的煤矸分选模型进行训练，并采用训练后的煤矸分选模型对待分选样本进行分选，得到煤和矸石的分选结果；
[0028]所述分拣装置用于根据分选结果执行煤和矸石的分拣动作。
[0029]第四方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0030]第五方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0031]与现有技术相比，本专利技术的有益效果为：
[0032]本专利技术提出一种基于双能射线透射成像的煤和矸石分选方法、装置及系统，利用双能射线透射分选法映射出煤和矸石高相似度的透射图像，利用轻量级卷积神经网络模型识别分类，提高分选效率，人工成本较低。
[0033]本专利技术通过对经双能射线透射后的透射图像进行多步骤的预处理操作，处理双能射线映射图像的量化和高低能级信息，减少曝光、杂质等因素对样本分割的影响。
[0034]本专利技术利用轻量级卷积神经网络模型，可以从大量的数据样本中学习到相应的抽象图像特征，避免复杂图像的特征提取处理过程，具有更低的计算复杂度，缩减参数规模，结构简单，运行速度快。且具有轻量可移植的特点，在保持分类准确率基本不变的前提下，具有较少的计算量和较快的识别速度，并且可以转化应用于在人工智能芯片上。
[0035]本专利技术利用双能射线透射分选法和轻量级卷积神经网络模型相结合，并且可应用于人工智能芯片上以快捷高效分拣煤和矸石，提高分选煤炭的质量，降低计算量，降低分选设备成本以及降低煤矿分选的用人成本。
[0036]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0037]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0038]图1为本专利技术实施例1提供的煤和矸石分选方法流程图；
[0039]图2为本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双能射线透射成像的煤和矸石分选方法，其特征在于，包括：获取煤样本和矸石样本分别经双能射线透射后的透射图像；对透射图像进行数据量化后得到高低能透射图像；对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像，以此构建训练样本集；根据训练样本集对构建的煤矸分选模型进行训练，对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果。2.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法，其特征在于，对透射图像进行数据量化后得到高低能透射图像的过程包括：将煤样本和矸石样本分别经双能射线透射后，将射线辐射信号转换成数字信号，映射成包含高能级和低能级的透射图像，对透射图像进行左右高低能级的对称分割，并按比例进行复制融合，得到高低能透射图像。3.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法，其特征在于，对高低能透射图像经目标分割之前进行预处理，预处理包括对高低能透射图像进行二值化、双边滤波、泛洪填充、腐蚀膨胀以及形态学优化处理。4.如权利要求3所述的基于双能射线透射成像的煤和矸石分选方法，其特征在于，所述泛洪填充处理为填充不连续区域，构建完整且连续的目标区块。5.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法，其特征在于，基于轻量级卷积神经网络构建煤矸分选模型，所述煤矸分选模型在第一个卷积层之后和最后一个卷积层之后引入通道注意力机制和空间注意力机制，并减小降采样过程的输入尺寸，且构建残差级联组。6.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法，其特征在于...

【专利技术属性】
技术研发人员：李振华，王宇航，徐胜男，
申请(专利权)人：山东大学，
类型：发明
国别省市：