一种基于红外热成像技术的煤矸识别方法技术

本发明专利技术涉及煤矿绿色开采领域，具体涉及一种基于红外热成像技术的煤矸识别方法。分别采集同一矿场的煤和矸石置于同一环境中，采集每次改变环境温度后的煤红外热成像图片和矸石红外热成像图片并进行预处理，得到样本热成像图片；利用飞蛾扑火算法优化的支持向量机对样本热成像图片进行筛选，获取优选样本热成像图片；基于YOLO算法建立煤矸识别模型，将优选样本热成像图片输入煤矸识别模型进行训练，得到训练好的煤矸识别模型；利用训练好的煤矸识别模型进行煤矸识别。本发明专利技术通过飞蛾扑火算法优化的支持向量机结合YOLO算法用于煤矸识别，能够有效提高煤矸的辨识精度和运算速度，适用于煤矿绿色开采。煤矿绿色开采。煤矿绿色开采。

【技术实现步骤摘要】
一种基于红外热成像技术的煤矸识别方法


[0001]本专利技术涉及煤矿绿色开采领域，具体涉及一种基于红外热成像技术的煤矸识别方法。

技术介绍

[0002]被称为“黑色的金子”的煤炭仍然是我国的主要能源。在煤炭的掘进与开采过程中，原煤中不可避免的会掺入固态废弃物—煤矸石，煤矸石是煤层中或煤层周围伴有可燃物质的岩石，成分主要包括SiO2、Fe2O3和Al2O3等，其含碳量和燃烧值较低，此外，煤矸石中含有As、Cr、Hg、Cd等多种有毒重金属，部分矿区的煤矸石还含有大量的硫化物，在燃烧过程中会产生大量的污染物，增加燃烧废气、废料的排放，引起生态环境污染，因此，在煤炭绿色开采的环境下，将矸石从煤中分选出来是采煤工业中极为重要的环节。
[0003]目前，现有技术中心常见的采煤方法有干法选煤、湿法选煤和人工拣选等，但是这些方法存在效率低下、受辐射、易受环境因素的影响等问题，基于图像处理手段的煤矸识别方法中，普通采集到的图像又容易收到光线等因素的干扰，导致煤矸识别的准确性较低，依旧无法适用于煤矿的绿色开采。

技术实现思路

[0004]为了解决现有技术中本专利技术提供一种基于红外热成像技术的煤矸识别方法，该方案包括：分别采集同一矿场的煤和矸石置于同一环境中，采集每次改变环境温度后的煤红外热成像图片和矸石红外热成像图片并进行预处理，得到样本热成像图片；利用飞蛾扑火算法优化的支持向量机对样本热成像图片进行筛选，获取优选样本热成像图片；基于YOLO算法建立煤矸识别模型，将优选样本热成像图片输入煤矸识别模型进行训练，得到训练好的煤矸识别模型；利用训练好的煤矸识别模型进行煤矸识别。本专利技术通过飞蛾扑火算法优化的支持向量机结合YOLO算法用于煤矸识别，能够有效提高煤矸的辨识精度和运算速度，适用于煤矿绿色开采。
[0005]本专利技术采用如下技术方案：一种基于红外热成像技术的煤矸识别方法，包括：
[0006]分别采集同一矿场的煤和矸石置于同一环境中，依次改变煤和矸石所处环境的温度，采集每次改变环境温度后的煤红外热成像图片和矸石红外热成像图片；
[0007]对采集到的热成像图片进行预处理，得到多个温度梯度下的样本热成像图片；
[0008]利用飞蛾扑火算法优化的支持向量机对多个温度梯度下的样本热成像图片进行筛选，获取分选效果最好的温度梯度作为最优温度梯度，将最优温度梯度对应的样本热成像图片作为优选样本热成像图片；
[0009]基于YOLO算法建立煤矸识别模型，将优选样本热成像图片输入煤矸识别模型进行训练，得到训练好的煤矸识别模型；
[0010]利用训练好的煤矸识别模型进行煤矸识别。
[0011]进一步的，利用飞蛾扑火算法优化的支持向量机对多个温度梯度下的样本热成像
图片进行筛选，获取分选效果最好的温度梯度作为最优温度梯度的方法为：
[0012]将多个温度梯度下的样本热成像图片输入飞蛾扑火算法优化的支持向量机；
[0013]确定惩罚系数和核函数参数的寻优范围，设定飞蛾扑火算法的参数初值；
[0014]计算飞蛾扑火算法中每个飞蛾和火焰的适应度值，当适应度值满足飞蛾扑火算法的终止条件时，输出惩罚系数和核函数参数的最优解；
[0015]支持向量机根据输出的最优解得到分选效果最好的温度梯度作为最优温度梯度。
[0016]进一步的，对采集到的热成像图片进行预处理的方法包括：
[0017]依次提取每个温度梯度下对应采集到的热成像图片；
[0018]对采集到的热成像图片的分辨率进行裁剪；
[0019]对采集到的热成像图片依次进行灰度化、特征提取、归一化和降维操作。
[0020]进一步的，对采集到的热成像图片依次进行灰度化、特征提取、归一化和降维操作，具体包括：
[0021]采用加权平均值法对采集到的热成像图片进行灰度化处理；
[0022]采用局部二值模式对灰度化图像中的像素点进行二值化处理，得到二值化图像，提取二值化图像的LBP特征；
[0023]对二值化图像的归一化区间为[0，1]，得到归一化图像；
[0024]采用线性判别分析方法对归一化图像进行降维操作。
[0025]进一步的，分别采集同一矿场的煤和矸石置于同一环境中，具体为：
[0026]将同一矿场的煤和矸石放置于同一环境中，保持环境温度固定，持续12个小时。
[0027]进一步的，将优选样本热成像图片输入煤矸识别模型进行训练的方法为：
[0028]获取优选样本热成像图像对应温度梯度下的样本可见光图像；
[0029]将优选样本热成像图像与对应温度梯度下的样本可见光图像进行拼接，构建数据集；
[0030]将数据集作为煤矸识别模型的输入进行训练，根据煤矸识别模型中的评价指标确定煤矸识别模型完成训练。
[0031]本专利技术的有益效果是：本专利技术采用红外热成像技术应用于煤矸识别，相较于传统选矸方法，减少了煤矿高湿、高粉尘等复杂环境因素对煤矸高效识别过程的影响，同时能够忽视传统图像采集中光线对图像的影响，将飞蛾扑火算法(MFO)应用于支持向量机(SVM)的优化中，能够提高最优解的求解速度，即提高支持向量机的分类精度，又有助于后续结合深度学习YOLO算法进行煤矸识别的效率，使得煤矸识别流程趋于智能化，增强了煤矸辨识的可靠性，非常适用于煤矿绿色开采的研究。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为本专利技术实施例的一种基于红外热成像技术的煤矸识别方法流程示意图；
[0034]图2为本专利技术实施例的飞蛾扑火算法优化的支持向量机中最优温度梯度获取方法
流程示意图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]如图1所示，给出了本专利技术实施例的一种基于红外热成像技术的煤矸识别方法流程示意图，包括：
[0037]101.分别采集同一矿场的煤和矸石置于同一环境中，依次改变煤和矸石所处环境的温度，采集每次改变环境温度后的煤红外热成像图片和矸石红外热成像图片；
[0038]在一个具体实施例中，采集的煤和矸石选自安徽淮南矿区，本实施例中分别收集200块大小相近的煤和煤矸石，共计400个杨平，粒径控制在50mm。
[0039]本实施例中采集红外热成像图像所选择的设备是FLIRE50热成像仪(美国菲力尔公司)，该设备可以同时生成可见光图片和热成像图片，其中，生成的热本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外热成像技术的煤矸识别方法，其特征在于，包括：分别采集同一矿场的煤和矸石置于同一环境中，依次改变煤和矸石所处环境的温度，采集每次改变环境温度后的煤红外热成像图片和矸石红外热成像图片；对采集到的热成像图片进行预处理，得到多个温度梯度下的样本热成像图片；利用飞蛾扑火算法优化的支持向量机对多个温度梯度下的样本热成像图片进行筛选，获取分选效果最好的温度梯度作为最优温度梯度，将最优温度梯度对应的样本热成像图片作为优选样本热成像图片；基于YOLO算法建立煤矸识别模型，将优选样本热成像图片输入煤矸识别模型进行训练，得到训练好的煤矸识别模型；利用训练好的煤矸识别模型进行煤矸识别。2.根据权利要求1所述的一种基于红外热成像技术的煤矸识别方法，其特征在于，利用飞蛾扑火算法优化的支持向量机对多个温度梯度下的样本热成像图片进行筛选，获取分选效果最好的温度梯度作为最优温度梯度的方法为：将多个温度梯度下的样本热成像图片输入飞蛾扑火算法优化的支持向量机；确定惩罚系数和核函数参数的寻优范围，设定飞蛾扑火算法的参数初值；计算飞蛾扑火算法中每个飞蛾和火焰的适应度值，当适应度值满足飞蛾扑火算法的终止条件时，输出惩罚系数和核函数参数的最优解；支持向量机根据输出的最优解得到分选效果最好的温度梯度作为最优温度梯度。3.根据权利要求1所述的一种基于红外热成像技术的煤矸识别方法...

【专利技术属性】
技术研发人员：王艳，张宗唐，汤强，孙亚茹，王锦红，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：