一种基于机器视觉的煤矸石实时识别与智能分选方法技术

本申请公开了煤炭分选技术领域的一种基于机器视觉的煤矸石实时识别与智能分选方法，包括以下步骤：S1、对相机进行参数标定；确定像素坐标与现实坐标的转换系数；S2、采集图像信息，对煤和煤矸石进行手动标注，制作语义分割数据集；S3、通过深度学习网络对采集得到的图像数据集进行训练，寻找最优精度的语义分割权重文件，加载训练后的权重文件用验证集对煤和煤矸石测试，对煤和煤矸石进行语义分割；S4、识别分割过后的煤矸石灰度图，通过质心法来求取目标区域的质心坐标，获得该质心在图像中的位置，并利用步骤S1中标定的坐标转换系数，转换为现实坐标，完成分选定位。本方案以解决现在的煤矸石识别系统会导致煤矸石分拣系统定位不精确的问题。

【技术实现步骤摘要】

本专利技术涉及煤炭分选，具体涉及一种基于机器视觉的煤矸石实时识别与智能分选方法。

技术介绍

1、煤矸石是煤炭开采过程中的副产品，主要由矿井下采煤时挖掘出的岩石和其他杂质组成，包括碳质页岩、砂岩等，这些材料中可能含有一定量的重金属（如铅、汞、镉、砷等）和其他有害物质。

2、在开采煤矿的过程中，为了对煤矿资源进行合理利用，需要把煤矸石分选出来。传统的人工选煤矸石方式，效率低下，如果漏选还会导致矸石与煤进行混用，使矸石中的有毒物质进入河流、大气和土壤等，从而造成环境污染。同时人工选煤矸石时恶劣的选矸工作环境还会影响工人生命健康。

3、因此为了保证工人的生命健康对于煤矸石的识别与分选采用非人工的方式，在申请号为cn202410299744.1的专利中公开了一种基于yolov5-sedc模型的煤矸石快速分割识别算法，用于分割识别煤矸石，包括步骤s1：构建yolov5-sedc模型，将具有形状信息的煤矸石图片输入到主干网络进行特征提取得到特征图，在颈部网络之前添加senet模块，然后通过颈部网络获得具有浅层和深层语义特征的特征图，最后空洞卷积获本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于：所述步骤S1中，像素坐标与现实坐标的转换系数确定方法为：

3.根据权利要求2所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于：所述步骤S2中，采集图像信息时，对图像进行去噪和补光处理，并对图像进行旋转和反转变化，通过去噪与补光提高采集的图像质量，同时通过对图像进行旋转和反转变换增加扩充数据集。

4.根据权利要求3所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于...

【技术特征摘要】

1.一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于：所述步骤s1中，像素坐标与现实坐标的转换系数确定方法为：

3.根据权利要求2所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于：所述步骤s2中，采集图像信息时，对图像进行去噪和补光处理，并对图像进行旋转和反转变化，通过去噪与补光提高采集的图像质量，同时通过对图像进行旋转和反转变换增加扩充数据集。

4.根据权利要求3所述的一种基于机器视觉的煤矸石实时识别与智能分选方法，其特征在于：所述步骤s2中，图...

【专利技术属性】
技术研发人员：黄海松，王俊豪，朱云伟，孙海滨，刘青星，
申请(专利权)人：贵州大学，
类型：发明
国别省市：