煤炭学报

作者：郭永存, 何磊, 刘普壮, 王希,

关键词：双能X射线, 煤矸分选, 物质属性R值, 多维度分析, 特征选择, 图像识别,

环境适应能力强、识别精度高是有效分离煤和矸石的前提。采用双能X射线透视煤和矸石并成像，避免了粉尘、光照强度和物料表面等外界因素影响。但双能X射线探测器采集射线能量数据存在余晖效应、厚度效应和射束硬化效应等缺陷。为降低缺陷影响，提高煤和矸石识别率，提出一种联合R值图像与高、低能图像特征对煤和矸石进行多维度分析的方法。首先基于双能X射线采集系统获取高、低能图像，并利用比值法得到R值图像；然后针对所获取的三种图像，研究煤和矸石密度及灰分含量等关键物性参数与图像特征关系，据此设计特征提取方案，共计提取8个特征参量，形成一种强特征组合；最后采用Relief算法度量每个特征参量的重要性，进而设计分类试验。以不同地区肥煤、焦煤、气煤和矸石为试验对象，观察剔除权重较低的特征后，分类模型准确率，发现以特征组合 Rc, μlc, μl, R为输入，PSO-SVM分类模型对三种煤混合矸石识别效果最佳，识别率为99.4%。结合PSO-SVM分类模型和 Rc, μlc, μl, R的特征组合对肥煤、焦煤和气煤分别混合矸石进行识别验证，结果表明：肥煤混合矸石识别率为98.89%，焦煤混合矸石识别率为100%，气煤混合矸石的识别率为99.44%。本方法通过联合多张图像的多个特征，进行多维度分析，发现R值图像特征和高能图像特征对煤和矸石的区分度最好，可有效降低双能X射线缺陷影响，能以较少的特征，实现对不同煤种的较高识别率，优于现有方法。此外，以灰分、密度为参照选取特征阈值，贴合实际需求，减少了工程应用中根据矿区煤质差异进行参数调整的频次，提高了识别模型的泛化能力。

来源：2021年第1期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2021年第1期