[发明专利]一种煤矸石的识别方法

说明书

本发明公开了一种煤矸石的识别方法，首先通过采集的煤矸石图片建立训练样本集；基于深度检测网络对训练样本集进行训练；利用深度卷积神经网络模型框架进行训练，得到识别网络模型；将待识别图片进行自适应滤波降噪处理，并使用双线性内插法进行归一化处理为统一尺寸；利用检测网络模型进行检测，得出目标的定位情况以及初次识别情况；利用识别网络模型进行二次识别，得出二次识别结果；通过反馈回路动态优化检测结果和识别结果；结合两次识别结果与所述反馈回路的辅助判断结果获得所述待识别图片的识别情况。该方法能在常规光照条件下，利用采集图像的方式对煤与矸石进行识别，能有效提高识别准确度，实现保煤排矸的策略。

技术领域

本发明涉及矿物加工技术领域，尤其涉及一种煤矸石的识别方法。

背景技术

随着经济的不断发展，工业化过程的不断加快，社会对能源的需求也越来越大，煤炭是我国储量最多、分布最广的重要的常规能源。开采出来未经过加工的原煤中含有一定比例的矸石，矸石的主要成分是岩石，密度大，灰分高，发热量小，属于煤炭中的杂质，对煤炭质量有不可忽视的影响，因此煤矸石的分选是煤矿生产过程中不可缺少的环节。

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，具体来说：

人工手选由工人手工将矸石从煤块中分拣出来，这种方式劳动强度大，工作环境恶劣，生产效率低，矸石拣选率也直接受人员素质、管理水平等人为因素影响，分选质量得不到保证；机械方法是利用煤矸石的物理特性的不同来分选，如浅槽、重介、跳汰等，其存在的问题是：设备结构复杂，能耗高，运行成本高；对环境污染比较大；难以在井下使用；射线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。此种方法的缺点是需要使用具有放射性的射线，增加了管理困难，限制了它的推广范围。

发明内容

本发明的目的是提供一种煤矸石的识别方法，该方法能在常规光照条件下，利用采集图像的方式对煤与矸石进行识别，能有效提高识别准确度，实现保煤排矸的策略。

本发明的目的是通过以下技术方案实现的：

一种煤矸石的识别方法，所述方法包括：

步骤1、首先通过采集的煤矸石图片建立训练样本集，并对所述训练样本集进行定向扩充与优化；

步骤2、对扩充后的训练样本集中的图片进行滤波降噪与归一化处理；

步骤3、针对步骤2处理后的训练样本集基于深度检测网络进行训练，得到检测网络模型和训练样本集中目标的定位与识别情况；

步骤4、将检测网络模型训练出的目标裁剪并制作为新的训练样本，再利用深度卷积神经网络模型框架进行训练，得到识别网络模型；

步骤5、将待识别图片进行自适应滤波降噪处理，并使用双线性内插法进行归一化处理为统一尺寸；

步骤6、针对步骤5处理后的待识别图片，利用所述检测网络模型进行检测，得出目标的定位情况以及初次识别情况；

步骤7、针对步骤6检测出的目标，利用所述识别网络模型进行二次识别，得出二次识别结果；

步骤8、通过反馈回路对检测结果和识别结果分别进行辅助判断，动态优化检测结果和识别结果；

步骤9、结合两次识别结果与所述反馈回路的辅助判断结果获得所述待识别图片的识别情况。

在步骤1中，对所述训练样本集进行定向扩充与优化的过程具体为：

利用生成式对抗网络定向生成样本，结合裁剪、旋转、翻转、对比度拉伸的图像处理手段作为辅助，对样本空间中的分布不平衡进行自适应定向补充，实现所述训练样本集的定向扩充与优化。

所述步骤3的过程具体为：