[发明专利]基于机器学习的煤矸分选识别方法、装置及设备

说明书

本申请公开了一种基于机器学习的煤矸分选识别方法、装置及设备，可解决目前在进行煤矸分选识别时，误判和漏判率较高的技术问题。包括：获取待进行煤矸分选识别的伪双能X射线煤矸石图像，并将伪双能X射线煤矸石图像剪切为低能射线图像和高能射线图像；基于最大类间方差法对低能射线图像进行阈值分割，并依据阈值分割结果进行连通域提取，以确定出伪双能X射线煤矸石图像中所包含的所有煤矸区域；根据低能射线图像和高能射线图像计算每块煤矸区域的煤矸特征，煤矸特征包括灰度特征、纹理特征以及物理特征中的至少一种；将煤矸特征作为特征向量输入训练完成的煤矸分选识别模型，获取每块煤矸区域的煤矸分选识别结果。

技术领域

本申请涉及煤矸分选领域，尤其涉及到一种基于机器学习的煤矸分选识别方法、装置及设备。

背景技术

随着煤矿企业竞争加剧、节能环保理念日渐深入，传统煤矸分选方法已愈发难以满足煤矿企业的选煤需求，而基于X射线透射(X-Ray Transmission,XRT)技术的煤矸分选识别方法凭借高效率、低成本、更环保的优势，逐渐成为煤矸分选领域的研究重点。

目前，工业现场多采用阈值判别的方式对煤矸石进行分类，即根据X射线图像所反映出的灰度信息进行相关统计，通过朗伯比尔定律计算出R值，并依据经验对不同精度、不同粒度的煤块设置相应的阈值，从而通过这些阈值实现煤矸分类。显然，这种方法极度依赖主观经验，且利用阈值直接判断过于简单，缺乏足够的统计信息支撑，因此极容易造成煤矸石的误判和漏判。

发明内容

有鉴于此，本申请提供了一种基于机器学习的煤矸分选识别方法、装置及设备，可解决在采用阈值判别的方式对煤矸石进行分类时，因缺乏足够的统计信息支撑，极容易造成煤矸石的误判和漏判的技术问题。

根据本申请的一个方面，提供了一种基于机器学习的煤矸分选识别方法，该方法包括：

获取待进行煤矸分选识别的伪双能X射线煤矸石图像，并将所述伪双能X射线煤矸石图像剪切为低能射线图像和高能射线图像；

基于最大类间方差法对所述低能射线图像进行阈值分割，并依据阈值分割结果进行连通域提取，以确定出所述伪双能X射线煤矸石图像中所包含的所有煤矸区域；

根据所述低能射线图像和所述高能射线图像计算每块煤矸区域的煤矸特征，所述煤矸特征包括灰度特征、纹理特征以及物理特征中的至少一种；

将所述煤矸特征作为特征向量输入训练完成的煤矸分选识别模型，获取所述每块煤矸区域的煤矸分选识别结果。

根据本申请的另一个方面，提供了一种基于机器学习的煤矸分选识别装置，该装置包括：

剪切模块，用于获取待进行煤矸分选识别的伪双能X射线煤矸石图像，并将所述伪双能X射线煤矸石图像剪切为低能射线图像和高能射线图像；

提取模块，用于基于最大类间方差法对所述低能射线图像进行阈值分割，并依据阈值分割结果进行连通域提取，以确定出所述伪双能X射线煤矸石图像中所包含的所有煤矸区域；

计算模块，用于根据所述低能射线图像和所述高能射线图像计算每块煤矸区域的煤矸特征，所述煤矸特征包括灰度特征、纹理特征以及物理特征中的至少一种；

获取模块，用于将所述煤矸特征作为特征向量输入训练完成的煤矸分选识别模型，获取所述每块煤矸区域的煤矸分选识别结果。

根据本申请的又一个方面，提供了一种存储介质，其上存储有计算机程序，程序被处理器执行时实现上述基于机器学习的煤矸分选识别方法。

根据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，处理器执行程序时实现上述基于机器学习的煤矸分选识别方法。