急倾斜煤层地表沉陷预测软件（安徽理工大学郭永存教授）
急倾斜煤层地表沉陷预测软件（安徽理工大学郭永存教授）2 郭永存1 2 3 4 何 磊1 4 刘普壮1 4 王 希4（3）基于Relief算法进一步优化选取特征组合，建立了基于粒子群算法优化的支持向量机（PSO-SVM）分类模型，最终将不同煤质与单一煤质混合矸石的识别率提高至98%以上，减少了双能X射线煤矸分选方法在工程应用中根据矿区煤质差异进行参数调整的频次。 1 作 者
【能源人都在看，点击右上角加'关注'】
创新点
（1）采用双能X射线透射煤和矸石，联合获取的高能图像、低能图像和计算而来的R值图像的多个特征，进行多维度分析，降低了X射线图像识别过程余晖效应、厚度效应和射术硬化效应缺陷带来的误判影响。
（2）面向不同产地变质程度不同的肥煤、焦煤、气煤和矸石，探究了其物性参数如灰分含量和密度与关键分选特征参数R值的联系，进而选择并设计特征提取方法，提取了普适性较好的强特征组合，尤其涉及基于高能图像和R值图像提取的矸石含量特征。
（3）基于Relief算法进一步优化选取特征组合，建立了基于粒子群算法优化的支持向量机（PSO-SVM）分类模型，最终将不同煤质与单一煤质混合矸石的识别率提高至98%以上，减少了双能X射线煤矸分选方法在工程应用中根据矿区煤质差异进行参数调整的频次。
1
作 者
郭永存1 2 3 4 何 磊1 4 刘普壮1 4 王 希4
2
单 位
1. 安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室；2. 安徽理工大学 矿山智能装备与技术安徽省重点实验室；3. 矿山智能技术与装备省部共建协同创新中心；4. 安徽理工大学 机械工程学院
3
研究背景
传统的机械化选煤方式如跳汰法、浮选法和重介浅槽法等 均会造成不可逆转的空气污染、水质污染和地质污染。现存的人工选矸方式 成本高 工人工作环境差 分拣效率低。随着计算机计算能力和高速电路的发展 基于传感器的煤矸光电分选技术广受关注。光电分选技术不仅不消耗水资源和化学试剂 而且能耗低、效益大 在工业生产中逐渐应用。目前 光电分选主要有2种技术手段:①基于可见光成像的图像识别技术 即采用线阵相机对输送带上原煤流进行成像;②基于透射成像的图像识别技术 即采用高能射线(如γ射线、X射线)对输送带上原煤流进行透射成像。
最初采用的煤矸γ射线的透射识别技术 因辐射难以控制问题 未被推广使用。相较于γ射线 X射线辐射可控性较高 且基于X射线透射成像的图像识别技术对环境敏感性较弱 目前被工业界普遍接受。针对X射线透射识别技术 笔者通过建立NP-FSVM分类器 融合单能X射线图像灰度、纹理特征对煤矸进行识别 获得较高识别率。但采用单能X射线 完全忽视了厚度效应影响 易将较厚的煤识别为矸石、较薄的矸石识别为煤。ON Ketelhodt L等采用双能X射线获取煤和矸石的等效原子序数 依据等效原子序数差异来设定阈值分离煤和矸石。KUERTEN Ariane Salvador采用等效原子序数分割图像 计算了煤和矸石图像中矸石像素面积占比 以此对煤和矸石进行分类。
由于射源放射的X射线为连续能谱 而简化计算中将连续能谱等效为单一能谱 所以余晖效应、厚度效应和射束硬化效应仍然存在 导致煤和矸石的等效原子序数特征存在波动和交叉重叠。为了增强特征可分性 李振华等通过联合矿石高能图像灰度均值I 将矿石一维物质属性R值特征 扩展至二维R-I平面对厚度进行矫正。徐明刚等提出采用二维隶属度分割方法用于安检系统物质鉴别 矫正厚度影响 可基本区分开不同物质R值重叠区域。由此可见 对煤和矸石X射线图像识别 消除厚度效应的同时 还应考虑融入高、低能图像特征 并引入通过阈值分割后计算得到的矸石面积占比特征 进行多维度分析。
4
摘 要
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3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 Glc Gl Ra]为输入 PSO-SVM分类模型对3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 Glc Gl Ra]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。
5
部分图片
试验图像获取
图像缺陷影响
密度与R值和灰分之间关系
R值分割阈值选取
R值阈值图像分割结果
高、低能图像灰度阈值选取
高、低能图像灰度阈值分割结果
Relief特征选择结果
分类测试结果
作者简介
郭永存，男，1965年10月出生，博士，教授，博士生导师。现任安徽理工大学党委书记、深部煤炭采动响应与灾害防控国家重点实验室主任，教育部矿山智能技术与装备省部共建协同创新中心主任。《辞海》第七版分科主编，中国煤炭工业技术委员会委员，安徽省煤炭学会副理事长，安徽省学术与技术带头人。
研究方向
矿山运输安全高效运行关键技术，煤矸高效光电分选关键理论及技术
主要成果
致力于矿山运输安全高效运行和煤矸光电分选理论与关键技术研究，主持国家重点研发计划课题、国家自然科学基金、安徽省科技重大专项、教育部博士学科点博导基金项等省部级以上科研项目20余项、企业委托课题20余项。获省部级教学成果奖特等奖3项，一等奖2项，获省部级科技进步奖1等奖5项，二等奖2项；在《AdvancedPowder Technology》、《物理学报》、《煤炭学报》等国内外学术刊物上发表论文100余篇，授权国际国内发明专利30余件。
来源：
郭永存 何磊 刘普壮 等. 煤矸双能X 射线图像多维度分析识别方法[J]. 煤炭学报 2021 46(1):300-309.
GUO Yongcun HE Lei LIU Puzhuang et al. Multi-dimensional analysis and recognition method of coal and gangue dual-energy X-ray images[J]. Journal of China Coal Society 2021 46(1):300-309.
责任编辑：郭晓炜
编辑整理：郭晓炜
审核：常 琛
End
往期精彩
谢和平，吴立新，郑德志：2025年中国能源消费及煤炭需求预测钱鸣高，许家林：煤炭开采与岩层运动袁亮：煤及共伴生资源精准开采科学问题与对策康红普，王国法，姜鹏飞，等：煤矿千米深井围岩控制及智能开采技术构想谢和平：深部岩体力学与开采理论研究进展康红普，尹丙鼎，高富强，等：中国煤矿井下地应力数据库及地应力分布规律
联系我们
联系人：郭晓炜
电话：010-87986411-811
邮箱：guoxiaowei@chinacs.org.cn
网址：www.mtxb.com.cn
版权声明：
本平台刊登的《煤炭学报》所有稿件均按照国家版权局有关规定支付了相应稿酬，《煤炭学报》享有稿件的信息网络传播权。未经授权，不得匿名转载。本平台所使用的图片属于相关权利人所有，因客观原因，部分作品如存在不当使用的情况，请相关权利人随时与我们联系。
免责声明：以上内容转载自煤炭学报，所发内容不代表本平台立场。
全国能源信息平台010-65367702，邮箱：hz@people-energy.com.cn，地址：北京市朝阳区金台西路2号人民日报社
