郭永存何 磊刘普壮王 希

(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,安徽 淮南 232001; 2.安徽理工大学 矿山智能装备与技术安徽省重点实验室,安徽 淮南 232001; 3.矿山智能技术与装备省部共建协同创新中心,安徽 淮南 232001; 4.安徽理工大学 机械工程学院,安徽 淮南232001)

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[1-2]。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[3-4]。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[5-6]。

基于可见光成像的图像识别技术,DOU Dongyang等通过建立Relief-SVM 分类器,分析了煤和矸石表面干、湿2 种情况的识别效果[7]。王家臣等讨论了不同光照强度下煤和矸石的分类识别[8]。SUN Zhiyuan 等提出一种纹理融合超像素算法,以解决煤和矸石成像背景与前景难以分割问题[9]。LI Man 等以LS-SVM为分类器,发现联合煤和矸石图像偏斜度、对比度特征识别效果较好[10]。徐志强等通过对比多种深度卷积神经网络框架下模型对煤和矸石识别情况,发现SqueezeNet 网络综合能力最优[11]。……