张 红，李晨阳

(西安科技大学 通信与信息工程学院，陕西 西安 710054)

传统的煤矸识别方法中人工选矸耗费劳动力有安全隐患，湿选法污染环境耗水严重，射线法识别辐射强度大[1]。而基于光学图像的煤矸石识别方法设备稳定安全系数高、成本低、易于实现，成为现代煤矸识别方法关注和研究的热点。该类方法实现智能化程度较高，能与各种前沿科学技术密切融合，更符合智能化选煤的发展方向[2]。

为了更直观地了解煤矸图像识别方法的发展现状，笔者将基于光学图像的煤矸识别分为传统人为选择特征煤矸识别和基于深度学习的煤矸识别。本文针对这两类典型的煤矸石图像识别方法进行总结，并提出现有煤矸图像识别仍存在的问题，为后续煤矸图像识别技术发展提供建议和改进思路。

1 基于光学图像的煤矸识别方法

基于光学图像的两类煤矸石图像识别方法，其详细处理步骤存在着不同程度的差异性。传统煤矸石图像识别方法步骤如图1所示。

图1 传统煤矸石图像识别方法

该类煤矸石图像识别方法主要分为煤矸石图像数据采集，图像预处理，特征选择和提取，煤矸识别四个部分。其识别算法只需要具备代表性的图像数据集就可以达到较高的识别效果。

基于深度学习的煤矸图像识别方法具体步骤如图2所示。

图2 深度学习煤矸石图像识别方法

在煤矸石图像识别算法中，通过对比两种识别方法在特征提取、模型、识别方面的不同可以发现。……