基于黏菌优化极限学习机的煤矸石多光谱识别

作者：周孟然; 凌胜^*; 来文豪; 卞凯; 朱梓伟; 沈汝涵

来源：重庆工商大学学报(自然科学版), 2023, 40(05): 1-7.

DOI：10.16055/j.issn.1672-058X.2023.0005.001

• 多光谱成像技术
• 黏菌优化
• 极限学习机分类
• 波段选择
• LBP算法

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提，针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足，提出了基于多光谱图像特性和光谱特性来识别煤和矸石，构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine, SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集，通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维，输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine, ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine, WOA-ELM)分类模型进行对比，重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长，通过多评价指标对优化后的最优波段进行比较。实验结果表明，SMA-ELM分类效果最佳，第6波段为最优波段，SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别，这对煤和矸石的智能分选具有重要的研究意义。

• 单位
  物理学院; 安徽理工大学