科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现基于机器视觉的绿色高效、高智能化的煤矸分选。探讨了煤和矸石共420张图像的2个灰度特征和4个纹理特征的分布情况，并分别模拟生产中的光照、淋水、粉尘环境对煤和矸石进行了图像采集，研究其对煤矸图像特征的影响；此外，针对光照强弱、湿度、煤粉沾染程度和样品种类4个试验因素，对影响因素进行了量化处理，应用Box-Benhnken Design(BBD)试验设计理论设计四因素三水平试验，以样本灰度均值为响应指标，研究各因素对煤矸图像灰度值影响的显著性及其交互作用，从而得到区分煤和矸石的最明显特征。特征分析表明，煤和矸石的灰度特征比纹理特征具有更好的区分度，从灰度均值和峰值来看，6～36 W的光照条件对灰度均值影响有限，却使灰度峰值波动严重；样本表面喷雾量的增加使灰度均值和峰值大幅下降，以0.08 g的喷雾量为转折点，灰度均值呈现出先急后缓的对数曲线下降趋势；煤粉量与灰度均值呈一次线性反比关系，灰矸的线性比例约为块煤和黑矸的4～5倍；单因素试验表明灰度峰值对环境变化较为敏感，而响应面试验表明煤和矸石的灰度均值在同一水平下区分度明显。研究结果有利于推进机器视觉煤矸分选技术的应用，实现井下煤矸分选，亦对煤岩界面识别技术具有参考意义。
- 单位
