基于机器视觉的煤矸石检测研究

针对传统煤矸石分拣机器人对输送带上不同位置煤矸石感知能力不足的问题,提出使用单激发多盒探测器(SSD)机器视觉算法对煤矸石进行检测的方法,提高分拣机器人的感知与分拣性能。实验结果表明,基于SSD的煤矸石检测算法实时性优于Faster-RCNN检测算法,且具有更高的准确性,进一步促进了煤矸石分拣机器人的智能化。     

多机械臂煤矸石智能分拣机器人关键共性技术研究

依据我国煤矿智能绿色发展战略,深入分析了国内外智能拣矸系统的研究现状,指出研发适用于井下的多机械臂煤矸石智能分拣机器人是破解煤矸分拣难题的重要发展方向,凝练了直接影响和制约我国煤矸石智能分拣高质量发展的“煤矸石准确识别、精准跟踪和可靠抓取、多目标任务多机械臂协同分拣”三大关键共性技术难题,并给出了解决思路和方法。针对煤矿井下煤矸石被煤泥严重包裹识别难,提出了“X射线+视觉”煤矸石识别与匹配方法、基于点云数据的煤矸石抓取特征提取方法,实现目标矸石的快速识别和最优抓取特征提取;针对煤矸石形态各异、动态环境抓取难,提出了基于ORB+BEBLID特征的FLANN动态目标高效匹配方法、基于FDSST的动态目标精准跟踪方法、基于三环PID的机械臂同步跟踪轨迹规划方法,实现机械手对高速传输的动态矸石稳定抓取;针对煤矸石随机分布、障碍多、多机械臂任务分配难,提出了改进匈牙利算法的多机械臂动态空间协同分拣方法,确保系统收益的前提下实现多机械臂在动态空间中高效协同工作。现场工业性试验研究结果表明,针对三大关键共性技术所提出的方法能够有效破解煤矸石高效识别和抓取特征提取、机械臂动态目标同步跟踪稳定抓取、多机...     

基于RobotStudio的煤矸石视觉分拣系统仿真

为了提高视觉机器人系统在传统煤矸石分拣中的应用效率,提出一种基于RobotStudio的仿真方法,可以在离线状态下对不同的机器人运动算法、运行程序和执行轨迹进行仿真验证。结果表明,使用该仿真方法可以优化机器人运动节拍,减少现场调试作业时间,提高整体生产效率。     

煤矸石智能分拣机器人视觉伺服自抗扰控制方法研究

为了有效的将煤矸石从原煤中分拣出来,提出了煤矸石智能分拣机器人视觉伺服自抗扰控制方法。同时为了避免外界环境对煤矸石检测过程产生干扰,采用同态滤波算法对采集的煤矸石图像展开增强处理;在YOLO网络中输入增强后的煤矸石图像,完成煤矸石的检测与定位;通过PID算法实现煤矸石智能分拣机器人控制,从而稳定地完成了煤矸石分拣。实验结果表明,所提方法采集的图像质量高,煤矸石检测精度高,煤矸石智能分拣机器人控制稳定性好。     

基于光学图像的煤矸石识别方法综述

基于光学图像的煤矸石识别方法具有设备简单、易实现、绿色环保等优势,是实现智能化煤矸石分选的重要途径。该类方法分为两种研究路径,一种是需要人为提取特征进行识别的路径,一般包括煤矸图像数据采集、图像预处理、特征选择与提取和煤矸识别|另一种是利用深度学习神经网络进行自主提取特征识别的路径。文章对这两种研究路径的各类方法进行了总结,指出现有识别方法存在煤矸图像数据集不完备不充分、特征理解不全面不深入、识别方法无法兼顾高效与实时性等缺点,给出进行高效煤矸石识别的建议。     

基于轻量化PAM-M-YOLO模型的煤矸石图像检测

针对传统煤矸石检测算法中人为提取煤矸石图像特征过程复杂、检测精度低等问题,提出了一种轻量化的PAM-M-YOLO煤矸石检测模型。首先,使用MobileNetv3特征提取网络替换原模型主干网络,采用深度可分离卷积替换传统卷积进行煤矸石图像的特征提取;其次,设计PAM并联注意力模块提升目标检测网络层拼接后特征图通道和空间信息关注度;最后,基于CAM激活限制分支给模型添加先验信息,以降低模型在非关键特征上的局部坍塌。试验结果表明,轻量化PAM-M-YOLO煤矸石检测模型准确率、召回率、mAP值分别为98.7%、97.5%、98.8%,较原M-YOLO模型分别提升了3.6, 2.3, 2.0个百分点;参数量为3.8 MB,比YOLOv5模型降低了近1/2。热力图可视化效果表明,轻量化PAM-M-YOLO模型在检测过程中所关注的信息更集中于煤矸石区域,有效解决了模型在煤矸石区域的局部坍塌问题。     

基于图像深度特征学习的矿山井筒设施隐患检测方法研究

针对人工完成矿山井筒设施检测时面临成本高和安全威胁等问题，提出利用采集的井筒设施监控视频图像，采用基于图像深度特征学习的矿山井筒设施隐患检测方法对井筒设施进行隐患检测。构建包含大量正常设施图像和少量隐患图像的数据集；同时构建包含特征提取网络和分类网络的并行神经网络作为训练网络，在正常图像集、外部图像集和少量隐患图像数据集上，设计联合损失函数对网络进行训练；通过聚类策略选择具有代表性的正常图像深度特征作为特征模板，通过模板匹配实现隐患图像检测。试验结果表明，在构建的矿山井筒井架设施图像数据集上，所提算法训练的特征提取模型能有效提高图像特征的表达能力，模型的隐患检测精度可达到92%以上，为利用矿山井筒设施图像进行矿山井筒的隐患检测提供了新思路。     

煤矿井下图像拼接的算法研究

研究煤矿井下图像拼接的算法,探讨井下环境光照不均、强噪声的图像拼接问题。用当前流行的四种特征点检测算法,如Moravec算子、Forstner算子、Harris角点检测算法和CSS角点检测算法提取井下图像的特征点,分析得出CSS角点检测算法更适合井下工作环境的结论。用CSS角点检测算法提取待拼接图片特征点,通过归一化互相关系数(NCC)提取特征点匹配对,并通过RANSAC删除伪匹配对,最终实现无缝拼接。     

一种改进的灰度匹配新算法

灰度匹配新算法是在传统算法基础上改进而来。它先根据信息量的大小选取部分影像进行粗匹配,粗匹配通过后再用相关系数法进行精匹配。实验表明,本文所提出的方法较现存的方法精度高、速度快。     

蜣螂算法优化k-means在煤矸石图像分割的应用

针对煤矿井下光照不均匀,采集图像的噪声点会给图像分割带来一定难度,以及k-means算法的k值选择没有参考性需要大量实验等问题,提出一种基于蜣螂算法优化k-means的方法,将蜣螂优化与SSA搜索算法进行对比实验,结果表明收敛速度平均提升了40.58%,适应度值平均降低了31.3%,验证了蜣螂算法优化k-means在煤矸石图像分割中的可行和实用性。     

煤矸石改良土壤的应用研究

通过对腾南煤田地区的土壤、煤矸石及部分农植物的灰分进行的化学分析，从理论上探讨池其促进植物增产的机理；并认为该煤田３煤层的矸石含有与该地区土壤类似的化学组成，但其所含植物生长需要的主要元素普遍高于土壤中的含量，即煤矸石中含有较丰富的植物生长所需的矿物肥料。     

煤矸石的综合利用方法

煤矸石是采煤和洗煤过程中排出的固体废物,是一种在成煤过程中与煤层伴生的含碳量较低、比煤坚硬的黑灰色岩石。在阐述煤矸石对环境危害的同时,着重指出了煤矸石的综合利用途径。     

基于AlexNet-SN网络的煤与煤矸石分类方法

现有煤矸石分选方法依据人工设计的特征对煤矸石进行识别,特征提取过程稍显复杂,准确率仍有很大的提升空间。人工智能技术快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向,为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术的改进的煤矸石分拣方法。选用 的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN和Dropout,并采用风格迁移数据增强的方法提高煤与煤矸石数据集的多样性。结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8%,损失率下降了2%。本文选用的方法不仅能够满足实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别。     

容重对煤矸石水力特性的影响

通过测定煤矸石在不同容重下的饱和体积含水量、总孔隙度、非毛管孔隙度、毛管孔隙度、饱和导水率来分析容重对煤矸石水力特性的影响,为采煤塌陷地土地复垦提供一定的理论依据。     

太赫兹技术在煤与煤矸石筛选中的研究

筛选煤矸石方法中的射线成像检测方法及可见光波段检测方法分别存在高射线危害及识别准确率低的问题.通过研究分析,提出一种太赫兹煤矸石筛选系统,用于对煤炭开采中的煤矸石进行筛选.结合煤及矸石对太赫兹的透射特性差异,分别获得太赫兹透射图像,完成对透射图像的灰度统计,确定煤及矸石的灰度峰值.结合煤炭厚度得到灰度识别阈值,确立了以...     

基于特征点的煤矿图像拼接技术的研究

将图像拼接技术引入到煤矿领域。结合煤矿井下环境的特点,提出了一种稳健的基于曲率尺度空间的拼接(CSSM)算法。该算法使用改进后的自适应阈值CSS角点检测算法提取特征点,利用相似测度NCC提取初始特征点对,并通过RANSAC删除伪匹配对,达到精确匹配,通过渐入渐出融合法实现无缝拼接。     

煤矸石资源化现状的分析与探讨

结合煤矸石特性,分析了我国煤矸石资源化利用的基础研究、利用现状和存在问题,提出了促进煤矸石资源化利用的建议,同时指出国内煤矸石资源化利用的发展方向,为煤矸石的有效利用提供参考.     

潞安煤矸石产业链发展研究

通过对潞安23种煤矸石样品的基本物理、化学性质进行检测分析,结合煤矸石利用途径对煤矸石性质的要求,对潞安煤矸石的检测结果进行深入分析,得出了潞安煤矸石适宜的利用途径和优先发展的产业链。     

浅谈煤矸石的组成特征及综合利用途径

煤矸石堆积如山,难以利用且污染环境。论述了煤矸石的产出和组成特征,提出了煤矸石从产矸源头分装、分排、分放的措施,以及综合利用和无污染化处理的方法。