基于图像纹理的煤岩识别研究

煤岩识别对实现采掘面无人开采具有重要的意义。由于煤、岩石在纹理上的巨大差别,提出了基于图像纹理的煤岩识别研究。利用灰度共生矩阵(GLCM)分别对煤、岩石图像纹理进行特征提取,然后再应用RBF神经网络分析处理所得到的纹理特征数据,进而实现对煤岩的分类识别,通过验证,该方法准确率高,操作简单,值得推广。     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。     

基于纹理分析的滑坡遥感图像识别

从纹理分析的基本理论入手,结合滑坡遥感图像的特点,探讨了基于纹理分析的滑坡遥感图像识别方法,并对2004年云阳镇拍摄的QuickBird卫星影像进行了识别,识别结果明显,可以大致圈定滑坡形态,为防止滑坡和危害性评估提供更为有利的依据。     

不同照度下煤矸图像灰度及纹理特征提取的实验研究

研究煤和矸石在不同照度下的响应特性,设计了差异照度煤矸图像采集系统,进行了煤矸图像采集实验,建立了煤矸灰度子图像数据库,对数据库中的子图像的灰度、纹理特征进行了提取,通过定义归一化特征差异指数以及基于支持向量机(SVM)对实验数据进行了分析与讨论。结果表明:在同一照度下,煤和矸石在灰度及纹理特征上存在差异,且随着照度的改变,煤和矸石的特征也发生变化,同时两者的变化规律存在显著差异。基于不同特征的SVM分类器的识别正确率不同,照度的变化也会对分类器的识别正确率产生影响;当考虑照度因素后,分类器的识别正确率最大增加了13.31%,此外基于多特征多照度融合的SVM分类器性能较好,识别正确率为98-39%。     

基于LBP和GLCM的煤岩图像特征提取与识别方法

针对煤矿开采工作面无人化要求,提出一种基于LBP和GLCM的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过GLCM实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、对比度、逆差分矩等4个煤岩图像纹理特征参数提取。试验表明:LBP算法在检测煤块与岩石局部纹理特征差异的过程中,具有一定的高效性,但存在不足,后续通过GLCM提取的煤岩图像特征参数,可以找到适用于煤岩分类的特征参数,增加煤岩识别的鲁棒性。     

基于图像处理的煤矸识别方法

综合考虑煤和矸石图像的灰度特征和纹理特征,在对图像进行滤波、增强等预处理后,筛选出灰度直方图的均值、峰值,GLCM的能量、对比度和熵,Tamura纹理的对比度这6个特征组成特征向量,送入LS-SVM进行识别。研究结果表明：基于3种特征结合的LS-SVM煤矸识别有效地提高了识别率。     

基于图像识别的齿轮故障诊断方法研究

以圆柱齿轮为对象,提出了基于双谱分析和图像识别的齿轮箱故障诊断方法。通过小波包双谱分析生成故障信号的双谱图,并通灰度共生矩阵的2阶特征统计量来表征双谱图特征。对于这些特征统计量,通过相关度的大小进行分类从而得到故障模式识别的输入特征向量。通过支持向量机(SVM)模式识别算法对这些特征集合进行分类,从而识别出相应的齿轮故障类型。实验证明在具有噪声的情况下,该方法取得了比较理想的识别率,验证了基于图像识别的齿轮箱故障诊断方法的可行性。     

基于树状结构的支持向量机多分类方法

针对树状结构支持向量机多分类方法中的树结构选择问题,提出了一种基于类中心距离的树状结构选择方法,通过计算多分类问题中的各个类中心距离并对其进行排序来得到优化的树状结构,从而提高树状结构支持向量机的训练与测试效率,仿真试验证明了该方法的有效性。     

基于SMO-SVM算法的变压器故障诊断

支持向量机是一种基于统计学理论的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果。针对变压器的特性,提出了以RBF为核函数的非线性支持向量机的二叉树多分类变压器故障诊断模型,利用序贯最优化算法(SMO)对样本进行训练,准确率较高。试验结果表明,SMO-SVM在变压器故障诊断中具有很大的应用潜力。     

基于行程长度纹理特征的焦炭显微图像分类算法

在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上,通过对纹理特征的差异性的研究,提出了一种基于行程长度纹理特征和支持向量机(Support Vector Machine)的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵,利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量,通过对各个特征量的数据分析,选取有效特征量组合作为分类器的训练向量,然后用支持向量机对实验样本进行分类。实验结果表明,该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。     

基于视觉技术的煤岩特征分析与识别

为研究煤岩自动识别技术,提出了一种基于视觉技术的煤岩特征分析与识别方法。首先根据煤和岩石图像分析煤岩纹理差异;然后根据灰度共生矩阵分别计算煤和岩石纹理特征向量;最后选择计算出的纹理特征向量作为神经网络输入来分别识别煤和岩石2种情况。实验结果表明,煤和岩石纹理特征值差别较大,采用能量、对比度、相关性和熵作为特征向量均可实现煤和岩石自动识别,且以熵值作为特征向量的煤岩识别效果最好。     

基于模糊数学法的煤矿巷道锚杆支护围岩分类识别

随着煤矿井下的开采,巷道围岩支护成为了困扰煤矿生产的重要问题。文章利用模糊数学法建立了巷道围岩分类模型,通过对每个稳定性影响因素的权重计算,最终确定了巷道类型,为今后的矿井实际支护提供了理论依据。     

基于数学优化算法的煤矿井下岩体参数识别技术研究

结合数值计算方法与遗传算法,并依靠现代工程岩石勘探侦测技术,可以得到工程岩石的重要参数,再对其进行模型化处理,进而可以得到工程岩石的智能等效模型,通过将这种智能等效模型应用到实际工程勘探中,并将这种理论分析结果与实际检测结果进行对比分析,从而发现两者有较好的对应性。由此可以得出,通过理论分析与计算机模拟所得到的智能等效模型能够很好的推算岩土工程的参数,这就为煤矿井下复杂岩土参数的选择提供了新的方法。     

煤中不同显微组分孔隙结构特征研究

为了探讨低阶煤中不同显微组分的孔隙结构特征,选用新疆阜康矿区42号煤层和鄂东斜沟矿8+9号煤层的煤样,通过浮选法进行了2种原煤显微组分的分离,采用低温液氮吸附实验分别对2种原煤及各显微组分富集物进行了比表面积、孔体积、孔径等参数测试,对其等温吸附/脱附回线进行了分析。结果表明:原煤和壳质组符合II类吸附等温线,镜质组和惰质组符合III类等温线。与镜质组和惰质组相比,壳质组具有较高的小孔含量,并且孔体积和比表面积都较大,直径大于5.4 nm的孔中两端开放透气性孔较多,镜质组和惰质组仅含有极少量的两端开放透气性孔;壳质组比表面积和孔体积分形维数最小,镜质组最大。     

基于MATLAB的煤粒图像识别系统

设计开发一种基于MATLAB的煤粒图像识别系统,通过图像识别技术对煤粒图像进行分析,并且提取出适量的图像特征量进行分析比对,然后将相应参数作为神经网络的输入,对煤粒的密度级别进行预测。希望本文的研究能够对选煤新技术的发展以及选煤生产效率的提升起到一定的参考和借鉴意义。     

黄陵矿区煤层围岩油气测井识别研究

黄陵矿区含煤地层中油、气共存,在巷道掘进和回采过程中均出现油、气异常涌出,影响煤炭安全开采。利用矿区测井资料,分析了煤层围岩延安组和延长组地层的岩性和储层电性特征,通过与邻近水层对比研究,估算围岩油气异常地层电阻增大率小于2,储层流体判别对比度低。选择了合适的测井解释模型,计算得出储层孔隙度较低,含油气饱和度低于30%,解释为含油水层。综合认为,矿区煤层围岩油气层属于含油气丰度较低的低电阻率油气储层。在此基础上,运用地质方法进行巷道掘进或回采前油气预测,可以指导矿井瓦斯抽放作业。     

基于灰度识别的微粉煤灰分检测研究

基于对微粉煤中不同组分对于光反射差异的理论基础,不同灰分的微粉煤图像灰度参数与其灰分之间存在相关关系。实验及分析结果表明:在白色光下,不同灰分的微粉煤图像灰度方差与其灰分之间存在明显的正相关关系。通过MATLAB软件拟合了灰度方差与灰分值之间的函数关系式。最后,对拟合关系式的灰分预测效果进行了检验,达到了灰分预测的效果。     

基于BP神经网络的巷道围岩稳定性识别

本文从分析巷道围岩稳定性影响因素入手,确定了影响巷道围岩稳定性的主要分类指标。在分析BP神经网络的基本原理和学习算法的基础上,根据改进的BP神经网络建立了围岩稳定性分类的神经网络识别模型,并运用VC++6.0编写程序对学习样本实现了分类。