共查询到20条相似文献,搜索用时 31 毫秒
1.
针对钻孔返渣无法自动识别煤岩的问题,分析了煤岩识别方法和特征选择,利用提取明度分量、去噪处理、图像增强等技术对采集的钻渣样品图像进行预处理,再利用直方图辅助灰度阈值法分析煤岩图像,并采用最大类间方差法确定的最佳阈值对煤岩图像进行分割,识别分析分割后的煤岩图像.结果表明,采用灰度阈值法能准确识别出钻孔返渣样本中的煤岩成分... 相似文献
2.
针对目前采掘工作面是事故易发多发地带和煤岩界面的识别基本由人工来完成的现状,为了减少人员伤亡以及实现采矿自动化,研究了煤岩的自动识别技术。介绍了煤岩图像识别基础和小波变换原理,讨论了小波函数以及滤波长度、分解尺度的设置情况,提出利用Daubechies小波对煤岩图像进行分解,构造相应的纹理导向度,获得特征值参数表,最后通过Minkowski距离计算公式,得到待测样品与煤岩样品的空间距离,根据距离大小来实现对待测样品的识别。结果表明:该方法通过小波分解再抽取相应的特征值充分表达了煤岩图像的纹理特征信息,而且能成功识别煤岩图像获得了比其他分解方法更高的识别准确率。研究结果可为煤岩界面的自动识别提供理论参考,提供了新的思路。 相似文献
3.
现今的煤岩图像识别方法取得了一些阶段性的成果,但还无法满足实际需求。为了挖掘新的煤岩图像识别方法,研究了基于字典学习的煤岩图像特征提取与识别技术,提出用字典学习算法提取煤岩图像特征。字典学习算法采用随机选择的方法对字典进行初始化和更新。结合分类算法对煤岩图像进行分类识别,结果表明:通过字典学习,能简单有效表达煤岩图像的特征信息,获得了较高的识别率,且该特征提取方式具有较好的发展前景。研究结果可为煤岩界面的自动识别提供新的思路和方法。 相似文献
4.
针对橡胶输送带凹陷处在雨天易形成局部积水无法及时检测的问题,研究并提出了一种基于机器视觉的橡胶输送带积水识别方法。首先对采集图像预处理,通过直方图均衡化提高图像对比度,然后利用图像坐标自动截取感兴趣区域,再使用动态阈值法分割图像,最后进行白像素点个数判断,实现积水区域的识别与标记。该方法速度快、效率高,能够准确地检测出输送带上的积水; 相似文献
5.
6.
针对训练样本不足情况下的煤岩图像识别问题,提出了一种局部约束的自学习(LCSL)煤岩识别方法。该方法首先从辅助数据中通过局部约束的字典优化模型获取高层结构特征,这些辅助数据是无标签的非煤岩自然图像,与煤岩图像的特征分布不同,且更容易获取;然后利用学习的高层结构特征结合局部约束线性编码提取煤岩图像特征;最后利用SVM算法对煤岩图像进行分类识别。实验表明:通过该方法得到的特征能够有效地表征煤岩图像,具有很强的鉴别性和鲁棒性,达到了很好地识别效果,相比于原有煤岩识别方法平均识别率提高了1%~3%。 相似文献
7.
煤化程度和显微组分组成决定着煤的物理化学性质和工艺性质。煤的镜质组反射率和显微组分的煤岩自动化测定,不仅可以减少传统人工测定产生的差异,而且速度快、效率高,使煤岩测定结果应用于煤炭分类、煤炭加工利用等领域成为可能。国内外在煤岩自动化测定方面开展过大量研究工作,实现了镜质组反射率自动测定。但是由于煤岩显微组成和煤化程度影响的复杂性,显微组分的自动识别和图像分析测定仍然面临诸多难题。针对以上问题:①研制了煤岩显微图像自动采集硬件平台,具有显微镜自动聚焦、自动扫描和显微图像自动采集三大功能模块,建立了煤岩显微组分组图像自动识别工作流程;②开发了显微图像去噪预处理技术,可实现黏结剂与壳质组有效分割、受下方煤颗粒反射影响变亮黏结剂等的有效剔除,形成了基于Prewitt算子的煤岩显微组分假边界图像剔除技术;③开发出基于K均值聚类的煤岩显微组分组图像自动分割和识别技术;④形成了烟煤的煤岩显微组分组图像自动识别系统。应用本文研发的技术,对我国不同变质阶段烟煤的代表性煤样进行煤岩显微图像自动采集和显微组分组自动识别测定,并将测定结果与国内资深煤岩专家人工鉴定的标准结果进行比对。结果表明,两种方法测定的45个样品镜质组、惰质组、壳质组的极差平均值分别仅有2.3%,2.3%,1.5%;按照国家标准GB/T 18510—2001给出的准确度分析方法,获得3个显微组分组的统计量t_ct_t。 相似文献
8.
矿物识别是工艺矿物学的研究基础,针对矿物颜色作为镜下矿物鉴定主要依据的特点,为提高矿物识别效率,降低人工识别成本,提出了一种HSV颜色空间的阈值分割方法。利用双边滤波对采集的矿物显微图像进行预处理,消除噪声干扰,针对不同矿物颜色亮度的差异,在HSV颜色空间下分离H、S、V三通道的颜色分量图提取颜色阈值,并通过阈值分割操作获得目标矿物区域。对磁铁矿和黄铜矿共存的显微图像进行识别,并与传统的大津法和基于HSV颜色空间的阈值分割方法对比。结果表明,基于HSV颜色空间的矿物识别方法能够准确的识别区分开磁铁矿和黄铜矿,分割结果与人工标注的矿物位置基本符合,准确率达95%以上,且提高了识别速度,是机器视觉代替人眼视觉在矿物识别方面的一次探索。 相似文献
9.
基于图像分割的煤岩孔隙多尺度分形特征 总被引:2,自引:0,他引:2
根据煤岩孔隙系统的精确描述对流体运移机理的重要性,对来自6个不同矿区的煤岩进行了扫锚电镜观测,提出了基于扫锚电镜图像分割的煤岩孔隙多尺度分形研究方法.采用了图像分割算法中的灰度阈值分割、Laplacian边缘算子及Prewin边缘算子检测,提取了煤岩扫描电镜(SEM)图片中的大尺度裂隙、边界曲线以及小尺度孔隙特征;采用盒维数法计算了分形维数,研究了多重孔隙介质分形标度律存在的尺度与SEM放大倍数的关系.结果表明:大尺度裂纹分形标度律存在的下限尺度与7 500倍SEM观测尺度相对应;小尺度孔隙分形标度律存在的上限尺度与2 000倍的SEM观测尺度相对应;细观裂纹分维数反映了煤岩渗透性能;边界分维反映了流动边界的迂曲程度相关于流动阻力;微观孔隙分维相关于吸附性能. 相似文献
10.
最大类间方差法在图像分割中的应用 总被引:2,自引:0,他引:2
基于阈值分割的方法,在图像分割过程中,物体像素的灰度级与背景像素的灰度级有不同,可以将物体从背景中较好的分割出来,总能用封闭而且连通的边界定义不交叠的区域。本文针对细胞图像的特点,首先对细胞图像分别利用经典的Sobel算子和Log边缘检测进行阈值分割,此分割方法是基于最大类间方差准则的分割。然后利用最大类间方差法对图像进行阈值分割。分割效果较令人满意。经实验证实运算速度较快,实现起来较为简单。 相似文献
11.
高炉渣机械离心粒化过程中,基于图像识别的颗粒分割是实现粒径实时检测的关键因素。针对于高炉渣图像颗粒黏结而给测试带来困难的问题,在对图像做去噪处理后,结合改进的分水岭算法做颗粒分割,实现了黏结颗粒的准确分割。针对分水岭算法缺陷,结合积分图像的快速算法,对颗粒图像做局部阈值的二值化处理,并由形态学做细节弥补,采用了基于形态学重构距离图像算法以改进分水岭算法来分割颗粒图像,提高了处理效率,同时抑制了过分割现象,并准确地分割了黏结颗粒的图像,该算法为准确快速提取颗粒的特征参数奠定了基础。 相似文献
12.
煤岩图像识别是实现采掘工作面无人化的基础。研究了字典学习法、小波变换法、灰度共生矩阵法等主流算法在煤岩图像识别应用中的适用范围和存在的问题。提出了基于多参数融合的煤岩识别方法:提取温度、声音、振动、粉尘浓度、图像等特征参量,结合各自的优点,采用深度学习等先进技术,能够有效提高煤岩图像的鲁棒性及识别率。 相似文献
13.
14.
煤矿智能化处理离不开煤岩识别技术,煤岩识别可提升开采的效率。目前煤岩识别的研究中,趋向于利用图像处理进行信息融合。因此,研究提出基于多元信息融合的煤岩图像处理与识别设计,通过工业防爆数码摄像机进行煤岩数字图像的采集,结合决策级融合方式和Canny算子进行图像预处理。实验数据显示,优化之前的岩石和煤的识别准确率最高为0.79和0.81,优化之后的岩石和煤的识别准确率最高分别为0.96和0.95,说明煤岩识别系统通过随机梯度下降法,可提高约20%的平均识别预测准确率。研究结果表明,结合三维模型和多元信息融合的煤岩识别系统的适合准确率得到提升,能够结合图像识别对煤层走向进行预测,并提高识别的效率和准确性。 相似文献
15.
煤岩识别技术是实现煤矿工作面智能无人开采的关键技术之一。为进一步提高基于机器视觉实现煤岩界面图像识别的精度和效率,提出一种基于改进DeeplabV3+和迁移学习的煤岩界面图像识别网络模型:首先,使用轻量化MobilenetV2模块作为骨干特征提取网络,减少网络模型参数,提高语义分割效率;然后,在编码器和解码器中引入卷积注意力机制模块(CBAM),提高模型特征提取能力,并实现不同层级特征信息有效融合,提升模型分割精度;其次,采用迁移学习训练方法,克服样本分布差异性,增强模型泛化性,以适应于不同应用场景下的煤岩识别任务。应用自制煤岩分割数据集和综采面煤岩分割数据集验证模型性能,与FCN、SegNet、U-net、DeeplabV3+网络模型作对比试验,并选择准确度、平均交并比、推理时间等指标对模型识别效果进行评估。消融试验结果表明,改进DeepLabV3+网络模型在自制煤岩分割数据集上准确度和平均交并比分别为94.67%和93.48%,测试用时42.58 ms/张,采用推理加速框架TensorRT优化后推理时间可达6.14 ms/张,与其他模型相比,改进DeepLabV3+对煤岩边界细节特... 相似文献
16.
传统机器学习的煤岩识别技术大多数采用的是手工设计图像特征,并结合滑动窗口的方式对煤岩图像进行特征提取,再经过分类器进行分类和识别,存在图像特征设计难度大、耗时长、泛化性差等缺点。针对传统机器学习的这些缺点,采用了一种基于机器深度学习Faster R-CNN的煤岩识别方法。首先利用采煤机上的监控摄像机现场采集煤岩图片数据集,将图片输入到VGG16卷积神经网络,对煤岩图像特征进行提取,将提取出来的特征图经过区域建议网络(Region Proposal Network),对图像上的煤岩进行初步定位与分类,最后经过R-CNN网络精确定位分类,输出煤层边界点的像素坐标值。解算出监控摄像机内外置参数,结合理想针孔线性成像模型,将图片中所定位到的煤层边界点(煤层角点)的像素坐标值转化成矿井测量坐标值,为采煤机自动调整滚筒空间位置提供数据依据。 相似文献
17.
18.
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。 相似文献
19.
冲击地压和煤与瓦斯突出容易造成煤矿重特大事故。针对目前煤矿冲击地压和煤与瓦斯突出事故发生主要靠人工发现,结合灾害造成不同于正常工况下采掘工作面和巷道空间的颜色和深度特征,提出了一种基于深度特征的煤矿冲击地压和煤与瓦斯突出图像感知报警方法:在煤矿井下巷道顶板、巷帮靠近顶板以及采掘工作面液压支架顶部或靠近顶部等位置多点布置带有补光灯的彩色双目摄像机,实时采集采掘工作面和巷道空间彩色图像和深度图像;以煤矿井下与灾害抛出煤岩有着鲜明颜色差别的生产设备作为背景,监测识别是否出现彩色图像颜色发生较大变化;如果掘进巷道端头、巷道中间、巷道入口,或回采工作面,或进风巷道入口、巷道中间,或回风巷道入口、巷道中间,或主运输、辅助运输大巷等位置彩色双目摄像机监测到图像颜色发生较大变化,则监测彩色图像平均亮度是否小于设定的亮度阈值;如果平均亮度小于设定的亮度阈值,则以与灾害抛出煤岩有鲜明颜色差别的生产设备为背景,监测深度图像是否发生较大变化;如果深度图像发生较大变化,那么监测导致深度图像发生较大变化物体的移动速度是否大于设定的速度阈值(v>13 m/s);当移动速度大于设定速度阈值时,利用多点布置的甲烷... 相似文献