基于迁移学习的煤岩壳质组显微组分识别模型

为了提高煤岩壳质组显微组分的识别准确率,避免分类器构建中特征提取阶段的人工干预,采用深度学习的方法实现煤岩壳质组显微组分类别的自动识别.由于煤岩壳质组样本数有限,采用传统的卷积神经网络构建分类器对其识别容易产生过拟合,泛化能力较差.为解决该问题,提出了一种基于迁移学习的煤岩壳质组显微组分识别模型(分类器).该模型在传统...     

基于非下采样轮廓波变换的矿井图像增强算法

为提高煤矿井下低照度、大噪声图像的可观测性,提出了一种基于非下采样轮廓波变换的矿井图像增强算法,该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论,推导出了低照度含噪声图像的Retinex增强框架,该框架解除了噪声对估计光照图的干扰,并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架,首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数,解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域,利用R,G,B三个颜色通道的低频子带系数,求出3个低频子带系数的亮通道图像,但该亮通道图像存在细节突变和过低灰度值,不符合光照图缓慢变化的特征,对亮通道图像做进一步的Gamma校正和均值滤波,获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域,根据阈值函数收缩高频方向子带系数实现噪声抑制;最后,为突显某一频带方向的细节信息和提高整体对比度,将收缩的高频方向子带系数乘以相应的增益完成特定细节加强,再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明,该图像增强算法能够有效地实现矿井图像的...     

基于结构元的煤显微图像轮廓提取算法

针对煤显微组分结构复杂、提取其显微图像中有效组分轮廓存在较大难度的问题,提出一种基于结构元的轮廓提取算法。该法通过对结构元中架构与尺度的合理设计实现种子点的自动选择,以替代传统算法中种子点的人工选取,然后进行区域生长,再对区域生长后的图像进行形态学处理,最后用8邻域轮廓提取法获取煤显微图像中不同组分的轮廓。实验结果表明,由于结构元的合理选取,算法能够有效去除煤显微图像中的碎屑、黏胶及噪声区域,获取块状显微组分的有效轮廓。实验结果可以为煤显微图像自动分类与识别提供参考。     

基于改进极限学习机的焦煤惰质组分类方法

为提高焦煤惰质组显微组分分类的准确性,减少对分类器训练的人工干预,提出一种基于改进极限学习机(ELM)的焦煤惰质组显微组分分类方法。首先根据焦煤惰质组各显微组分在光特性及形貌特性上存在的差异及特点,从亮度、纹理等层面分别提取其显微图像中基于灰度统计分布的亮度比、均值、方差、偏度、一致性及峰度等6个亮度相关特征量和基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性及最大概率等5个纹理相关特征量,构建11维初始特征量集,并采用主成分分析法(PCA)对初始特征进行抽取以降低特征空间维数、去除信息冗余;再将奇异值分解引入到极限学习机中,推导利用奇异值分解求解ELM隐含层输出权值矩阵的方法,构建改进的极限学习机。改进后的极限学习机解决了普通的ELM训练中为了求解权值矩阵需要通过大量实验确定参数的问题,有效地提高了学习机的智能化程度。实验结果表明:与支持向量机(SVM)分类方法相比,改进后的ELM方法对分类器训练及样本测试的速度、对焦煤惰质组测试样本分类的准确率均明显提高;与单一的ELM方法相比,改进后的ELM方法分类器的网络训练更加快速便捷,网络隐含层节点数减少近40%,对测试样本分类的准确率进一步...     

煤岩显微组分组图像自动识别系统与关键技术

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。     

基于F-K变换的煤层透射槽波信号提取

槽波勘探是井下地震勘探的主要方式之一,能够在较大范围内探测出煤层中的断层、陷落柱、溶洞等地质异常体,对煤矿的安全生产具有重要作用。在透射法槽波勘探中,需要寻找出槽波的阻断位置以对断层进行定位。然而井下地震信号中波场成分复杂、信噪比低,槽波信号会被噪声所遮盖而很难寻找出具体的阻断位置。针对这一问题,根据槽波的频散特性,利用二维傅里叶变换将地震信号转换到F-K域并对其进行滤波,以消弱噪声和其它波场成分。实际工程中的应用效果表明,在经过F-K滤波后的地震数据中,可以较为容易的识别出槽波的阻断位置。     

基于小波变换的矿震波的P波和S波的识别

对矿震震相的自动识别是矿震信号分析和处理的主要目标之一。基于小波变换的多尺度分析思想,采用对信号进行小波处理后的小波系数代替原始信号,应用包含在小波变换系数中的信号偏振信息,提出了确定三分向的矿震信号P波和S波震相的小波变换方法。通过对矿震数据进行小波变换得到不同尺度下的P波和S波识别因子,进而形成确定P波和S波的特征函数,从而确定P波和S波的到时。通过用小波变换对木城涧矿矿震的实际资料进行处理分析,实现了P波和S波到时的自动拾取,取得了满意的结果。     

基于广义S变换的面波压制技术研究

利用时频分辨率可调的广义S变换方法压制面波,将时间域地震信号变换到时频域,在时频域确定干扰区域,利用时频滤波器压制面波,再变换回时间域,其结果是得到滤掉面波的地震信号.处理结果表明,广义S变换在时频域进行压制面波方法可以达到分频分时准确衰减面波的目的.     

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。     

基于τ-p变换的直达波与折射波衰减方法研究及应用

野外采集的原始地震资料中,直达波与折射波能量大大高于其他类型的信息;在资料处理过程中,首先要解决直达波与折射波对其他类型信号的干扰。常规的处理方法是将其切除,但切除的同时也切除掉了远偏移距的浅层信息;针对切除法的弊端,近年来开始利用直达波和折射波的线性特征,采用滤波法来衰减直达波和折射波,这种方法在衰减掉直达波与折射波的同时,可以有效保护远偏移据的有效信息,但是采用直接滤波法容易产生较多的噪音、假频进而影响保护下来的有效信息的信噪比;为了更有效地衰减直达波和折射波,采用Taup变换将有效信号滤除,仅保留直达波和折射波信息,然后采用自适应减法,从原始数据中减去直达波和折射波信息;这种方法能更有效地衰减掉直达波和折射波,保护远偏移距信号,在模型数据和实际数据中都取得了较好的效果。     

一种基于PCA与RBF-SVM的煤岩显微组分镜质组分类方法

在分析煤岩镜质组显微组分特点的基础上,针对其结构复杂、特征量多且相互交织从而影响分类准确性等问题,提出一种基于主成分分析(PCA)的煤岩显微组分镜质组分类方法。首先根据镜质组显微图像中各组分呈现的条状、团块、颗粒等纹理特点和亮度差异,采用基于灰度共生矩阵的能量、熵、惯性矩、局部平稳性等纹理特征量和基于灰度分布统计的亮度比、均值、均方差、三阶矩偏度等亮度相关特征量对其进行描述,构成初始特征量集;再采用主成分分析法对初始特征量集进行进一步的抽取;最后构建基于径向基函数的支持向量机(RBF-SVM),采用积累贡献率较大的主成分作为分类参量实现镜质组的自动分类。实验结果表明:纹理和灰度统计特征可有效刻画煤岩镜质组显微组分;采用PCA对初始特征进行抽取之后,用于分类的特征空间维数大幅度降低,分类算法的泛化能力增强,分类的准确率显著提高。     

基于小波变换的遥感影像融合与评价

阐述了小波变换的Mallat算法，同时对遥感影像融合的分析与评价进行了深入的探讨，提出了综合利用三类统计参数来进行评价的方法.经实验，评价结果与理论分析结果和目视效果相吻合，说明这些参数可以作为遥感影像融合的客观效果评价准则.     

多特征融合的遥感影像河流提取方法

针对遥感影像河流识别率较低问题,文中提出一种多特征融合的遥感影像河流提取方法.该方法首先利用多尺度分割算法将影像分割为不同的对象,提取影像对象的水体指数、阴影水体指数、局部纹理与颜色等特征,利用极限学习机进行训练和识别;然后,对极限学习机的粗检测结果利用多判据软投票法优化获得最优的水体检测结果;最后,利用高分二号数据进...     

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,本研究将采用U-Net网络模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,U-Net模型对露天矿区地物识别的精确率（Precision）、召回率（Recall）、F1分数（F1-score）值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的U-Net网络模型可以对露天矿区地物类型进行有效的自动识别,可以为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。     

基于极限学习机的采煤机功率预测算法研究

为减少对领域专家的过分依赖,实现企业专家经验知识的继承,面向采煤机方案设计中总体技术参数的确定过程,结合采煤机条件属性与决策属性间的映射关系,提出了基于极限学习机的采煤机功率预测模型。采用遗传算法选定最佳隐层神经元个数,利用递进方式比选确定激励函数,随机产生输入权值及隐元偏置,由此计算隐层节点输出矩阵、隐层与输出层连接权重,进而完成建模与优化。模型可根据用户输入的不同原始设计条件输出采煤机功率的预测值。选用某煤机企业的实例数据进行算例分析,将其与基于支持向量机回归预测模型进行对比,实验结果表明,ELM模型可实现600 ms内完成单次功率预测,预测值与真实值平均相对误差在2.5%以内。其预测精度优于SVM模型,且在学习速度方面优势明显,推理效率显著提高。     

基于改进YOLOv3的煤矸识别方法研究

煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求。基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试。测试结果表明：改进的YOLOv3-M在小样本上,可在短时间内使模型快速收敛,单张图像识别时间为21.6 ms,识别准确率为95.4%,能适应不同环境下的煤矸样本,可实现实时检测识别。     

基于改进万有引力算法的KELM瓦斯涌出量预测

针对瓦斯涌出量受其他因素的影响,并且存在着复杂的非线性关系,将核极端学习机与改进的万有引力算法相结合建立基于改进万有引力算法-KELM的瓦斯涌出量预测模型(IGSA-KELM瓦斯涌出量预测模型)。首先将输入样本作为KELM网络的输入量,然后采用改进的万有引力搜索算法对KELM网络的核参数和输出权值寻优,优化KELM网络的性能。测试结果表明,基于该方法预测的绝对瓦斯涌出量误差在0.1 m^3/min以内,提高了预测精度和预测效率。     

基于Curvelet变换和压缩感知的煤岩识别方法

针对小波难以表达煤岩图像的边缘曲线特征,影响识别精度的问题,提出一种基于曲波变换的方法,对煤岩图像边缘进行稀疏表示。该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,保留图像变换后的Coarse层低频系数,基于压缩感知理论,利用随机高斯矩阵对高频系数进行测量,实现高维系数降维,Coarse层低频系数与降维后的高频系数通过级联构成煤岩图像特征向量,最后结合支持向量机对煤岩图像进行分类识别。实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像边缘的曲线特征,所提出方法煤岩的分类准确率达93.75%,比Haar小波方法提高了4.37%,所用降维方法比线性降维方法提取的特征向量更加有利于煤岩图像的分类识别。     

煤系地层三维地质模型精细化表达研究

三维地质体建模精细化已成为现阶段建模技术日渐重视的研究方向之一。模型贴图作为地质体模型精细化表达的重要技术手段,长期处于建模环节中被忽略的部分,仅能初步实现粗糙的贴图效果,且存在贴图变形扭曲、边界缝隙等问题丞待解决。本文以某煤矿地层模型为研究对象,建立基础纹理样本库并提出了一种基于机器学习的纹理样本库扩充方法,采用Delaunay三角剖分技术对三维地质体进行重构,提高了网格模型质量,并选用切线空间法线贴图与边界无缝处理技术进行三维地质体贴图研究。研究结果表明,通过三角剖分以及法线技术贴图的三维地质体比现有三维地质体贴图效果更加精细美观,大大提高了三维地质体模型的真实感,解决了边界不连续的问题。