基于机器视觉的煤矸石多工况识别研究

原煤入选前要进行预先排矸石操作,在多种工况下基于机器视觉对煤矸石进行识别。搭建图像采集装置采集煤块和块矸石图像,提取表面28个颜色和纹理特征参数,经过特征初步分析,将RGB空间特征作为冗余剔除。利用支持向量机作为分类器,并采用基于Relief算法权重的特征递归进一步筛选特征。将原煤表面状态分为外表面无煤泥且表面干燥、外表面无煤泥且表面湿润、外表面覆盖干煤泥、外表面覆盖湿煤泥4种类型。基于机器视觉对白芨沟矿的原煤进行识别试验,确定最优特征子集。在最优特征子集下进行多次随机取样识别试验,在4种不同工况下,5次随机实验的平均识别率大于等于94%,取得了满意的效果。