一种煤矸石识别方法、装置、设备及可读存储介质

1.本发明涉及煤矸石识别技术领域，尤其涉及一种煤矸石识别方法、装置、设备及可读存储介质。


背景技术：

2.煤炭是发展的重要一次能源，有力支撑着经济和社会平稳较快发展。煤矸石是煤炭开采过程中产生的主要固体废物，随着煤炭开采活动的增加，煤矸石的累积量大大增加，成为最大的工业残渣之一。高效的煤矸石识别一方面可以大大减少煤炭加工过程中煤矸石对选煤生产效率的影响，减少对生产设备的损伤；另一方面可以降低煤矸石的升井量，减少煤矸石对土壤、空气和水源等自然环境的危害。
3.随着计算机视觉技术和深度学习技术的不断发展，煤矸石图像识别法成为干法选煤的主要技术之一。传统的煤矸石图像识别过程主要包括图像特征提取和识别模型建立两个部分，识别准确率很大程度上决定于所设计的特征提取方法。但由于光照条件对人工设计提取的煤矸石图像特征影响明显，使得许多煤矸石图像识别技术的复现效果并不理想，对于推广煤矸石图像识别技术的工业应用不利。基于深度学习理论实现煤矸石图像识别，可以在大数据的基础上通过多层非线性变换自适应学习并提取图像多层显著特征，实现煤与煤矸石的准确识别。但由于工业现场煤矸石图像采集环境的不稳定性和我国矿种的复杂性，现有煤矸石数据集规模较小，难以保证包含具有多样性的矿物信息，深度学习模型多通过迁移学习完成训练，模型的泛化能力未得到有效评估。因此，仍需研究适于工业推广的新型煤矸石图像识别方法，在现有的技术上进行融合与创新。


技术实现要素：

4.针对现有技术中存在的问题，本发明提供了一种煤矸石识别方法、装置、设备及可读存储介质，提高了自然图像识别法中由于光照条件变化对人工设计特征识别的可靠性。
5.为了解决上述技术问题，本发明通过以下技术方案予以实现：
6.一种煤矸石识别方法，包括：
7.获取待识别煤与煤矸石混合物的激光散斑图像；
8.将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，所述煤矸石识别模型输出识别得到的煤矸石信息。
9.进一步地，所述将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中之前，还包括：
10.对所述煤与煤矸石混合物的激光散斑图像进行预处理。
11.进一步地，所述对所述煤与煤矸石混合物的激光散斑图像进行预处理，包括：
12.对所述煤与煤矸石混合物的激光散斑图像进行滤波处理；
13.对滤波处理后的煤与煤矸石混合物的激光散斑图像进行图像增强处理。
14.进一步地，所述煤矸石识别模型的构建方法包括：
15.获取煤矸石训练数据集，所述煤矸石训练数据集包括若干组煤矸石训练数据，每组所述煤矸石训练数据均包括：煤矸石激光散斑图像以及煤矸石激光散斑图像对应的灰度特征和纹理特征；
16.利用所述煤矸石训练数据集训练svm模型，得到所述煤矸石识别模型。
17.进一步地，所述获取煤矸石训练数据集，包括：
18.获取若干煤与煤矸石混合物的激光散斑图像；
19.对每个煤与煤矸石混合物的激光散斑图像进行滤波处理；
20.对滤波处理后的每个煤与煤矸石混合物的激光散斑图像进行图像增强处理；
21.对图像增强处理后的每个煤与煤矸石混合物的激光散斑图像进行图像分割，得到若干煤矸石激光散斑图像；
22.对每个煤矸石激光散斑图像进行尺寸归一化；
23.提取尺寸归一化后的每个煤矸石激光散斑图像的灰度特征和纹理特征，得到所述煤矸石训练数据集。
24.进一步地，所述灰度特征包括灰度均值和灰度方差，具体如下：
[0025][0026][0027][0028]
式中，m为灰度均值；σ2为灰度方差；p(b)为每个灰度级的概率；b为煤矸石激光散斑图像中的一个灰度级；n(b)为灰度级为b的像素数量；m*n为煤矸石激光散斑图像中的像素总数；
[0029]
所述纹理特征包括角二阶矩、熵、对比度和逆方差，具体如下：
[0030][0031][0032]
[0033][0034]
式中asm为角二阶矩；ent为熵；con为对比度；idm为逆方差；p(j,k|l,α) 为煤矸石激光散斑图像中像素点(x,y)的所有α方向，相邻间隔为l的像素对中一个灰度值取j，另一个灰度值取k的相邻像素对出现的频度，和k表示灰度值， l为相邻间隔。
[0035]
一种煤矸石识别装置，包括：
[0036]
获取模块，用于获取待识别煤与煤矸石混合物的激光散斑图像；
[0037]
识别模块，用于将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，所述煤矸石识别模型输出识别得到的煤矸石信息。
[0038]
进一步地，还包括：
[0039]
设置在待识别煤与煤矸石混合物上方的扩束镜、设置在所述扩束镜上方的激光器、设置在待识别煤与煤矸石混合物上方的工业相机以及计算机；
[0040]
所述激光器用于通过所述扩束镜向所述待识别煤与煤矸石混合物发射激光；
[0041]
所述扩束镜用于将所述激光进行扩束增大后照射到所述待识别煤与煤矸石混合物表面；
[0042]
所述工业相机用于采集所述待识别煤与煤矸石混合物的激光散斑图像；
[0043]
所述获取模块和所述识别模块内嵌在所述计算机中，所述获取模块通过所述工业相机获取所述待识别煤与煤矸石混合物的激光散斑图像。
[0044]
一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种煤矸石识别方法的步骤。
[0045]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的一种煤矸石识别方法的步骤。
[0046]
与现有技术相比，本发明至少具有以下有益效果：
[0047]
本发明提供的一种煤矸石识别方法，额外引入了激光光源，通过获取待识别煤与煤矸石混合物的激光散斑图像，将煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，煤矸石识别模型输出识别得到的煤矸石信息。煤与煤矸石混合物的激光散斑图像包含了丰富的煤矸石表面灰度与纹理信息，与其它光源相比，激光具有抗干扰性强、方向性强和相干性强等特点，使得所获取的待识别煤与煤矸石混合物的激光散斑图像能够更好地应对环境光照变化情况，在复杂工业条件下，煤与煤矸石混合物的激光散斑图像受采集光照因素影响较弱、获取的图像信息更可靠、不具有辐射危害，有效改善了自然图像识别法由于环境光照变化导致煤矸石识别不稳定问题。
[0048]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0049]
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实
施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1是本发明一种煤矸石识别方法的总体流程图；
[0051]
图2是本发明一种煤矸石识别系统的示意图；
[0052]
图3是本发明实施例的煤矸石激光散斑图像区域。
[0053]
其中：1-激光器，2-扩束镜，3-工业相机，4-皮带输送机，5-煤矸石，6
‑ꢀ
计算机，7-可调led光源。
具体实施方式
[0054]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055]
作为本发明的某一具体实施方式，如图1所示，一种煤矸石识别方法，具体包括以下步骤：
[0056]
s1、获取待识别煤与煤矸石混合物的激光散斑图像。
[0057]
如图2所示，本实施方式中，煤与煤矸石混合物通过皮带输送机4进行运输，煤与煤矸石混合物中包含煤矸石5，在皮带输送机4上方架设扩束镜2、激光器1和工业相机3，将工业相机3与计算机6连接，激光器1的激光发射端朝向扩束镜2，当煤与煤矸石混合物到达定点位置时，激光器1发射相干激光光束，激光通过扩束镜2进行扩束增大后照射到所述待识别煤与煤矸石混合物表面，工业相机3采集煤与煤矸石混合物空间自由散斑图像，即采集到待识别煤与煤矸石混合物的激光散斑图像，工业相机3最后将采集的待识别煤与煤矸石混合物的激光散斑图像发送给计算机6进行处理。
[0058]
优选的，还包括可调led光源7，可调led光源7与计算机6连接，可调led光源7用于补光。
[0059]
本实施例中，激光器1采用红光半导体激光器，工业相机3采用cmos 相机，cmos相机的曝光时间设置为3000μs。
[0060]
s2、将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，所述煤矸石识别模型输出识别得到的煤矸石信息。
[0061]
作为更加优选的实时方式，由于激光光束在空气中传播，受到悬浮的空气微粒影响产生散粒噪声，因此，在将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中之前，还包括：
[0062]
对所述煤与煤矸石混合物的激光散斑图像进行滤波处理，具体地说，对待识别煤与煤矸石混合物的激光散斑图像采用高斯滤波提高图像质量；
[0063]
对滤波处理后的煤与煤矸石混合物的激光散斑图像进行图像增强处理，具体地说，采用限制对比度自适应直方图均衡化调整待识别煤与煤矸石混合物的激光散斑图像的亮度与对比度。
[0064]
本实施方式中，对所述煤矸石识别模型的构建方法，具体如下：
[0065]
a.获取煤矸石训练数据集，所述煤矸石训练数据集包括若干组煤矸石训练数据，
每组所述煤矸石训练数据均包括：煤矸石激光散斑图像以及煤矸石激光散斑图像对应的灰度特征和纹理特征.
[0066]
具体地说，所述获取煤矸石训练数据集，具体包括：
[0067]
a1.获取若干煤与煤矸石混合物的激光散斑图像。
[0068]
a2.对每个煤与煤矸石混合物的激光散斑图像进行滤波处理，具体地说，对每个煤与煤矸石混合物的激光散斑图像采用高斯滤波提高图像质量。
[0069]
a3.对滤波处理后的每个煤与煤矸石混合物的激光散斑图像进行图像增强处理，具体地说，采用限制对比度自适应直方图均衡化调整每个煤与煤矸石混合物的激光散斑图像的亮度与对比度。
[0070]
a4.对图像增强处理后的每个煤与煤矸石混合物的激光散斑图像进行图像分割，得到若干煤矸石激光散斑图像(如图3所示)；本实施例中，采用最大类间方差自适应阈值算法对每个煤与煤矸石混合物的激光散斑图像进行图像分割。
[0071]
a5.对每个煤矸石激光散斑图像进行尺寸归一化。
[0072]
a6.提取尺寸归一化后的每个煤矸石激光散斑图像的灰度特征和纹理特征，得到所述煤矸石训练数据集；
[0073]
优选的，所述灰度特征包括灰度均值和灰度方差，具体地说，基于灰度统计直方图提取灰度均值和灰度方差，具体如下：
[0074][0075][0076][0077]
式中，m为灰度均值；σ2为灰度方差；p(b)为每个灰度级的概率；b为煤矸石激光散斑图像中的一个灰度级；n(b)为灰度级为b的像素数量；m*n为煤矸石激光散斑图像中的像素总数。
[0078]
所述纹理特征包括角二阶矩、熵、对比度和逆方差，具体地说，基于灰度共生矩阵提取角二阶矩、熵、对比度和逆方差，具体如下：
[0079][0080]
[0081][0082][0083]
式中asm为角二阶矩；ent为熵；con为对比度；idm为逆方差；p(j,k|l,α) 为煤矸石激光散斑图像中像素点(x,y)的所有α方向，相邻间隔为l的像素对中一个灰度值取j，另一个灰度值取k的相邻像素对出现的频度，其中，α通常取0
°
， 45
°
，90
°
，135
°
，j和k表示灰度值，l为相邻间隔。
[0084]
灰度共生矩阵用两个位置的像素的联合概率密度来定义，不仅反映亮度分布特性，同时反应空间中具有同样亮度像素之间的位置分布。
[0085]
角二阶矩又称能量(asm)反映了图像灰度分布均匀程度和纹理粗细程度。熵值反映了图像信息量的随机性度量，当共生矩阵中所有值均相等或者像素值表现出最大的随机性时，熵最大。对比度反映了图像的清晰度和纹理的沟纹深浅。逆方差反映了图像纹理局部变化的程度。
[0086]
b.利用所述煤矸石训练数据集训练svm模型，得到所述煤矸石识别模型。
[0087]
具体地说，训练时，不仅包括煤矸石训练数据集，还包括煤矸石测试数据集，构建svm模型进行识别，参考精确率和召回率，对煤矸石识别结果进行评价，其中：
[0088][0089][0090]
precision为预测为正类的数据里预测正确的比例；recall为真实为正类的数据里预测正确的比例；tp指将正类预测为正类；fp指将负类预测成正类；fn 指将把正类预测为负类。
[0091]
本发明提供了一种煤矸石识别装置，包括：
[0092]
获取模块，用于获取待识别煤与煤矸石混合物的激光散斑图像。
[0093]
识别模块，用于将所述煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，所述煤矸石识别模型输出识别得到的煤矸石信息。
[0094]
如图2所示，本实施例中，煤矸石识别装置包括：设置在待识别煤与煤矸石混合物上方的扩束镜2、设置在扩束镜2上方的激光器1、设置在待识别煤与煤矸石混合物上方的工业相机3、设置在待识别煤与煤矸石混合物上方的可调led光源7和计算机6，激光器1、工业相机3和可调led光源7分别与计算机6，获取模块和识别模块内嵌在计算机中，获取模块与识别模块连接。
[0095]
激光器用于通过扩束镜向待识别煤与煤矸石混合物发射激光；扩束镜用于将激光进行扩束增大后照射到待识别煤与煤矸石混合物表面；工业相机用于采集待识别煤与煤矸石混合物的激光散斑图像；获取模块通过工业相机获取待识别煤与煤矸石混合物的激光散
斑图像，识别模块将煤与煤矸石混合物的激光散斑图像输入预先构建的煤矸石识别模型中，煤矸石识别模型输出识别得到的煤矸石信息。
[0096]
本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor、dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于实现一种煤矸石识别方法的操作。
[0097]
本发明在一个实施例中，一种煤矸石识别方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
[0098]
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。
[0099]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0100]
本技术是参照本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0101]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0102]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计
算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0103]
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。