CN102496004B - 一种基于图像的煤岩界面识别方法与系统 - Google Patents
一种基于图像的煤岩界面识别方法与系统 Download PDFInfo
- Publication number
- CN102496004B CN102496004B CN 201110377347 CN201110377347A CN102496004B CN 102496004 B CN102496004 B CN 102496004B CN 201110377347 CN201110377347 CN 201110377347 CN 201110377347 A CN201110377347 A CN 201110377347A CN 102496004 B CN102496004 B CN 102496004B
- Authority
- CN
- China
- Prior art keywords
- coal
- image
- rock
- sigma
- gray level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000003245 coal Substances 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000005065 mining Methods 0.000 claims abstract description 17
- 238000004880 explosion Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 33
- 239000000284 extract Substances 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 230000001149 cognitive effect Effects 0.000 claims description 7
- 238000000265 homogenisation Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000003384 imaging method Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 30
- 238000005520 cutting process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005251 gamma ray Effects 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于图像的煤岩界面识别方法与系统。在采煤工作面分别采集多幅煤、岩的彩色图像,对于每一幅图像,提取一个基于图像特征的向量作为样本特征向量,得到煤和岩的已知样本集,然后以煤和岩的已知样本集作为训练样本集,采用Fisher线性判别法建立煤岩分类器模型。采煤机工作时实时采集滚筒截割过的煤岩的彩色图像,提取特征向量输入到煤岩分类器模型,识别出煤岩类型。本系统由光源模块、成像模块、处理模块和防爆外壳构成。本发明所提出的煤岩界面识别方法与系统具有结构简单、易于布置、适应性强等特点,能够实时、自动地识别出滚筒截割处的煤岩类型,为采煤机滚筒自动调高提供可靠的煤岩界面信息。
Description
技术领域
本发明涉及一种基于图像的煤岩界面识别方法与系统,用于识别煤矿井下采煤工作面煤层和顶底板岩层的分界面,属于图像识别技术领域。
背景技术
采煤机滚筒高度的调节主要依靠人工操作,即采煤机司机通过目视和听噪音的方式来判断采煤机滚筒是在割煤还是在割岩,然后调节滚筒的垂直位置。然而采煤工作面能见度低、噪声大,采煤机司机很难准确判断采煤机的截割状态,采煤机滚筒难免会截割到顶、底板岩石,由此造成一系列问题:①大量崩落的岩石混入原煤中,造成煤质下降和运输量增大;②增大了采煤机司机的劳动强度和危险性;③加剧截齿磨损,缩短截齿寿命;④截割坚硬顶底板可能会产生火花,对于高瓦斯矿极易引起瓦斯爆炸,形成恶性事故;⑤滚筒位置调节不当还可能造成顶底板煤剩留不均匀,降低回采率,同时顶底板表面不平整会使液压支架和刮板运输机推移困难,降低生产效率。
煤岩界面识别是实现采煤机滚筒自动调高的关键技术,即采用一种方法自动识别出采煤机在工作过程中截齿是否切入顶底板,或者识别出剩留顶底煤的厚度。煤岩界面识别对于减少采掘工作面作业人员直至实现工作面无人开采具有重要意义,既是煤矿安全高效生产的需要,又是减轻工人劳动强度和改善作业环境的需要。
世界各主要产煤国都十分重视煤岩界面识别方法的研究,提出了自然γ射线探测法、雷达探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法、记忆截割法等20多种识别传感机理。目前,较为成熟的技术有自然γ射线探测法和记忆截割法,已经应用到采煤机上。自然γ射线探测法对页岩顶板有较好的适应性,而对于砂岩顶板则适应性极差,在中国仅有20%左右的矿井适宜采用自然γ射线探测法。记忆截割法适合于地质条件好、煤层比较平整的矿井,而且必须通过采煤机司机的手动操作来调整工作参数,应用效果存在一定的局限性。
中国专利申请号201010160335.1,公开日2010.9.22,公开了一种掘进机煤岩识别自动截割控制方法与系统,该方法根据掘进机截割头的受力状况、截割电机和回转油缸的参数来计算当前截割位置处矿岩的普氏系数,与标准普氏系数比较后判断矿岩类型为煤或者岩。
中国专利申请号201010251520.1,公开日2010.12.22,公开了一种煤岩界面识别方法、识别系统及识别探头,通过将能够穿透煤层而不能穿透岩层的特定能级的高压水射流向巷道上方的煤层喷射,并实时感知被煤层或岩层反射的反射流对喷嘴形成的不同作用力,据此判断采煤机滚筒截齿上端与煤岩界面的距离。
目前的煤岩界面识别方法存在以下问题:①信号获取装置结构复杂,成本高。在应力截齿法中,需要对采煤机滚筒进行机械改造,加装测力截齿和测力传感器,在振动测试法中,需要在采煤机上加装加速度、扭振和扭矩等传感器,装置结构复杂,改造成本高。②不易部署,可靠性差。采煤机滚筒在截割过程中受力复杂、滚筒振动剧烈、磨损严重、粉尘大,传感器部署比较困难,容易导致机械构件、传感器和电气线路受到损坏,装置可靠性差。③适应性差。对于不同类型的滚筒、截齿,传感器的最佳类型和信号拾取点的选择存在较大区别,需要进行个性化定制,系统的适应性差。
发明内容
为了克服现有煤岩界面识别方法存在的不足,本发明提供一种基于图像的煤岩界面识别方法与系统,能够实时、自动地识别出滚筒截割处的煤岩类型是煤还是岩,为采煤机滚筒自动调高提供可靠的煤岩界面信息。
本发明所述的煤岩界面识别方法采用如下技术方案实现,包括如下步骤:
A.在采煤工作面分别采集多幅煤、岩的彩色图像,对于每一幅图像,提取一个基于图像特征的向量作为样本特征向量,得到煤和岩的已知样本集;
B.以煤和岩的已知样本集作为训练样本集,采用Fisher线性判别法建立煤岩分类器模型,模型参数包括Fisher准则函数极大值解w*和分界阈值y0;
C.采煤机工作时实时采集滚筒截割过的煤岩的彩色图像,提取特征向量x,输入煤岩分类器模型,计算y=(w*)Tx,如果y>y0,则识别煤岩类型为煤,如果y<y0,则识别煤岩类型为岩,如果y=y0,则拒绝识别。
基于灰度共生矩阵的特征参数有20种,以大量煤、岩图像样本数据为基础,采用主成分分析法(Principal ComponentAnalysis,PCA)分离出了四种对于区分煤岩贡献最大的特征值:显著聚类、对比度、能量和熵构成样本特征向量,有效地降低了数据维数。
所述步骤A中的样本特征向量的提取过程包括以下步骤:
A1.将采集的彩色图像转换成灰度图像;
A1.对灰度图像的灰度级进行粗量化处理;
A3.提取灰度图像在0°,45°,90°,135°四个方向的灰度共生矩阵;
A4.计算四个灰度共生矩阵的均值矩阵;
A5.对步骤A4得到的均值矩阵进行归一化处理;
A6.计算灰度共生矩阵的显著聚类、对比度、能量和熵,组成一个四维向量作为样本的特征向量。
所述步骤B包括以下步骤:
B1.分别计算煤、岩已知样本集的均值向量;
B2.分别计算煤、岩已知样本集的类内离散度矩阵;
B3.计算煤、岩两类样本集的总类内离散度矩阵;
B4.计算准则函数的极大值解w*;
B5.计算分界阈值y0。
煤岩识别系统的工作过程分为两个阶段:分类器模型建立阶段和自动识别阶段;在分类器模型建立阶段,识别系统在采煤机控制器的监视与控制下分别采集多幅煤和岩的彩色图像,提取出基于图像特征的样本特征向量,得到煤和岩的已知样本集,然后以已知样本集作为训练样本集建立煤岩分类器模型;在自动识别阶段,识别系统实时采集滚筒截割过的煤岩的彩色图像,提取出样本特征向量,输入煤岩分类器模型识别其类型。
本发明所述目的由以下提出的基于图像的煤岩界面识别系统得以实现。所述系统包括光源模块、成像模块、处理模块和防爆模块;所述光源模块用于辅助照射滚筒截割过的煤岩;所述成像模块用于采集煤岩的图像;所述处理模块用于完成煤岩识别任务;所述防爆模块用来满足井下防爆要求。
所述光源模块是由多组LED阵列组成的高亮度环形白光照明灯,LED阵列点亮的数量由处理模块控制,为采集煤岩图像提供合适的照明。所述成像模块是一个电荷耦合器件(CCD)相机,具有自动调焦和自动调节曝光功能,其采集动作由处理模块触发。所述处理模块负责光源调节、图像采集、图像处理、分类器模型建立和分类识别任务;处理模块由控制单元、成像单元、存储单元、图像处理与识别单元和通信接口组成;处理模块通过通信接口与采煤机控制器通信。
本发明的有益效果是,结构简单、易于布置、适应性强、识别率高,能够实时、自动地识别出滚筒截割处的煤岩类型,为采煤机滚筒自动调高提供可靠的煤岩界面信息。
附图说明
下面结合附图和具体实施方式对本发明作进一步的详细描述。
图1是本发明所述煤岩界面识别系统的工作原理框图;
图2是煤岩界面识别系统处理模块的结构框图;
图3是图像样本特征向量提取流程图;
图4是煤岩分类器模型建立流程图;
图5是煤岩分类器模型识别决策流程图。
图中,1.岩层,2.煤层,3.采煤机滚筒,4.煤岩截割面,5.成像模块,6.光源模块,7.处理模块,8.防爆外壳,9.视窗,10.采煤机控制器,21.控制单元,22.图像处理与识别单元,23.采集单元,24.存储单元,25.通信接口。
具体实施方式
首先对基于图像的煤岩界面识别系统的工作原理进行描述。参照图1,在采煤工作面,采煤机滚筒3截割由岩层1与煤层2构成的煤壁,煤岩识别系统实时采集滚筒截割过的煤岩割截面4的图像,根据图像纹理特征的不同来识别当前截割的对象是煤层还是岩层。煤岩识别系统由光源模块6,成像模块5,处理模块7和防爆外壳8组成。所述光源模块6是由多组LED阵列组成的高亮度环形白光照明灯,LED阵列点亮的数量由处理模块7控制,为采集煤岩图像提供合适照明。所述成像模块5是一个电荷耦合器件(CCD)相机,用于采集煤岩截割面4的图像,具有自动调焦和自动调节曝光功能,其采集动作由处理模块7触发;所述处理模块7负责光源调节、图像采集、图像处理、分类器模型建立和分类识别任务。所述防爆外壳8是为了满足煤矿井下的防爆要求,其中镶嵌的视窗9是高透光的。处理模块通过通信接口与采煤机控制器10通信,接收采煤机的控制指令。煤岩识别系统的工作过程分为两个阶段:分类器模型建立阶段和自动识别阶段。在分类器模型建立阶段,识别系统在采煤机控制器的监视与控制下分别采集多幅煤和岩的彩色图像,提取图像特征得到煤和岩的已知样本集,然后以已知样本集作为训练样本集获得分类器模型的参数;在自动识别阶段,识别系统实时采集滚筒截割过的煤岩的彩色图像,提取出样本特征向量,输入煤岩分类器模型识别其类型。
图2是处理模块的结构框图,处理模块由控制单元、成像单元、存储单元、图像处理与识别单元和通信接口组成。控制单元21是处理模块的控制核心,通过通信接口25与采煤机控制器10通信,根据采煤机控制器10的指令启动或关闭煤岩识别任务。图像处理与识别单元22控制采集单元23采集相机5所采集的图像数据并存储到存储单元24,图像处理与识别单元22再从存储单元24读取图像进行图像处理与识别。采集的图像可由通讯接口25传至采煤机控制器10上进行显示。相机5的采集动作由控制单元21触发,光源6中LED点亮数量由控制单元21控制。在分类器模型建立阶段,作业人员借助采煤机控制器10的监视器查看识别系统传回的工作面现场图像,调整滚筒高度,分别采集多幅煤和岩的彩色图像,然后建立煤岩分类器模型。在自动识别阶段,识别系统自动采集滚筒截割过的煤岩的彩色图像,输入到煤岩分类器模型识别出煤岩类型,识别结果经由通信接口传至采煤机控制器,采煤机控制器据此调节滚筒高度。图3是图像样本特征向量的提取流程,具体步骤包括:
(1)将采集的彩色图像转换成灰度图像(301)。设所采集的彩色数字图像为f,其R,G,B分量分别为fR,fG,fB,f的数据形式为三维数组,fR,fG,fB的数据形式为二维数组,数组元素的位置(x,y)对应图像中像素点的坐标,数组元素的值为图像(x,y)处像素点的灰度值,灰度值取区间[0,255]内的整数,其中0对应黑色,255对应白色。fR,fG,fB与f的关系为:
fR=f(:,:,1);fG=f(:,:,2);fB=f(:,:,3);
将彩色图像f转换为灰度图像F的计算公式为:
F(x,y)=0.299fR(x,y)+0.587fG(x,y)+0.114fB(x,y)
灰度图像F的数据形式为二维数组,F(x,y)表示图像F中(x,y)处的灰度值,灰度值取区间[0,255]内的整数,其中0对应黑色,255对应白色。
(2)对灰度图像F的灰度级进行粗量化处理(302)。如果一幅图像的灰度级为256,灰度共生矩阵的大小为256×256,计算量大,为节省计算时间,一般将灰度级粗量化,如将256级灰度图像变换成16级的灰度图像。经过粗量化处理后的图像虽有失真,但对纹理特征的影响不大。设灰度图像F的灰度级为N,粗量化处理后变为L级,灰度范围为[0,L-1]。其中灰度级0对应图像F的实际最小灰度值,L-1对应图像F的实际最大灰度值,其它灰度级均匀划分。
(3)提取灰度图像F在0°,45°,90°,135°四个方向的灰度共生矩阵(303)。灰度共生矩阵P(δ,θ)各个元素的计算公式为:
p(δ,θ)(i,j)=#{[(x1,y1),(x2,y2)]∈F|F(x1,y1)=i&F(x2,y2)=j}
#表示像素对的个数,i,j∈[0,L-1],x2=x1+δcosθ,y2=y1+δsinθ,δ取值为1,θ取值分别为0°,45°,90°,135°,得到的四个灰度共生矩阵分别为P(1,0°),P(1,45°),P(1,90°),P(1,135°)。
(4)计算四个灰度共生矩阵的均值矩阵(304)。在采煤工作面,煤层和岩层图像的纹理没有明显的方向性,因此求出四个矩阵的均值矩阵作为图像的灰度共生矩阵,计算公式为:
(5)对灰度共生矩阵P进行归一化处理(305)。
灰度共生矩阵均一化方法是原矩阵的每一项除以矩阵所有项的和,均一化矩阵PN每一项pN(i,j)的计算公式为:
其中p(i,j)为灰度共生矩阵P在(i,j)处元素的值。
(6)计算灰度共生矩阵PN的特征参数:显著聚类、对比度、能量和熵,组成一个四维向量作为该图像的样本特征向量(306),所选特征参数的计算公式如下:
(a)显著聚类
(b)对比度
(c)能量
(d)熵
图4是煤岩分类器模型建立流程图。在分类器模型建立阶段,系统分别采集N1幅煤图像和N2幅岩图像,通过特征提取得到N1个煤样本特征向量和N2个岩样本特征向量。设煤训练样本集为X1,样本数为N1,岩训练样本集为X2,样本数为N2。煤岩识别分类器模型的建立步骤包括:
(a)输入煤训练样本集X1(401)和岩训练样本集X2(402),求煤训练样本集的均值向量m1(403)和岩训练样本集的均值向量m2(404),计算公式为:
(b)求煤样本类内离散度矩阵S1(405)和岩样本类内离散度矩阵S2(406),计算公式为:
(c)求总类内离散度矩阵Sw(407),计算公式为:
Sw=S1+S2
(d)求Fisher准则函数极大值解w*(408),计算公式为:
w*=Sw -1(m1-m2)
(e)确定分界阈值y0(409),计算公式为:
图5是煤岩分类器模型识别决策流程图。系统实时采集滚筒截割过的煤岩的彩色图像(501),提取出图像的一个四维特征向量x(502),将其输入到煤岩识别分类器模型,计算y=(w*)Tx(503)。将y与分界阈值y0进行比较(504),如果y>y0,则识别煤岩类型为煤(505);如果y<y0,则识别煤岩类型为岩(507);如果y=y0,则拒绝识别(506)。
Claims (6)
1.一种基于图像的煤岩界面识别方法,特征在于,包括以下步骤:
A.在采煤工作面分别采集N1幅煤的彩色图像和N2幅岩的彩色图像,对于每一幅图像f,提取基于图像灰度共生矩阵的纹理特征:显著聚类、对比度、能量和熵作为样本特征向量,得到煤和岩的已知样本集X1、X2;
其中,提取基于图像灰度共生矩阵的纹理特征包括以下步骤:
A1.将采集的彩色图像f转换成灰度图像F,转换公式为:
F(x,y)=0.299fR(x,y)+0.587fG(x,y)+0.114fB(x,y),
其中,fR(x,y),fG(x,y),fB(x,y)为彩色图像f在(x,y)处的R,G,B分量,fR,fG,fB的数据形式为二维数组,数组元素的位置(x,y)对应图像中像素点的坐标,数组元素的值为图像(x,y)处像素点的灰度值,灰度值取区间[0,255]内的整数,0对应黑色,255对应白色,F(x,y)表示图像F中(x,y)处的灰度值;
A2.对灰度图像F的灰度级进行粗量化处理,将灰度级从256级降低为L级;
A3.提取灰度图像F在0°,45°,90°,135°四个方向的灰度共生矩阵P(1,0°),P(1,45°),P(1,90°),P(1,135°),矩阵元素p(δ,θ)(i,j)的计算公式为:
p(δ,θ)(i,j)=#{[(x1,y1),(x2,y2)]∈F|F(x1,y1)=i&F(x2,y2)=j},
其中,#表示像素对的个数,i,j∈[0,L-1],x2=x1+δcosθ,y2=y1+δsinθ,δ取值为1,θ取值分别为0°,45°,90°,135°;
A4.计算四个灰度共生矩阵P(1,0°),P(1,45°),P(1,90°),P(1,135°)的均值矩阵,公式为:
A5.对均值矩阵P进行归一化处理,均一化矩阵PN的每一项pN(i,j)的计算公式为:
A6.计算均一化矩阵PN的纹理特征:显著聚类、对比度、能量和熵,计算公式为:
显著聚类:
对比度:
能量:
熵:
其中 分别为灰度共生矩阵PN行、列的平均偏差;
B.以煤和岩的已知样本集X1、X2作为训练样本集,采用Fisher线性判别法建立煤岩分类器模型,模型参数包括Fisher准则函数极大值解w*和分界阈值y0,具体包括以下步骤:
B1.计算煤训练样本集X1的均值向量m1和岩训练样本集X2的均值向量m2,计算公式为:
B2.计算煤训练样本集X1的类内离散度矩阵S1和岩训练样本集X2的类内离散度矩阵S2,计算公式为:
B3.计算煤、岩两类训练样本集的总类内离散度矩阵Sw,计算公式为:
Sw=S1+S2;
B4.计算准则函数的极大值解w*,计算公式为:
w*=Sw -1(m1-m2);
B5.计算分界阈值y0,计算公式为:
C.实时采集采煤机滚筒截割过的煤岩的彩色图像,提取出样本特征向量x,输入到煤岩分类器模型,计算y=(w*)Tx,如果y>y0,则识别煤岩类型为煤,如果y<y0,则识别煤岩类型为岩,如果y=y0,则拒绝识别。
2.一种基于图像的煤岩界面识别系统,其特征在于,所述系统包括光源模块、成像模块、处理模块和防爆外壳;所述光源模块用于辅助照射滚筒截割过的煤岩;所述成像模块用于采集煤岩的图像;所述处理模块用于完成煤岩识别任务;所述防爆外壳用来满足井下防爆要求;所述煤岩界面识别系统的工作过程分为两个阶段:分类器模型建立阶段和自动识别阶段;在分类器模型建立阶段,识别系统在采煤机控制器的监视与控制下分别采集多幅煤和岩的彩色图像,提取出基于图像特征的样本特征向量,得到煤和岩的已知样本集,然后以已知样本集作为训练样本集建立煤岩分类器模型;在自动识别阶段,识别系统实时采集滚筒截割过的煤岩的彩色图像,提取出样本特征向量,输入煤岩分类器模型识别其类型;
其中,煤岩界面识别系统的工作过程包括以下步骤:
A.在采煤工作面分别采集N1幅煤的彩色图像和N2幅岩的彩色图像,对于每一幅图像f,提取基于图像灰度共生矩阵的纹理特征:显著聚类、对比度、能量和熵作为样本特征向量,得到煤和岩的已知样本集X1、X2;
其中,提取基于图像灰度共生矩阵的纹理特征包括以下步骤:
A1.将采集的彩色图像f转换成灰度图像F,转换公式为:
F(x,y)=0.299fR(x,y)+0.587fG(x,y)+0.114fB(x,y),
其中,fR(x,y),fG(x,y),fB(x,y)为彩色图像f在(x,y)处的R,G,B分量,fR,fG,fB的数据形式为二维数组,数组元素的位置(x,y)对应图像中像素点的坐标,数组元素的值为图像(x,y)处像素点的灰度值,灰度值取区间[0,255]内的整数,0对应黑色,255对应白色,F(x,y)表示图像F中(x,y)处的灰度值;
A2.对灰度图像F的灰度级进行粗量化处理,将灰度级从256级降低为L级;
A3.提取灰度图像F在0°,45°,90°,135°四个方向的灰度共生矩阵P(1,0°),P(1,45°),P(1,90°),P(1,135°),矩阵元素p(δ,θ)(i,j)的计算公式为:
p(δ,θ)(i,j)=#{[(x1,y1),(x2,y2)]∈F|F(x1,y1)=i&F(x2,y2)=j},
其中,#表示像素对的个数,i,j∈[0,L-1],x2=x1+δcosθ,y2=y1+δsinθ,δ取值为1,θ取值分别为0°,45°,90°,135°;
A4.计算四个灰度共生矩阵P(1,0°),P(1,45°),P(1,90°),P(1,135°)的均值矩阵,公式为:
A5.对均值矩阵P进行归一化处理,均一化矩阵PN的每一项pN(i,j)的计算公式为:
A6.计算均一化矩阵PN的纹理特征:显著聚类、对比度、能量和熵,计算公式为:
显著聚类:
对比度:
能量:
熵:
其中 分别为灰度共生矩阵PN行、列的平均偏差;
B.以煤和岩的已知样本集X1、X2作为训练样本集,采用Fisher线性判别法建立煤岩分类器模型,模型参数包括Fisher准则函数极大值解w*和分界阈值y0,具体包括以下步骤:
B1.计算煤训练样本集X1的均值向量m1和岩训练样本集X2的均值向量m2,计算公式为:
B2.计算煤训练样本集X1的类内离散度矩阵S1和岩训练样本集X2的类内离散度矩阵S2,计算公式为:
B3.计算煤、岩两类训练样本集的总类内离散度矩阵Sw,计算公式为:
Sw=S1+S2;
B4.计算准则函数的极大值解w*,计算公式为:
w*=Sw -1(m1-m2);
B5.计算分界阈值y0,计算公式为:
C.实时采集采煤机滚筒截割过的煤岩的彩色图像,提取出样本特征向量x,输入到煤岩分类器模型,计算y=(w*)Tx,如果y>y0,则识别煤岩类型为煤,如果y<y0,则识别煤岩类型为岩,如果y=y0,则拒绝识别。
3.根据权利要求2所述的系统,其特征在于,所述光源模块是由多组LED阵列组成的高亮度环形白光照明灯,LED阵列点亮的数量由处理模块控制,为采集煤岩图像提供合适的照明。
4.根据权利要求2所述的系统,其特征在于,所述成像模块是一个电荷耦合器件相机,具有自动调焦和自动调节曝光功能,其采集动作由处理模块触发。
5.根据权利要求2所述的系统,其特征在于,所述处理模块负责光源调节、图像采集、图像处理、分类器模型建立和分类识别任务;处理模块由控制单元、成像单元、存储单元、图像处理与识别单元和通信接口组成;处理模块通过通信接口与采煤机控制器通信。
6.根据权利要求2所述的系统,其特征在于,所述防爆外壳是为了满足煤矿井下的防爆要求,其中镶嵌的视窗是高透光的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110377347 CN102496004B (zh) | 2011-11-24 | 2011-11-24 | 一种基于图像的煤岩界面识别方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110377347 CN102496004B (zh) | 2011-11-24 | 2011-11-24 | 一种基于图像的煤岩界面识别方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102496004A CN102496004A (zh) | 2012-06-13 |
CN102496004B true CN102496004B (zh) | 2013-11-06 |
Family
ID=46187829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110377347 Active CN102496004B (zh) | 2011-11-24 | 2011-11-24 | 一种基于图像的煤岩界面识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102496004B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483706B (zh) * | 2014-10-22 | 2016-08-24 | 西安科技大学 | 一种基于煤岩力学参数的煤体结构测井定量识别方法 |
CN107909006A (zh) * | 2017-10-27 | 2018-04-13 | 天津美腾科技有限公司 | 基于图像处理的高岭岩识别分选系统 |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880858B (zh) * | 2012-08-30 | 2015-05-06 | 中国矿业大学(北京) | 一种煤岩图像自动识别方法 |
CN102852521B (zh) * | 2012-09-21 | 2014-12-10 | 中国矿业大学(北京) | 一种基于图像识别的采煤机滚筒自动调高方法 |
CN102930253B (zh) * | 2012-10-31 | 2015-04-01 | 中国矿业大学(北京) | 一种基于图像离散多小波变换的煤岩识别方法 |
CN103207999B (zh) * | 2012-11-07 | 2016-02-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
CN103174449B (zh) * | 2013-03-28 | 2015-12-23 | 北京天地玛珂电液控制系统有限公司 | 一种使用煤岩识别处理器的煤岩识别方法 |
CN103942576B (zh) * | 2014-04-09 | 2017-06-16 | 中国矿业大学(北京) | 一种用空域多尺度随机特征识别煤岩的方法 |
CN103927514B (zh) * | 2014-04-09 | 2017-07-25 | 中国矿业大学(北京) | 一种基于随机局部图像特征的煤岩识别方法 |
CN103927553B (zh) * | 2014-05-05 | 2017-02-15 | 中国矿业大学(北京) | 基于多尺度微纹理和对比度联合分布的煤岩识别方法 |
CN104373153A (zh) * | 2014-09-23 | 2015-02-25 | 中国矿业大学(北京) | 一种煤矿井下综放工作面的煤岩性状识别方法与系统 |
CN104732239B (zh) * | 2015-04-08 | 2018-04-03 | 中国矿业大学(北京) | 基于小波域非对称广义高斯模型的煤岩分类方法 |
CN104751193B (zh) * | 2015-04-24 | 2018-02-13 | 中国矿业大学(北京) | 基于距离约束相似性的煤岩识别方法 |
CN104751192B (zh) * | 2015-04-24 | 2017-12-22 | 中国矿业大学(北京) | 基于图像块共生特征的煤岩识别方法 |
CN104881434A (zh) * | 2015-04-29 | 2015-09-02 | 长江岩土工程总公司(武汉) | 一种基于图像特征的野外岩性智能识别方法 |
CN105184300A (zh) * | 2015-09-01 | 2015-12-23 | 中国矿业大学(北京) | 一种基于图像lbp的煤岩识别方法 |
CN105569658A (zh) * | 2015-12-12 | 2016-05-11 | 江苏师范大学 | 采用太赫兹成像技术的采煤机煤岩分布识别装置及方法 |
US10783610B2 (en) * | 2015-12-14 | 2020-09-22 | Motion Metrics International Corp. | Method and apparatus for identifying fragmented material portions within an image |
CN105809692B (zh) * | 2016-03-10 | 2017-05-03 | 中国石油大学(华东) | 一种页岩结构的定量表征方法 |
CN105842304B (zh) * | 2016-03-22 | 2019-04-30 | 中国矿业大学 | 一种新型的煤岩识别装置及方法 |
CN105913445B (zh) * | 2016-05-05 | 2019-01-18 | 河南理工大学 | 一种基于机器视觉的煤岩界面识别及定位方法 |
CN106194180B (zh) * | 2016-08-08 | 2017-05-24 | 西安科技大学 | 基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法 |
CN106645145A (zh) * | 2016-10-11 | 2017-05-10 | 山东为华智能设备制造有限公司 | 一种用表面结构和纹理对煤和煤矸石及铁块识别的技术 |
CN106960224A (zh) * | 2017-03-31 | 2017-07-18 | 湖北民族学院 | 土家织锦组织类型判定方法、装置及电子设备 |
CN107146279A (zh) * | 2017-04-25 | 2017-09-08 | 四川大学 | 一种基于共生相关函数的多孔介质三维建模方法 |
CN107727592B (zh) * | 2017-10-10 | 2020-10-09 | 中国矿业大学 | 一种基于煤岩高光谱反射特性的煤岩界面识别方法 |
CN107992901A (zh) * | 2017-12-18 | 2018-05-04 | 武汉大学 | 一种基于纹理特征的钻孔雷达影像岩层分类方法 |
CN108711146B (zh) * | 2018-04-19 | 2022-03-01 | 中国矿业大学 | 一种基于可见光和红外图像融合的煤岩识别装置及方法 |
CN109236292B (zh) * | 2018-07-06 | 2021-01-05 | 中国矿业大学 | 一种掘进机截割轨迹规划方法 |
CN109166113B (zh) * | 2018-08-23 | 2023-11-10 | 江苏中机矿山设备有限公司 | 一种采煤机截割控制系统及截割轨迹规划方法 |
CN109242833B (zh) * | 2018-08-23 | 2022-04-05 | 江苏中机矿山设备有限公司 | 一种采煤机截割控制方法 |
CN109444845B (zh) * | 2018-09-28 | 2023-05-23 | 中国矿业大学 | 基于固态激光雷达成像对煤岩界面进行识别的装置及方法 |
CN109886421B (zh) * | 2019-01-08 | 2021-09-21 | 浙江大学 | 基于集成学习的群智能采煤机切割模式识别系统 |
CN109934409B (zh) * | 2019-03-18 | 2022-12-27 | 西安科技大学 | 一种大采高煤壁工作面片帮预测网络及其预测方法 |
CN110399422B (zh) * | 2019-04-10 | 2020-06-16 | 浙江绩丰物联科技股份有限公司 | 实时数据提取显示平台 |
CN111058829B (zh) * | 2019-12-05 | 2021-06-25 | 中国矿业大学 | 基于图像处理的岩层分析方法 |
CN111337883B (zh) * | 2020-04-17 | 2022-02-08 | 中国矿业大学(北京) | 一种矿井煤岩界面智能探测识别系统及方法 |
CN111579501B (zh) * | 2020-05-21 | 2023-02-28 | 山东科技大学 | 一种基于氢键破裂的煤岩介质识别系统及识别方法 |
CN111931824B (zh) * | 2020-07-15 | 2024-05-28 | 中煤科工集团重庆研究院有限公司 | 一种基于钻孔返渣图像的煤岩识别方法 |
CN111855658A (zh) * | 2020-07-28 | 2020-10-30 | 山东科技大学 | 一种煤岩识别仪 |
CN112990169B (zh) * | 2021-05-20 | 2021-08-24 | 天津美腾科技股份有限公司 | 煤岩界面的识别方法、割煤轨迹的确定方法及装置 |
CN113137230B (zh) * | 2021-05-20 | 2023-08-22 | 太原理工大学 | 一种煤岩界面识别系统 |
CN113435294B (zh) * | 2021-06-23 | 2023-05-23 | 中国矿业大学(北京) | 基于图像与声音融合的煤岩界面定位识别方法 |
CN114961863B (zh) * | 2022-05-31 | 2023-02-28 | 中国矿业大学 | 基于自然γ射线的综采面煤岩界面识别方法 |
CN114998798A (zh) * | 2022-06-07 | 2022-09-02 | 北京天玛智控科技股份有限公司 | 煤岩界面识别模型训练方法、采煤机截割控制方法和装置 |
CN115165847B (zh) * | 2022-07-07 | 2024-06-25 | 中煤科工集团上海有限公司 | 煤岩光谱感知装置及包括其的采煤机 |
CN116427923B (zh) * | 2023-06-13 | 2023-09-05 | 三一重型装备有限公司 | 自适应截割方法、系统、掘进机、电子设备、介质和芯片 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201378855Y (zh) * | 2009-03-16 | 2010-01-06 | 徐州中矿大华洋通信设备有限公司 | 矿用隔爆兼本安型网络摄像仪 |
-
2011
- 2011-11-24 CN CN 201110377347 patent/CN102496004B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483706B (zh) * | 2014-10-22 | 2016-08-24 | 西安科技大学 | 一种基于煤岩力学参数的煤体结构测井定量识别方法 |
CN107909006A (zh) * | 2017-10-27 | 2018-04-13 | 天津美腾科技有限公司 | 基于图像处理的高岭岩识别分选系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102496004A (zh) | 2012-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102496004B (zh) | 一种基于图像的煤岩界面识别方法与系统 | |
CN102509087B (zh) | 一种基于图像灰度共生矩阵的煤岩识别方法 | |
CN202383714U (zh) | 一种基于图像的煤岩界面识别系统 | |
CN103207999B (zh) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 | |
CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN110043267A (zh) | 基于岩性与不良地质前兆特征识别的tbm搭载式超前地质预报系统及方法 | |
CN102495069B (zh) | 一种基于数字图像处理的拉链链带缺陷检测方法 | |
CN102930253A (zh) | 一种基于图像离散多小波变换的煤岩识别方法 | |
CN105913445B (zh) | 一种基于机器视觉的煤岩界面识别及定位方法 | |
CN101751603A (zh) | 在线棒型材图像自动计数设备及方法 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN109117838A (zh) | 应用于无人船感知系统的目标检测方法及装置 | |
CN101493888A (zh) | Pdc岩屑数字图像录井方法 | |
CN104751192A (zh) | 基于图像块共生特征的煤岩识别方法 | |
CN104653181A (zh) | 一种基于灰度识别技术的放顶煤开采过程混矸比例控制系统及方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN108120715A (zh) | 一种基于机器视觉的玉米籽粒破碎率在线检测方法及装置 | |
CN105184300A (zh) | 一种基于图像lbp的煤岩识别方法 | |
CN106529404A (zh) | 基于摄像原理的无人驾驶汽车对路面标志线的识别方法 | |
CN114067094A (zh) | 用于凿岩台车的多光谱摄像系统及围岩智能判识方法 | |
CN103942576B (zh) | 一种用空域多尺度随机特征识别煤岩的方法 | |
CN108280427A (zh) | 一种基于人流量的大数据处理方法 | |
CN110363749A (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
CN107610094B (zh) | 基于椭球立体表征的裂缝三维检测方法 | |
CN113184483A (zh) | 一种输送带防撕裂系统及预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |