CN112990028A - 基于分类器对煤和矸石进行分类的方法和煤矸分选装置 - Google Patents

Abstract

本申请是关于一种基于分类器对煤和矸石进行分类的方法和煤矸分选装置，能够有效地提高识别煤和矸石的准确性，进一步提升煤和矸石的分选效率。该方法包括：首先，获取对煤和矸石成像后得到的高光谱图像；其次，通过目标分类器对高光谱图像中的每个像素点进行分类，得到每个像素点的类别，该类别为煤、矸石或皮带；最后，根据每个像素点的类别得到煤和矸石在高光谱图像中的分类结果。

Description

基于分类器对煤和矸石进行分类的方法和煤矸分选装置

技术领域

本申请涉及高光谱成像技术领域，尤其涉及一种基于分类器对煤和矸石进行分类的方法和煤矸分选装置。

背景技术

在成煤的过程中，煤形成的同时会产生一种含碳量较低的岩石，称之为煤矸石。煤矸石会影响成品煤的产品质量，因此如何将煤矸石从煤流中分离是一个煤矿企业需着力解决的问题。

目前，在相关技术中，煤矸分选方法一般包括以下两类：一、干选法分选；二、湿选法分选等。

上述相关技术中，均在一定程度上存在煤矸分选识别准确率低的技术缺陷。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种基于分类器对煤和矸石进行分类的方法和煤矸分选装置，能够有效地提高识别煤和矸石的准确性，进一步提升煤和矸石的分选效率。

本申请第一方面提供了一种基于分类器对煤和矸石进行分类的方法，包括：首先，获取对煤和矸石成像后得到的高光谱图像；其次，通过目标分类器对高光谱图像中的每个像素点进行分类，得到每个像素点的类别，该类别为煤、矸石或皮带；最后，根据每个像素点的类别得到煤和矸石在高光谱图像中的分类结果。

通过以上技术方案，可以实现：一方面，该目标分类器是可以区分煤、矸石或皮带的分类器，另一方面，该目标分类器对高光谱图像中的每个像素点进行了分类后，基于每个像素点的类别得到煤和矸石在该高光谱图像中的分类结果，基于上述两方面可以有效地提高识别煤和矸石的准确性，进一步提升煤和矸石的分选效率。

在第一方面的一种可能的实现方式中，所述目标分类器是以在所述高光谱图像中划分的ROI区域以及ROI区域对应的类别为训练集进行训练后得到。

在该种实现方式中，目标分类器的训练集为在所述高光谱图像中划分的ROI区域以及ROI区域对应的类别；通过该训练集训练得到的目标分类器，其分类结果更加准确，可以进一步提高识别煤和矸石的准确性。

在第一方面的一种可能的实现方式中，所述目标分类器采用支持向量机。

在该种实现方式中，使用支持向量机SVM可以找到那些对类别之后有较大区分能力的支持向量，以此来构造出分类器，可以将类与类之间的间隔最大化，具有较好的分类效果。

在第一方面的一种可能的实现方式中，所述获取所述高光谱图像，包括：使用ENVI软件打开所述高光谱图像对应的图像文件，并显示所述高光谱图像中部分成像通道对应的高光谱数据。

在该种实现方式中，在ENVI软件中实现上述分类方法，可以提升分类效率，快速获取分类结果。

在第一方面的一种可能的实现方式中，所述高光谱图像中部分成像通道包括：可以区分煤和矸石的多个波段对应的成像通道，波段与成像通道一一对应。

在该种实现方式中，成像通道为可以区分煤和矸石的多个波段对应的成像通道，说明成像通道具有识别煤和矸石的效果，基于该类成像通道得到的高光谱图像再使用目标分类器对煤和矸石进行分类，可以进一步提高识别准确性，提升煤矸分选效率。

在第一方面的一种可能的实现方式中，所述方法还包括：在所述ENVI软件中使用预设比例的线性拉伸对所述高光谱数据进行预处理。

在该种实现方式中，在所述ENVI软件中使用预设比例的线性拉伸对所述高光谱数据进行预处理，可以使高光谱图像获得更好的显示效果。

在第一方面的一种可能的实现方式中，所述方法还包括：使用ENVI软件对煤和矸石在所述高光谱图像中的分类结果进行评估，得到评估结果。

在该种实现方式中，通过使用ENVI软件对煤和矸石在高光谱图像中的分类结果进行评估，得到评估结果，可以有效地对该分类结果进行评估，以便对该方法及其操作进行改良、调整等。

本申请第二方面提供了一种煤矸分选装置，包括：获取模块和分类模块，其中，获取模块，用于获取对煤和矸石进行成像后得到的高光谱图像；分类模块，用于：利用目标分类器对所述高光谱图像中的每个像素点进行分类，得到每个像素点的类别，所述类别包括：煤、矸石或皮带；以及，根据所述每个像素点的类别得到煤和矸石在所述高光谱图像中的分类结果。

在第二方面的一种可能的实现方式中，所述获取模块具体用于：使用ENVI软件打开所述高光谱图像对应的图像文件，并显示所述高光谱图像中部分成像通道对应的高光谱数据。

在第二方面的一种可能的实现方式中，所述获取模块还用于：在所述ENVI软件中使用预设比例的线性拉伸对所述高光谱数据进行预处理。

在第二方面的一种可能的实现方式中，所述煤矸分选装置还包括：评估模块，所述评估模块用于：使用ENVI软件对煤和矸石在所述高光谱图像中的分类结果进行评估，得到评估结果。

本申请第三方面提供了一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上第一方面及其任意一种实现方式中所述的基于分类器对煤和矸石进行分类的方法。

本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上第一方面及其任意一种实现方式中所述的基于分类器对煤和矸石进行分类的方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1为本申请实施例中提供的高光谱成像系统的一个系统结构图；

图2为本申请实施例中基于分类器对煤和矸石进行分类的方法的一个实施例示意图；

图3为本申请实施例中基于分类器对煤和矸石进行分类的方法的另一个实施例示意图；

图4为本申请实施例中提供的煤矸分选装置的一个结构示意图；

图5为本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

本申请中提供的基于分类器对煤和矸石进行分类的方法，可适用于煤矸分选场景中，能够有效地提高识别煤和矸石的准确性，进一步提升煤和矸石的分选效率，最终可以提高成煤的质量。

本申请中基于分类器对煤和矸石进行分类的方法可以在高光谱成像系统中实现，图1为本申请实施例中提供的高光谱成像系统的一个系统结构图，如图1所示，该高光谱成像系统中包括：高光谱相机、卤素灯、传送带、计算机、待测物体，其中待测物体为煤和矸石，该计算机上安装有成像软件，该成像软件可以对成像得到的高光谱数据进行显示和存储，例如，成像软件可以将成像得到的高光谱数据保存为ENVI的标准格式的图像文件。可选的，上述计算机上还可以安装ENVI软件，其中ENVI软件来对得到的高光谱图像进行处理，以实现对煤和矸石的分类。

需要说明的是，本申请中煤矸分选装置的功能具体可以是通过上述高光谱成像系统中的计算机成像软件实现。

为了便于理解本申请的技术方案，下面结合具体的实施例对本申请中基于分类器对煤和矸石进行分类的方法进行详细说明，具体如下：

201、煤矸分选装置获取对煤和矸石进行成像后得到的高光谱图像。

本实施例中，高光谱图像是利用高光谱相机对煤和矸石进行成像得到。可选的，高光谱相机可以是：近红外和短波红外相机。可选的，煤和矸石具体可以是：在煤流传送带上传输的煤和矸石。

在本申请的一些实施方式中，在利用高光谱相机对煤和矸石进行成像得到高光谱图像之后，可以使用ENVI软件对该高光谱图像进行处理。具体的可以是：使用ENVI软件打开高光谱图像对应的图像文件，并显示高光谱图像中部分成像通道对应的高光谱数据。

其中，ENVI软件，ENVI英文全称为：The Environment for Visualizing Images，是美国ITT Visual Information Solutions公司的旗舰产品，是一套功能强大的遥感图像处理软件，是一个完整的遥感图像处理平台。需要说明的是，一张ENVI的标准格式的高光谱数据包括：一个.img后缀名的文件和一个.hdr后缀名的文件。其中.img文件里面即是几百个通道的高光谱数据，.hdr文件相当于是一个头文件，里面记录高光谱数据的一些波段信息、通道数等内容。

在本申请的一些实施方式中，该方案还可以包括：在ENVI软件中使用预设比例的线性拉伸对高光谱数据进行预处理。可选的，该预设比例可以为：2％。应理解，使用线性拉伸对高光谱数据进行预处理，可以使得高光谱图像获得更好的显示效果。

高光谱相机中具有几百个成像通道，一个成像通道对应一个波段，在对煤和矸石成像时并不会使用到所有的通道，可以选择其中的部分通道进行成像。

在本申请的一些实施方式中，上述高光谱图像中部分成像通道包括：可以区分煤和矸石的多个波段对应的成像通道，波段与成像通道一一对应。在该种实施方式中，成像通道为可以区分煤和矸石的多个波段对应的成像通道，说明成像通道具有识别煤和矸石的效果，基于该类成像通道得到的高光谱图像再使用目标分类器对煤和矸石进行分类，可以进一步提高识别准确性，提升煤矸分选效率。

202、煤矸分选装置利用目标分类器对高光谱图像中的每个像素点进行分类，得到每个像素点的类别，类别包括：煤、矸石或皮带。

可选的，目标分类器可以是以在高光谱图像中划分的ROI区域以及ROI区域对应的类别为训练集进行训练后得到。

可选的，目标分类器采用支持向量机SVM。

在本申请的一种实施例方式中，目标分类器是采用支持向量机SVM，并以在高光谱图像中划分的ROI区域以及ROI区域对应的类别为训练集进行训练后得到。

以ENVI软件为例，在ENVI软件中对该高光谱数据新建感兴趣的区域ROI，并建立煤和矸石两个类别，或建立煤、矸石和皮带三个类别，并针对划分的类别，使用ENVI软件中的多边形工具在高光谱数据图像上划分各自类别对应的样本区域即ROI区域。需要说明的是，在使用多边形工具进行框选时，要尽量选择独立的ROI区域，即在划分煤的类别的ROI区域时候，不要将别的类别的ROI区域也划分进来。

应理解，煤矸分选装置使用目标分类器对高光谱图像中的每个像素点进行分类，确定每个像素点所属的类别为煤、矸石或皮带。当然，若存在像素点不是上述三类别，则该像素点会被标记为无法识别的类别。

203、煤矸分选装置根据每个像素点的类别得到煤和矸石在该高光谱图像中的分类结果。

在使用目标分类器分类得到每个像素点的类别之后，即获知了高光谱图像中是煤这个类别的所有像素点、以及是矸石这个类别的所有像素点。因此，煤矸分选装置便可以得到煤和矸石在高光谱图像中的分类结果即分布。

应理解，一块煤或一块矸石肯定包括若干个像素点，在得到每个像素点的类别之后，煤矸分选装置可以使用标注工具对高光谱图像中煤和矸石进行标注，以便清晰地获知煤和矸石的位置信息。

在本申请的一些实施方式中，该方法还可以包括：使用ENVI软件对煤和矸石在高光谱图像中的分类结果进行评估，得到评估结果。具体来说，可以使用混淆矩阵或者ROC曲线等方法，来验证分类效果。

在本申请实施例中，首先，获取对煤和矸石成像后得到的高光谱图像；其次，通过目标分类器对高光谱图像中的每个像素点进行分类，得到每个像素点的类别，该类别为煤、矸石或皮带；最后，根据每个像素点的类别得到煤和矸石在高光谱图像中的分类结果。容易理解，一方面，该目标分类器是可以区分煤、矸石或皮带的分类器，另一方面，该目标分类器对高光谱图像中的每个像素点进行了分类后，基于每个像素点的类别得到煤和矸石在该高光谱图像中的分类结果，基于上述两方面可以有效地提高识别煤和矸石的准确性，进一步提升煤和矸石的分选效率。

为了进一步理解本申请中基于分类器对煤和矸石进行分类的方法，下面结合该方法在ENVI软件中的具体实现方式对其进行详细说明，具体如下：

图3为本申请实施例中基于分类器对煤和矸石进行分类的方法的另一个实施例示意图。

如图3所示，本申请实施例中基于分类器对煤和矸石进行分类的方法，包括：

301、使用ENVI软件打开高光谱图像并进行读取和数据预处理。

具体的，使用ENVI软件打开高光谱图像并将该高光谱图像显示为三通道的图像。其中，三通道的图像是指选择三个成像通道对该高光谱图像进行显示。然后，使用2％的线性拉伸来对高光谱数据进行预处理，以获得更好的显示效果。

302、定义煤、矸石和皮带的类别，并选取各类别对应的ROI区域。

使用ENVI软件打开高光谱数据之下，显示的是一个三通道的图像。进一步，在该显示的图像中，新建ROI区域，并定义其对应的类别。例如，定义的第一个ROI区域的类别为“煤”，定义完成之后，然后使用多边形工具在高光谱图像上进行标注，可在多处标注，以得到更多的训练集。这里我们定义的是三个类别，即煤、矸石、皮带。然后，矸石和皮带类别也使用这种标注方式进行标注，即首先新建ROI区域，然后使用多边形工具进行标注的方法。

需要说明的是，在其他实施方式中，也可以zhi4定义：煤和矸石两个类别，其定义方式与上述步骤302中的描述类似。

还需要说明的是，在使用分类器对对该高光谱图像进行分类之前，可以使用ENVI软件对上述标注的三个类别所在的区域进行可分离性检验，可分离性检验用于检验所标注的区域是否可以准确的将这三个类别区分开来，如果可分离性检验不能通过，则后续使用分类器进行分离的效果也不佳。

303、选择分类器对上述标注的训练集进行特征学习，然后使用训练后得到的目标分类器对高光谱图像进行分类。

具体来说，在ENVI软件右侧的Toolbox中选择分类选项，然后找到监督分类中的分类方法，可供选择的方法有且不限于极大似然分类、最小距离分类、神经网络分类、支持向量机分类等。这里以支持向量机分类进行说明，我们选择支持向量机的分类方法，然后选择煤、矸石、皮带这三个类别，其他的参数选择使用默认参数即可，然后ENVI软件会启动支持向量机的分类方法来对训练集的特征进行学习，最终将对该高光谱图像中的每一个像素生成一个分类的效果，对于无法识别的像素，ENVI软件不会将其分类到以上三类，而是会将其命名为未定义的类别。

304、使用ENVI软件对上述步骤303中得到的分类结果进行评价，得到评价结果。

使用ENVI软件来对分类效果进行评价，可以选择的方法有混淆矩阵、ROC曲线等方法。以混淆矩阵为例，首先需要标注一个真实的数据样本作为验证，然后选择ENVI软件右侧Toolbox中的使用ROI来构建混淆矩阵的选项，之后ENVI软件会对模型的分类结果进行评价，例如，总共有多少个像元，然后有多少个像元被正确分类，及其正确分类、错误分类的比例等，以此来实现对煤和矸石的分类效果的评价。

本申请实施例中，首先通过结合高光谱成像技术，然后使用ENVI软件对煤和矸石的高光谱数据进行分析，最终使用监督学习的分类方法对煤和矸石的高光谱图像进行分类并对分类效果进行验证。

与前述应用功能实现方法实施例相对应，本申请还提供了一种煤矸分选装置、电子设备及相应的实施例。

图4是本申请实施例中提供的煤矸分选装置的一个结构示意图。

如图4所示，本申请实施例中煤矸分选装置400，包括：

获取模块401和分类模块402，其中，获取模块401，用于获取对煤和矸石进行成像后得到的高光谱图像；分类模块402，用于：利用目标分类器对高光谱图像中的每个像素点进行分类，得到每个像素点的类别，类别包括：煤、矸石或皮带；以及，根据每个像素点的类别得到煤和矸石在高光谱图像中的分类结果。

在本申请的一些实施方式中，获取模块401具体用于：使用ENVI软件打开高光谱图像对应的图像文件，并显示高光谱图像中部分成像通道对应的高光谱数据。

在本申请的一些实施方式中，获取模块401还用于：在ENVI软件中使用预设比例的线性拉伸对高光谱数据进行预处理。

在本申请的一些实施方式中，煤矸分选装置400还包括：评估模块403，评估模块用于：使用ENVI软件对煤和矸石在高光谱图像中的分类结果进行评估，得到评估结果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图5为本申请实施例提供的电子设备的结构示意图。

参见图5，电子设备500包括存储器501和处理器502。

处理器502可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器501可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器502或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器501可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器501可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器501上存储有可执行代码，当可执行代码被处理器502处理时，可以使处理器502执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种基于分类器对煤和矸石进行分类的方法，其特征在于，包括：

获取对煤和矸石进行成像后得到的高光谱图像；

利用目标分类器对所述高光谱图像中的每个像素点进行分类，得到每个像素点的类别，所述类别包括：煤、矸石、或皮带；

根据所述每个像素点的类别得到煤和矸石在所述高光谱图像中的分类结果。

2.根据权利要求1所述的方法，其特征在于，

所述目标分类器是以在所述高光谱图像中划分的ROI区域以及ROI区域对应的类别为训练集进行训练后得到。

3.根据权利要求1或2所述的方法，其特征在于，

所述目标分类器采用支持向量机。

4.根据权利要求1所述的方法，其特征在于，

所述获取所述高光谱图像，包括：

使用ENVI软件打开所述高光谱图像对应的图像文件，并显示所述高光谱图像中部分成像通道对应的高光谱数据。

5.根据权利要求4所述的方法，其特征在于，

所述高光谱图像中部分成像通道包括：可以区分煤和矸石的多个波段对应的成像通道，所述波段与成像通道一一对应。

6.根据权利要求4所述的方法，其特征在于，

所述方法还包括：在所述ENVI软件中使用预设比例的线性拉伸对所述高光谱数据进行预处理。

7.根据权利要求4-6所述的方法，其特征在于，

所述方法还包括：使用所述ENVI软件对煤和矸石在所述高光谱图像中的分类结果进行评估，得到评估结果。

8.一种煤矸分选装置，其特征在于，包括：

获取模块，用于获取对煤和矸石进行成像后得到的高光谱图像；

分类模块，用于：利用目标分类器对所述高光谱图像中的每个像素点进行分类，得到每个像素点的类别，所述类别包括：煤、矸石或皮带；以及，根据所述每个像素点的类别得到煤和矸石在所述高光谱图像中的分类结果。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的基于分类器对煤和矸石进行分类的方法。

10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的基于分类器对煤和矸石进行分类的方法。

Images