CN113505690B - 一种实时的煤岩视觉识别方法 - Google Patents

一种实时的煤岩视觉识别方法 Download PDF

Info

Publication number
CN113505690B
CN113505690B CN202110775574.6A CN202110775574A CN113505690B CN 113505690 B CN113505690 B CN 113505690B CN 202110775574 A CN202110775574 A CN 202110775574A CN 113505690 B CN113505690 B CN 113505690B
Authority
CN
China
Prior art keywords
coal
rock
sigma
image
mode
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
Application number
CN202110775574.6A
Other languages
English (en)
Other versions
CN113505690A (zh
Inventor
伍云霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology Beijing CUMTB
Original Assignee
China University of Mining and Technology Beijing CUMTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN202110775574.6A priority Critical patent/CN113505690B/zh
Publication of CN113505690A publication Critical patent/CN113505690A/zh
Application granted granted Critical
Publication of CN113505690B publication Critical patent/CN113505690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种实时的煤岩视觉识别方法，该方法利用自然物体的纹理在不同观察尺度下具有本质相似性的特点，利用不规则对象来描述煤岩表面自然形成的不规则和复杂纹理，同时考虑了对照度变化的不变性及计算效率。该方法受照度影响小，计算量少，识别快速，可满足实时应用的需求。

Description

一种实时的煤岩视觉识别方法
技术领域
本发明涉及一种煤岩识别方法，尤其涉及一种实时的煤岩视觉识别方法。
背景技术
煤岩识别即用一种方法自动识别出煤岩对象为煤或岩石。在煤炭生产过程中，煤岩识别技术可广泛应用于滚筒采煤、掘进、放顶煤开采、原煤选矸石等生产环节，对于减少采掘工作面作业人员、减轻工人劳动强度、改善作业环境、实现煤矿安全高效生产具有重要意义。
通过对煤、岩块状样本的观察，发现煤和岩石的表面纹理在粗糙程度、稀疏程度、纹理变化的均匀性、沟纹的深浅等方面都有很大差异，当用成像技术获取煤岩信息时，这种差异性就隐含在图像数据里了，准确提取到煤岩图像的纹理信息，即可用此来区分出煤岩。
已有多种提取图像纹理信息的原理或方法，基于统计原理和随机场模型原理的纹理信息提取，计算昂贵，耗时严重，不能用于需要实时识别煤岩的应用场景，基于纹理排列结构原理的纹理提取，较适用于规则纹理的表达，如人造纹理，而煤岩表面纹理是自然形成的，极其不规则，因此结构原理通常不能正确表达煤岩纹理，基于信号处理原理的纹理提取通常要进行参数选择，而参数选择通常没有明确的指导原则，需依照经验设定或反复实验选择，基于分形原理的纹理提取非常适合描述不规则的纹理，但现有方法均需较长的计算时长，难以满足煤炭开采如长壁开采、放顶煤开采和煤炭加工如矸石剔除等过程中的实时识别要求。
需要一种解决或至少改善现有技术中固有的一个或多个煤岩识别问题，在保证煤岩识别正确率的前提下，提高煤岩识别速率以满足实时应用的需求。
发明内容
因此，本发明的目的在于提供一种实时的煤岩视觉识别方法，该方法不受照度变化影响，计算量小，识别正确率能满足生产要求，为实现自动化采掘、自动化放煤、自动化选矸等生产过程提供了有力的技术支撑。
根据一种实施例形式，提供一种实时的煤岩视觉识别方法，包括模式建立和识别两个阶段：
在模式建立阶段包括以下步骤：
A.计算样本集中每一张煤、岩图像灰度值的方差；
B.提取样本集中每一张煤、岩图像在水平、垂直和对角45°方向上的特征，沿其所述的每一个方向：
①求间隔1个像素的像素点灰度差的方差V1
②求间隔2个像素的像素点灰度差的方差V2
③求间隔4个像素的像素点灰度差的方差V4
④求间隔8个像素的像素点灰度差的方差V8
⑤取
Figure BDA0003155144950000021
3个元素，即为该方向上的特征；
C.对于每张图像j，级联A)和B)所计算的特征，即为该图像的模式Hj；
D.计算样本集中所有煤图像的平均模式，即为煤模式Hc，计算样本集中所有岩图像的平均模式，即为岩模式Hr；
在识别阶段：
E.对于给定的待识别煤岩图像，用与建立模式时相同的方法获得图像模式Hx，
用下列公式判别该图像的类别：
Figure BDA0003155144950000022
当P大于等于δ时为煤，当P小于δ为岩，δ为给定的正数阈值，其中，d为模式的维数，i为维数的索引号，Hxi为Hx中的第i个元素，Hri为Hr中的第i个元素，Hci为Hc中的第i个元素，σr为岩模式的标准偏差，σc为煤模式的标准偏差，σci为σc的第i个元素，σri为σr的第i个元素。
具体实施方式
煤岩材料是自然形成的真实物体，真实的物体表面通常有某种程度的本质自相似性，这种自相似性更适合用不规则的分形对象来近似表达而不是用规则的欧式对象表达。煤岩表面纹理呈现出的粗糙程度、稀疏程度、纹理变化的均匀性、沟纹的深浅等方面是极其不规则且复杂，分形分析可有效解决这种复杂测量或复杂纹理描述。本发明基于分形原理抽取煤岩的纹理特征，为消除照度变化对纹理特征描述的影响，同时减少纹理特征提取的计算量，满足实时识别的要求，本发明采用了如下方法：
建立模式阶段，该阶段是离线完成的，不影响识别时间，包括以下步骤：
A.从煤、岩识别任务的现场如采煤工作面采集不同照度下的若干煤、岩样本图像，计算样本集中每一张煤、岩图像灰度值的方差；
B.提取样本集中每一张煤、岩图像在水平、垂直和对角45°方向上的特征，沿其所述的每一个方向，计算不同间隔距离像素的灰度值方差
①求间隔1个像素的像素点灰度差的方差V1
②求间隔2个像素的像素点灰度差的方差V2
③求间隔4个像素的像素点灰度差的方差V4
④求间隔8个像素的像素点灰度差的方差V8
⑤取
Figure BDA0003155144950000031
3个元素，即为该方向上的特征；
C.对于每张图像j，级联A)和B)所计算的特征，即为该图像的模式Hj；
D.计算样本集中所有煤图像的平均模式，即为煤模式Hc，计算样本集中所有岩图像的平均模式，即为岩模式Hr；
识别阶段，该阶段是在线完成的，由于用模式建立阶段所采用的方法计算待识别图像的模式，计算量非常小，因而可快速判别出待识别的图像的类别：
E.对于给定的待识别煤岩图像，用与建立模式时相同的方法获得图像模式Hx，
用下列公式判别该图像的类别：
Figure BDA0003155144950000032
当P大于等于δ时为煤，当P小于δ为岩，δ为给定的正数阈值，其中，d为模式的维数，i为维数的索引号，Hxi为Hx中的第i个元素，Hri为Hr中的第i个元素，Hci为Hc中的第i个元素，σr为岩模式的标准偏差，σc为煤模式的标准偏差，σci为σc的第i个元素，σri为σr的第i个元素。

Claims (1)

1.一种实时的煤岩视觉识别方法，包括建立模式和识别2个阶段，其特征在于：
建立模式阶段，包括以下步骤：
A.计算样本集中每一张煤、岩图像灰度值的方差；
B.提取样本集中每一张煤、岩图像在水平、垂直和对角45°方向上的特征，沿其所述的每一个方向：
①求间隔1个像素的像素点灰度差的方差V1
②求间隔2个像素的像素点灰度差的方差V2
③求间隔4个像素的像素点灰度差的方差V4
④求间隔8个像素的像素点灰度差的方差V8
⑤取
Figure FDA0003155144940000011
3个元素，即为该方向上的特征；
C.对于每张图像j，级联A)和B)所计算的特征，即为该图像的模式Hj；
D.计算样本集中所有煤图像的平均模式，即为煤模式Hc，计算样本集中所有岩图像的平均模式，即为岩模式Hr；
识别阶段：
E.对于给定的待识别煤岩图像，用与建立模式时相同的方法获得图像模式Hx，用下列公式判别该图像的类别：
Figure FDA0003155144940000012
当P大于等于δ时为煤，当P小于δ为岩，δ为给定的正数阈值，其中，d为模式的维数，i为模式维数的索引号，Hxi为Hx中的第i个元素，Hri为Hr中的第j个元素，Hci为Hc中的第i个元素，σr为岩模式的标准偏差，σc为煤模式的标准偏差，σci为σc的第i个元素，σri为σr的第i个元素。
CN202110775574.6A 2021-07-09 2021-07-09 一种实时的煤岩视觉识别方法 Active CN113505690B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110775574.6A CN113505690B (zh) 2021-07-09 2021-07-09 一种实时的煤岩视觉识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110775574.6A CN113505690B (zh) 2021-07-09 2021-07-09 一种实时的煤岩视觉识别方法

Publications (2)

Publication Number Publication Date
CN113505690A CN113505690A (zh) 2021-10-15
CN113505690B true CN113505690B (zh) 2023-05-05

Family

ID=78012369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110775574.6A Active CN113505690B (zh) 2021-07-09 2021-07-09 一种实时的煤岩视觉识别方法

Country Status (1)

Country Link
CN (1) CN113505690B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198322A (zh) * 2013-01-18 2013-07-10 江南大学 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法
CN103207999A (zh) * 2012-11-07 2013-07-17 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
CN103927528A (zh) * 2014-05-05 2014-07-16 中国矿业大学(北京) 基于紧邻域像素灰度联合分布特征的煤岩识别方法
CN104330836A (zh) * 2014-11-10 2015-02-04 山西潞安集团余吾煤业有限责任公司 采煤机应力截齿煤岩分界检测装置
CN104794502A (zh) * 2015-05-15 2015-07-22 哈尔滨工业大学 一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法
CN106650829A (zh) * 2017-01-04 2017-05-10 华南理工大学 一种图片相似度计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2016277672A1 (en) * 2016-12-22 2018-07-12 Canon Kabushiki Kaisha Method of selecting an ordered image subset for structure assessment

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207999A (zh) * 2012-11-07 2013-07-17 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
CN103198322A (zh) * 2013-01-18 2013-07-10 江南大学 基于机器视觉的磁瓦表面缺陷特征提取及缺陷分类方法
CN103927528A (zh) * 2014-05-05 2014-07-16 中国矿业大学(北京) 基于紧邻域像素灰度联合分布特征的煤岩识别方法
CN104330836A (zh) * 2014-11-10 2015-02-04 山西潞安集团余吾煤业有限责任公司 采煤机应力截齿煤岩分界检测装置
CN104794502A (zh) * 2015-05-15 2015-07-22 哈尔滨工业大学 一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法
CN106650829A (zh) * 2017-01-04 2017-05-10 华南理工大学 一种图片相似度计算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Differentiation between Coal and Stone through Image Analysis of Texture Features;David M Hobson 等;《2007 IEEE International Workshop on Imaging Systems and Techniques》;1-4 *
一种煤岩图像特征提取与识别方法;孙继平 等;《工矿自动化》;第43卷(第5期);1-5 *
基于变差函数和局部方差图的煤岩图像纹理特征提取;黄蕾 等;《工矿自动化》;第44卷(第4期);62-68 *
基于字典学习的煤岩图像特征提取与识别方法;伍云霞 等;《煤炭学报》;第41卷(第12期);3190-3196 *

Also Published As

Publication number Publication date
CN113505690A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN102509087B (zh) 一种基于图像灰度共生矩阵的煤岩识别方法
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
Kang et al. The comparative research on image segmentation algorithms
CN101950359B (zh) 一种岩石种类的识别方法
CN110827235B (zh) 钢板表面缺陷检测方法
CN104463199A (zh) 基于多特征及分割再校正的矿岩块度分类方法
CN103927553A (zh) 基于多尺度微纹理和对比度联合分布的煤岩识别方法
CN104537651A (zh) 一种路面图像中裂缝比例检测算法及系统
CN103927514A (zh) 一种基于随机局部图像特征的煤岩识别方法
CN104751192B (zh) 基于图像块共生特征的煤岩识别方法
Li et al. An image recognition approach for coal and gangue used in pick-up robot
CN114091606A (zh) 一种隧道爆破炮孔半眼痕识别和损伤平整度评价分类方法
CN113222992B (zh) 基于多重分形谱的裂纹特征表征方法及系统
CN105243387A (zh) 一种基于无人机影像的露天矿典型地物分类方法
CN116524017B (zh) 一种用于矿山井下检测识别定位系统
CN110555373A (zh) 一种基于图像识别的混凝土振捣质量实时检测方法
CN112085699B (zh) 一种基于二维图像的路面裂缝提取方法
CN118071756B (zh) 一种基于钻石的图像数据处理方法
CN113505690B (zh) 一种实时的煤岩视觉识别方法
CN114119481B (zh) 多参数普适性煤岩界面感知识别及采煤机轨迹规划方法
CN103942576A (zh) 一种用空域多尺度随机特征识别煤岩的方法
CN107610094B (zh) 基于椭球立体表征的裂缝三维检测方法
CN110728676B (zh) 一种基于滑动窗口算法的纹理特征度量方法
CN112580659A (zh) 一种基于机器视觉的矿石识别方法
CN104463098B (zh) 用图像的结构张量方向直方图特征识别煤岩

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant