CN113505691B - 一种煤岩识别方法及识别可信度指示方法 - Google Patents
一种煤岩识别方法及识别可信度指示方法 Download PDFInfo
- Publication number
- CN113505691B CN113505691B CN202110775586.9A CN202110775586A CN113505691B CN 113505691 B CN113505691 B CN 113505691B CN 202110775586 A CN202110775586 A CN 202110775586A CN 113505691 B CN113505691 B CN 113505691B
- Authority
- CN
- China
- Prior art keywords
- coal
- rock
- image
- mode
- identification
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 62
- 239000011435 rock Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000005065 mining Methods 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000007599 discharging Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 101000617723 Homo sapiens Pregnancy-specific beta-1-glycoprotein 8 Proteins 0.000 description 1
- 102100022018 Pregnancy-specific beta-1-glycoprotein 8 Human genes 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
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
本发明公开了一种煤岩识别方法及识别可信度指示方法，该方法从煤岩图像中学习表征煤岩的特征，因而具有很强的鉴别能力和对成像环境变化的鲁棒性，依据识别的类别及识别的可靠性程度，最终进行判定，能为自动化采掘、自动化放煤、自动化选矸等生产过程提供可靠的煤岩识别信息。
Description
技术领域
本发明涉及一种煤岩识别方法及识别可信度指示方法，属于煤岩识别领域。
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或者实现无人化作业、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。
有多种方法已应用于煤岩识别，如自然γ射线探测、雷达探测、应力截齿、红外探测、有功功率监测、震动检测、声音检测、粉尘检测、记忆截割等，但这些方法存在以下问题：①需要在现有设备上加装各类传感器获取信息，导致装置结构复杂，成本高。②采煤机滚筒、掘进机等设备在生产过程中受力复杂、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对于不同类型机械设备，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。
为解决上述问题，图像技术也越来越受到重视并研发了一些基于图像技术的煤岩识别方法，然而已有方法都是用人工主观设计的图像特征或者图像特征的组合来进行煤岩识别，人工设计特征需要有丰富的经验和较深的领域知识，即便如此有时也难以正确获得煤岩图像本质结构致使对因成像条件变化引起的图像数据变化不具有具鲁棒性，同时由于现有识别方法仅给出了识别的类别，没有给出识别的可信度，因而仅依靠类别来决策错误率高。
需要一种解决或至少改善现有技术中固有的一个或多个问题的煤岩识别方法，以提高煤岩识别率和识别稳定性，并有利于正确决策的一种煤岩识别方法及识别可信度指示方法。
发明内容
因此，本发明的目的在于提供一种煤岩识别方法及识别可信度指示方法，该方法从煤岩图像中学习表征煤岩的特征，因而具有很强的鉴别能力和对成像环境变化的鲁棒性，依据识别的类别及识别的可靠性程度，最终进行判定，能为自动化采掘、自动化放煤、自动化选矸等生产过程提供可靠的煤岩识别信息。
根据一种实施例形式，提供一种煤岩识别方法及识别可信度指示方法，包括如下步骤：
A.各采集若干张煤和岩对象的图像作为样本图像；
B.分别从煤和岩的每张样本图像中抽取大小为图像块,然后分别从各自所抽取的所有图像块中随机抽取N个图像块；
C.分别用所抽取的图像块求取煤和岩各自所在空间的主元Dcorr＝[d1，d2，...dK]∈Rp×K，其中，P为主元维数，K为给定的主元个数；
D.级联Dc和Dr成D＝[Dc Dr]，分别求出煤岩样本集中各自所有图像块在D中每个主元上的投影uik，i，k分别表示图像块和主元的索引号，顺序级联该图像块在每个主元上的投影即为该图像块的模式ui；
E.分别求出煤和岩的模式zc和zr，zc or r＝[z1，z2，...z2K]，模式的第k个元素为为归一化参数，M为煤岩各自图像块的总数；
F.对于待识别的煤岩图像，用与步骤B相同的方法抽取该图像所有图像块，用步骤D中相同的方法求每个图像块的模式；
G.用与步骤E相同的方法求出待识别煤岩图像模式分别求出待识别图像模式/>与煤模式zc和岩模式zr的差||Δ||2,其中的小值记为min||Δ||2所对应的模式即是待识别图像的模式，计算待识别图像所有图像块的模式与所属类别的模式差，统计模式差小于或等于min||Δ||2的图像块个数，其所占待识别图像总图像块个数的比率即为判别的可信度。
进一步特定但非限定的形式，步骤C中的主元通过解优化问题,求得，其中λ1为给定的参数,vi为已知参量。
进一步特定但非限定的形式，步骤D中的图像块在D中每个主元上的投影uik通过解优化问题求得,λ为给定的参数。
具体实施方案
具体实施步骤如下：
A.从煤岩识别任务的现场如采煤工作面采集包含煤和岩的图像，从中截取只包含煤和只包含岩的图像区域，然后统一归一化到合适的大小如32*32像素大小作为煤岩样本图像；
B.从每张样本图像中抽取大小为的图像块；如图像块大小取6*6像素，以步长为2个像素在样本图像中滑动采样图像块，对每个图像块向量进行标准化处理：用去掉图像亮度的均值，以消除亮度变化的影响，用/>对图像块向量进行归一化处理，其中，1p表示p维全1向量，η为常数值，然后，再分别从煤和岩的样本图像块中各随机取N个图像块；
C.分别用所抽取的图像块求取煤和岩各自所在空间的主元Dc or r＝[d1，d2，...dK]∈Rp×K，其中，P为主元维数，K为给定的主元个数；求解方法按下列步骤进行处理：
C1.给D赋初值，设置迭代次数；
C2.固定D，用求出所有参量vi；
C3.固定所有参量vi，求
C4.C2和C3交替进行直到迭代结束。
步骤C3的优化可采用块坐标下降算法，步骤如下，其中的X为图像块矩阵，V为参量矩阵：
1.B←XVT，C←VVT
2.For k＝1，2，...，K
3.重复2直到收敛。
D.级联Dc和Dr成D＝[Dc Dr]，分别求出煤岩样本集中各自所有图像块在D中每个主元上的投影uik，i，k分别表示图像块和主元的索引号，顺序级联该图像块在每个主元上的投影即为该图像块的模式ui，求解ui可用近似梯度算法，对每一个图像块xi对应的参量ui采用下列步骤优化：
1.给参量u赋初值，设置迭代次数；
2.在每一次迭代：
u←u+ξDT(x-Du)，ξ为迭代步长；
λ为给定的参数，k为基元元素索引；
3.重复2直到迭代结束。
E.分别求出煤和岩的模式zc和zr，zc or r＝[z1，z2，...z2K]，模式的第k个元素为为归一化参数，M为煤岩各自图像块的总数；
F.对于待识别的煤岩图像，用与步骤B相同的方法抽取该图像所有图像块，用步骤D中相同的方法求每个图像块的模式；
G.用与步骤E相同的方法求出待识别煤岩图像模式分别求出待识别图像模式/>与煤模式zc和岩模式zr的差||Δ||2,其中的小值记为min||Δ||2所对应的模式即是待识别图像的模式，计算待识别图像所有图像块的模式与所属类别的模式差，统计模式差小于或等于min||Δ||2的图像块个数，其所占待识别图像总图像块个数的比率即为判别的可信度。
Claims (3)
1.一种煤岩识别方法及识别可信度指示方法，其特征在于包括以下步骤：
A.各采集若干张煤和岩对象的图像作为样本图像；
B.分别从煤和岩的每张样本图像中抽取大小为图像块,然后分别从各自所抽取的所有图像块中随机抽取N个图像块；
C.分别用所抽取的图像块求取煤和岩各自所在空间的主元Dc or r＝[d1，d2，...dK]∈Rp ×K，P为主元维数，K为给定的主元个数；
D.级联Dc和Dr成D＝[Dc Dr]，其中，Dc为煤的K个主元，Dr为岩的K个主元，分别求出煤岩样本集中各自所有图像块在D中每个主元上的投影uik，i，k分别表示图像块和主元的索引号，顺序级联该图像块在每个主元上的投影即为该图像块的模式ui；
E.分别求出煤和岩的模式zc和zr，zc or r＝[z1，z2，...z2K]，模式的第k个元素为
为归一化参数，M为煤岩各自图像块的总数，K为煤岩各自主元总数；
F.对于待识别的煤岩图像，用与步骤B相同的方法抽取该图像所有图像块，用步骤D中相同的方法求取每个图像块的模式；
G.用与步骤E相同的方法求出待识别煤岩图像模式分别求出待识别图像模式/>与煤模式zc和岩模式zr的差||Δ||2,其中的小值记为min||Δ||2所对应的模式即是待识别图像的模式，计算待识别图像所有图像块的模式与所属类别的模式差，统计模式差小于或等于min||Δ||2的图像块个数，其所占待识别图像总图像块个数的比率即为判别的可信度。
2.根据权利要求1所述的方法，其特征在于步骤C中的主元通过解优化问题,求得，其中λ1为给定的参数,vi为已知参量，当求取煤的K个主元Dc时，xi指第i个煤图像块，当求取岩的K个主元Dr时，xi指第i个岩图像块。
3.根据权利要求1所述的方法，其特征在于步骤D中的图像块在D中每个主元上的投影uik通过解优化问题求得,λ为给定的参数，X为煤岩图像块，i为其各自索引。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110775586.9A CN113505691B (zh) | 2021-07-09 | 2021-07-09 | 一种煤岩识别方法及识别可信度指示方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110775586.9A CN113505691B (zh) | 2021-07-09 | 2021-07-09 | 一种煤岩识别方法及识别可信度指示方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113505691A CN113505691A (zh) | 2021-10-15 |
| CN113505691B true CN113505691B (zh) | 2024-03-15 |
Family
ID=78012343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110775586.9A Active CN113505691B (zh) | 2021-07-09 | 2021-07-09 | 一种煤岩识别方法及识别可信度指示方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113505691B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279188A (zh) * | 2013-05-29 | 2013-09-04 | 山东大学 | 一种基于Kinect无接触性操作控制PPT的方法 |
| CN103530621A (zh) * | 2013-11-04 | 2014-01-22 | 中国矿业大学(北京) | 一种基于bp神经网络的煤岩图像识别方法 |
| CN103714340A (zh) * | 2014-01-09 | 2014-04-09 | 西安电子科技大学 | 基于图像分块的自适应特征提取方法 |
| CN105354596A (zh) * | 2015-11-10 | 2016-02-24 | 中国矿业大学(北京) | 基于结构化稀疏编码的煤岩识别方法 |
| CN105426909A (zh) * | 2015-11-10 | 2016-03-23 | 中国矿业大学(北京) | 基于协同稀疏编码的煤岩识别方法 |
| CN107292229A (zh) * | 2017-05-08 | 2017-10-24 | 北京三快在线科技有限公司 | 一种图像识别方法和装置 |
| CN108764243A (zh) * | 2018-05-30 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及装置 |
| CN109145965A (zh) * | 2018-08-02 | 2019-01-04 | 深圳辉煌耀强科技有限公司 | 基于随机森林分类模型的细胞识别方法和装置 |
| CN109189876A (zh) * | 2018-08-31 | 2019-01-11 | 深圳市元征科技股份有限公司 | 一种数据处理方法及装置 |
| CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
| CN109828576A (zh) * | 2019-02-22 | 2019-05-31 | 北京京东尚科信息技术有限公司 | 用于无人配送机器人的手势控制方法、装置、设备及介质 |
| CN112712119A (zh) * | 2020-12-30 | 2021-04-27 | 杭州海康威视数字技术股份有限公司 | 确定目标检测模型的检测准确率的方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021075994A1 (en) * | 2019-10-16 | 2021-04-22 | Saudi Arabian Oil Company | Determination of elastic properties of a geological formation using machine learning applied to data acquired while drilling |
-
2021
- 2021-07-09 CN CN202110775586.9A patent/CN113505691B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279188A (zh) * | 2013-05-29 | 2013-09-04 | 山东大学 | 一种基于Kinect无接触性操作控制PPT的方法 |
| CN103530621A (zh) * | 2013-11-04 | 2014-01-22 | 中国矿业大学(北京) | 一种基于bp神经网络的煤岩图像识别方法 |
| CN103714340A (zh) * | 2014-01-09 | 2014-04-09 | 西安电子科技大学 | 基于图像分块的自适应特征提取方法 |
| CN105354596A (zh) * | 2015-11-10 | 2016-02-24 | 中国矿业大学(北京) | 基于结构化稀疏编码的煤岩识别方法 |
| CN105426909A (zh) * | 2015-11-10 | 2016-03-23 | 中国矿业大学(北京) | 基于协同稀疏编码的煤岩识别方法 |
| CN107292229A (zh) * | 2017-05-08 | 2017-10-24 | 北京三快在线科技有限公司 | 一种图像识别方法和装置 |
| CN108764243A (zh) * | 2018-05-30 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及装置 |
| CN109145965A (zh) * | 2018-08-02 | 2019-01-04 | 深圳辉煌耀强科技有限公司 | 基于随机森林分类模型的细胞识别方法和装置 |
| CN109189876A (zh) * | 2018-08-31 | 2019-01-11 | 深圳市元征科技股份有限公司 | 一种数据处理方法及装置 |
| CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
| CN109828576A (zh) * | 2019-02-22 | 2019-05-31 | 北京京东尚科信息技术有限公司 | 用于无人配送机器人的手势控制方法、装置、设备及介质 |
| CN112712119A (zh) * | 2020-12-30 | 2021-04-27 | 杭州海康威视数字技术股份有限公司 | 确定目标检测模型的检测准确率的方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| Surrounding Rock Classification in Deep Roadway of Coal Mine;LIU Bin等;《Advanced Materials Research》;第181-182卷;242-246 * |
| 基于最大池化稀疏编码的煤岩识别方法;伍云霞等;《工程科学学报》;第39卷(第7期);981-987 * |
| 考虑截齿损耗的多传感信息融合煤岩界面感知识别;王海舰等;《煤炭学报》;第46卷(第6期);1996-2008 * |
| 车号定位识别与可信度估计;刘进等;《红外与激光工程》;第31卷(第3期);199-207 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113505691A (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103927514B (zh) | 一种基于随机局部图像特征的煤岩识别方法 | |
| CN103927528B (zh) | 基于紧邻域像素灰度联合分布特征的煤岩识别方法 | |
| CN103927553B (zh) | 基于多尺度微纹理和对比度联合分布的煤岩识别方法 | |
| CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
| CN104751192B (zh) | 基于图像块共生特征的煤岩识别方法 | |
| CN108197630A (zh) | 一种基于自学习的煤岩识别方法 | |
| CN105243401A (zh) | 基于煤岩结构元学习的煤岩识别方法 | |
| CN116137029B (zh) | 煤矸分离设备的多参量智能煤矸监测反馈方法和系统 | |
| CN113255590A (zh) | 一种缺陷检测模型训练方法、缺陷检测方法、装置及系统 | |
| CN104751193B (zh) | 基于距离约束相似性的煤岩识别方法 | |
| CN106845509A (zh) | 一种基于曲波域压缩特征的煤岩识别方法 | |
| CN113505691B (zh) | 一种煤岩识别方法及识别可信度指示方法 | |
| CN107977531A (zh) | 一种基于图像处理和领域数学模型进行接地电阻软测量的方法 | |
| CN115272826A (zh) | 一种基于卷积神经网络的图像识别方法、装置及系统 | |
| CN104778461B (zh) | 基于相似测度学习的煤岩识别方法 | |
| CN111627006A (zh) | 基于区块链和cim的集装箱锁孔堵塞检测方法 | |
| CN112991438B (zh) | 煤矸检测识别系统、智能放煤系统和模型的训练方法 | |
| CN105350963B (zh) | 一种基于相关性度量学习的煤岩识别方法 | |
| CN103942576A (zh) | 一种用空域多尺度随机特征识别煤岩的方法 | |
| CN112686124A (zh) | 基于5g网络的电厂输煤皮带堆煤检测方法及装置 | |
| CN104463098B (zh) | 用图像的结构张量方向直方图特征识别煤岩 | |
| CN117109805A (zh) | 一种压力传感设备的异常压力检测与校正方法 | |
| CN105354596B (zh) | 基于结构化稀疏编码的煤岩识别方法 | |
| CN109544545A (zh) | 一种基于卷积神经网络的盐矿智能检测方法及系统 | |
| CN116645329A (zh) | 一种仪器仪表柜的异常监测方法 |
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 |