关键词:
图像识别
煤泥
水分
图像特征
逐步回归
数学模型
摘要:
随着“中国制造2025”及“智慧矿山”等智能化发展战略的提出,智能化选煤厂建设已成为选煤界关注的焦点,为顺应国家战略规划需求,应加快从自动化、信息化向高端化、智能化和绿色化方向发展的步伐。煤泥浮选作为煤炭行业的重要工艺环节,向自动化、智能化的发展势在必行。在浮选过程中,浮选精煤水分作为重要的生产指标,对实现浮选过程闭环优化控制具有重要的意义,浮选精煤的水分智能在线检测更是智能化选煤厂建设的重要环节。目前,国内浮选精煤水分在线检测大多采用人工检测方法,存在劳动强度大、滞后性严重、不能及时指导生产等缺点,制约着浮选工艺智能化发展。因此需要研究一种简便且高效的水分检测方法,针对上述问题,选择了基于图像识别的煤泥图像特征与水分预测进行研究。首先搭建了图像识别系统,进行了煤样制备和图像采集。(1)图像识别系统搭建中,相机选择了一款五百万像素的彩色CCD工业数字相机,镜头选择远心工业镜头(TL08X150S),放大倍率0.8倍,光源选择入射角为60°、45°、30°、0°的环形组合光源,软件方面选择了MATLAB(R2018b)作为图像处理软件。(2)本文选用细颗粒含量高的浮选精煤为基础样本,分别配制了水分范围在0.68%-30%的31组煤泥样本(3)拍摄不同光源下煤泥图像,分析不同光源下的图像特点。结果表明:光源入射角度对图像形成具有影响;煤泥表面的角度对图像亮度也有影响;煤泥水分含量与煤泥表面的亮度程度之间成正比,不同含量的水分的煤泥之间存在差异性。为研究煤泥水分与煤泥图像特征之间的关系,分别对四种单光源下的124组图像的灰度特征值进行提取分析,结果表明:在四种光源下的水分与特征值之间不存在明显的单调的相关关系,但在一些区间内还是存在较为明显的单调关系,而蓝色光源下煤泥图像特征值的离散程度较大。为探究最佳的煤泥水分预测方法,本文通过建立单光源下单特征数学模型、单光源下多特征数学模型、多光源下单特征数学模型,进行对比发现:在单光源下多特征组合中,以均值、标准差、偏度、峰度、熵五种特征值为变量,利用多元多项式进行建立的水分预测数学模型的效果良好,但在模型数据结果中发现,低区域煤泥的水分预测结果误差较大。在上述研究基础上针对水分区间在[8%,30%]的煤泥进行水分预测,得出水分区间在[8%,30%]煤泥在绿色光源下得到的水分预测数学模型的预测结果最好,其均方根误差RMSE为0.04,接近于0;而水分区间在[0.68%,30%]煤泥的最优水分预测数学模型的均方根误差RMSE为0.69,对比发现水分区间在[8%,30%]的煤泥水分预测数学模型的精度更高。为了防止过拟合,采用逐步回归算法对[8%,30%]水分预测数学模型进行优化,在四种光源下的最优水分预测数学模型中,发现绿色光源下煤泥图像的水分预测效果最好,水分预测值呈单调递增趋势,达到最理想的预测效果,其预测结果:R2为0.9998,均方根误差RMSE为0.12。本文研究了基于图像识别的煤泥图像特征与水分预测方法,为浮选精煤水分在线检测提供了新思路,对减轻选煤厂人工劳动、提高选煤过程中调控精度、提高经济效益、实现浮选过程智能化发展具有重要意义。