基于邊緣檢測算法的煤矸石自動分選技術(shù)研究

牛清娜

(河北工程大學(xué) 科信學(xué)院，河北 邯鄲056038)

在煤炭生產(chǎn)過程中，煤矸石的分選已成為提高產(chǎn)品質(zhì)量必不可少的重要環(huán)節(jié)，是資源的綜合利用和節(jié)約能源的一個重要途徑，是實現(xiàn)煤炭潔凈生產(chǎn)的重要手段。目前采用比較多的分選方法是手工或機(jī)械選煤［1－3]。手工分選方法勞動強(qiáng)度大，效率又低;機(jī)械分選主要有采用跳汰機(jī)理、浮選機(jī)理和重介質(zhì)機(jī)理等的煤矸石分選方法，這些方法采用水或重介質(zhì)懸浮液作為分選介質(zhì)，很難應(yīng)用于水資源缺乏的煤炭生產(chǎn)區(qū)，而且在分選過程中容易造成資源浪費和環(huán)境污染，因此提出了對煤矸石自動分選技術(shù)的研究。根據(jù)煤塊和矸石的灰度和紋理不用，本文利用圖像處理技術(shù)來識別其基本特征，運用中值濾波、邊緣檢測等分析方法得到煤塊和矸石的灰度概率分布的均值和方差，將其作為標(biāo)準(zhǔn)值與實際測得的結(jié)果進(jìn)行比較，實現(xiàn)煤塊與矸石的在線自動分選。

1 系統(tǒng)組成

在傳統(tǒng)的人工選煤技術(shù)中，工人根據(jù)煤塊和矸石的灰度與紋理的不同進(jìn)行人工篩選，基于邊緣檢測算法的煤矸石自動分選機(jī)構(gòu)就是依據(jù)煤和煤矸石的圖像灰度、紋理特征不同進(jìn)行的。

根據(jù)煤矸石自動分選方法的工作過程，該系統(tǒng)主要有三部分組成［4－5]，如圖1所示。

(1)檢測部分:檢測部分主要由進(jìn)料斗、皮帶輸送機(jī)、CCD相機(jī)、圖像數(shù)據(jù)處理卡等組成?；竟ぷ髁鞒淌?原煤經(jīng)篩分后從進(jìn)料斗落到輸送帶，CCD相機(jī)將采集到的煤矸石圖像送入圖像數(shù)據(jù)采集卡轉(zhuǎn)換，并將轉(zhuǎn)換后的信息送入計算機(jī)進(jìn)行處理。

(2)識別與控制部分:該部分由控制設(shè)備、單片機(jī)和計算機(jī)組成，是系統(tǒng)的核心。根據(jù)模式識別算法來計算煤和煤矸石的灰分含量，然后識別和判斷。如果判斷部分是煤，控制部分不操作，煤落入煤塊通道，如果判斷是矸石，發(fā)出控制信號，打開閥門，煤矸石落入矸石通道。

(3)分檢部分:主要由閥門、料斗和系統(tǒng)電源設(shè)備組成，用于執(zhí)行分離煤和矸石。

2 圖像的處理與分析

根據(jù)模式識別煤和煤矸石的原理，兩者除了外觀的光澤度不用之外，主要表現(xiàn)是在光線的照射下他們的反射光線和波長不用，導(dǎo)致煤和矸石的灰度分布不同，其分布曲線的峰值也不用，即它們的灰度概率分布的均值及其方差也不同。根據(jù)這一原則，就可以將煤和煤矸石的灰度概率分布的均值與方差作為標(biāo)準(zhǔn)樣品值存在計算機(jī)中。在分選過程中將實際測得的煤和矸石的灰度概率分布的均值和方差與之比較，如果所得值小于預(yù)先設(shè)定的值就可以將煤和煤矸石區(qū)別開。圖像的處理與分析過程如圖2所示［6]。

2.1 圖像的預(yù)處理

由于在實際操作環(huán)境中，粉塵比較大，光線也不夠強(qiáng)，致使獲得的圖像清晰度不夠。為改變以上狀況，需對圖像進(jìn)行平滑濾波和銳化處理，即對原始圖形的亮度、對比度進(jìn)行調(diào)整，使其特征容易識別。平滑濾波和銳化處理的目的主要是去掉不連續(xù)的噪聲點，使原始圖像更加清晰，邊緣特征更加明顯從而易于提取，采用中置濾波的方法。中值濾波［7－9]是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域內(nèi)的所有像素點灰度值的中值。其方法是取某種結(jié)構(gòu)的二維滑動模板，對二維圖像區(qū)域進(jìn)行掃描，并將圖像內(nèi)像素按照數(shù)值大小進(jìn)行排序，生成單調(diào)上升或下降的二維數(shù)據(jù)序列，二維中值濾波輸出g(x，y)為:

式中 f(x，y)，g(x，y)－原始圖像和處理后的圖像。

中值濾波能有效的消除孤立的噪聲點，因為它是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素接近真實值，從而實現(xiàn)消除孤立的噪聲點。

2.2 圖像特征提取

經(jīng)過中值濾波方法處理過的原始圖像比較清晰，邊緣特征也比較明顯。要分析煤塊和矸石圖像的灰度分布情況，就要確定其圖像的區(qū)域位置，即進(jìn)行邊緣特征的提取，采用邊緣檢測算法來提取煤塊和矸石圖像的邊緣輪廓。邊緣檢測的［8－9]實質(zhì)是采用某種算法來提取圖像的交界線，邊緣為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反應(yīng)，因此可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。經(jīng)典的邊緣檢測算法是通過對原始圖像中像素的某小鄰域構(gòu)造邊緣檢測算子來達(dá)到邊緣檢測這一目的的。常用的邊緣檢測算子有Roberts Gross算子、Prewitt算子、Sobel算子、Canny算子等算法，本文采用Sobel算子法。Sobel算子法是梯度的邊緣檢測算子，該算子包含兩組3*3的矩陣，分別為橫向和縱向，將之與圖像做平面卷積，即可分別得出橫向和縱向的亮度查分近似值。兩個檢測橫向和縱向邊緣的模板分別為:

則Sobel算子可以表示為以下Gx，Gy，其中 A為原始圖像，Gx，Gy也可分別表示為橫向和縱向邊緣檢測的圖像:

則圖像的每一個像素的橫向及縱向梯度近似值可以表示為:

梯度方向可以表示為:

2.3 灰度分析

將用邊緣檢測算子法提取到的煤塊和矸石圖像邊緣輪廓映射到原始灰度圖像上，可得到煤和矸石的圖像區(qū)域，即可以得到其灰度直方圖，煤塊的灰度分布曲線比較尖銳，煤矸石的比較平坦，由此可以看出煤塊和矸石的灰度概率分布不同，即他們灰度概率分布的均值與方差亦不同，通過分析灰度概率分布的均值與方差，就可以將煤塊與矸石區(qū)別開。設(shè)原始圖像M×N的灰度為f(i，j)，i=1，2，…，M;j=1，2，…，N，則其均值 μ 和方差 σ2分別為

根據(jù)以上公式，計算出煤塊和矸石的灰度概率分布的均值和方差，通過計算得出煤的均值和方差分別為147.3和90.5，矸石的均值和方差分別為165.4和71.2，將其作為標(biāo)準(zhǔn)值儲存在計算機(jī)中。在實現(xiàn)煤與矸石自動分選的操作過程中，將實際通過圖像分析得到的煤與矸石圖像的灰度概率分布的均值和方差與儲存的標(biāo)準(zhǔn)值進(jìn)行比較，即可判斷出煤塊與矸石，再結(jié)合單片機(jī)技術(shù)與控制設(shè)置實現(xiàn)煤矸石的在線自動分選。

3 結(jié)束語

根據(jù)煤塊與矸石灰度與紋理的不用，運用圖像處理技術(shù)，實現(xiàn)了煤矸石的在線自動分選。該技術(shù)降低了人工選煤的勞動強(qiáng)度，改善了工人的工作環(huán)境，提高了煤塊和矸石分選的效率，實現(xiàn)了煤矸石的在線自動分選。

［1] 鄧仁健，周德如.基于人工降雨作用下煤矸石路堤污染物釋放研究［J] .河北工程大學(xué)學(xué)報:自然科學(xué)版，2009，26(1):94－96.

［2] 陳永春，李守勤，周春財.淮南礦區(qū)煤矸石的物質(zhì)組成特征及資源化評價［J] .中國煤炭地質(zhì)，2011，23(11):20－23.

［3] 李宏，郭粵蓮，李連娟.峰峰礦區(qū)煤矸石淋濾與水環(huán)境污染分析［J] .中國煤炭地質(zhì)，2011，23(1):44－47.

［4] 趙小楠，韋魯濱，朱學(xué)帥，等.反傾角工作面物料輸送效果實驗［J] .黑龍江科技學(xué)院學(xué)報，2009，19(6):443－446.

［5] 蔣勇.數(shù)字圖像處理技術(shù)在煤矸石自動分選系統(tǒng)中的應(yīng)用［D] .陜西:西安科技大學(xué)，2004.

［6] 王仁寶，歐陽名三，王爽.基于DSP與改進(jìn)邊緣檢測算法的煤矸石自動分選系統(tǒng)［J] .嵌入式技術(shù)，2011，37(2):20－22.

［7] 王慧琴.數(shù)字圖像處理［M] .北京:北京郵電大學(xué)出版社，2006.

［8] 章毓晉.圖像工程(上冊)圖像處理(第2版)［M] .北京:清華大學(xué)出版社，2006.

［9] 劉富強(qiáng)，錢建生，王新紅，等.圖像處理與識別技術(shù)的煤礦矸石自動分選［J] .煤炭學(xué)報，2000，25(5):534－537.