基于機器視覺圖像分析的煤炭分選技術(shù)研究

侯引麗

（西銘礦選煤廠綜合辦， 山西 太原 030052）

引言

人工分選煤炭具有生產(chǎn)效率低、成本高、工人的工作環(huán)境差的缺點。煤炭中的分選穩(wěn)定性差、可靠性差、操作不便等，這將降低煤炭企業(yè)的市場競爭力。隨著現(xiàn)代化水平的逐步提高，電子分揀技術(shù)應(yīng)運而生。

電子分揀機使用專門設(shè)計的傳感器，如X射線分析儀，檢測在移動的輸送機帶的表面上散布的飼料顆粒質(zhì)量。高速微處理器使用傳感器數(shù)據(jù)來控制傳送帶的末端。氣動執(zhí)行機構(gòu)按順序排列，使顆粒滿足要求目標質(zhì)量被轉(zhuǎn)移到產(chǎn)品流中。分揀機技術(shù)的緊湊尺寸和低單位成本，為在許多不同位置分離礦石煤礦提供了可行性。因此，本文在此基礎(chǔ)上提出了基于機器視覺圖像分析的自動選煤技術(shù)。

1 基于機器視覺圖像分析的煤炭分選系統(tǒng)組件及檢測過程

本文提出的機器視覺自動選煤系統(tǒng)的硬件結(jié)構(gòu)和關(guān)系如圖1所示。該系統(tǒng)由MOS彩色工業(yè)相機、電腦、光源、輸送機和物料（包括料斗）、信號控制設(shè)備、驅(qū)動電機和推桿組成。選煤系統(tǒng)檢測流程有四個步驟：設(shè)置參數(shù)→判斷輸送機上是否有物料→判斷物料是否存在是煤→判斷材料是否是金屬[1]。

1.1 檢測系統(tǒng)啟動前的基本參數(shù)

1）設(shè)置傳送帶的速度，從每個料斗（煤炭，煤矸石，金屬）到攝像機的水平距離，然后根據(jù)公式t=s/v來計算單個延遲時間，即煤炭斗延遲時間tc、煤矸石斗延遲時間tm、金屬斗延遲時間ts。

2）將黃色成分（與綠色和紅色混合）設(shè)定為比例α和紅色成分比例β。α=1時，顏色接近純黃色，β=1時為純紅色。

圖1 機器視覺自動選煤系統(tǒng)組件

3）設(shè)置閾值的范圍是30～210，默認值是100。有兩種類型：閾值Tc判斷材料是否是煤炭或閾值，Tm判斷材質(zhì)是否是金屬。

4）閾值T可判斷輸送機是否空了?？盏妮斔蜋C背景圖像是藍色的，所以計算公式如下式所示：

式中：m 為圖像中的行數(shù)；n 為圖像中的列數(shù)；Bi，j，i行和j列像素的藍色分量。

1.2 判斷輸送機是否為空

參數(shù)設(shè)置完成后開始進行檢測。判斷輸送機是否為空流程如下。計算所有在圖像中像素的藍色分量平均值Bave，如果0.8T＜Bave＜1.2T，則輸送機是空的，重復(fù)這個步驟，或者有物料輸送機，然后提取圖像上的材料輪廓。

二值圖像的輪廓提取算法如下頁圖2所示。本文需要提取最大輪廓，使用輪廓跟蹤方法得到最終輪廓?；A(chǔ)的輪廓描跡的方法是：在左下角確定一個黑色的像素點作為邊界點并從左上角開始搜索。如果像素點是黑色的，則認為是邊界點，否則順時針旋轉(zhuǎn)45°，直到找到一個黑色像素作為新的邊界點。旋轉(zhuǎn)逆時針90°根據(jù)當(dāng)前的搜索方向，用同樣的方法搜索一個邊界點，直到返回到第一個邊界點或者找不到任何點[2]。

圖2 輪廓提取算法示意圖

1.3 判斷材料的類型

判斷材料類型的流程如下。提取材質(zhì)輪廓后，統(tǒng)計并記錄輪廓中的像素數(shù)量。計算所有像素的平均灰度值 Gave，如果 Gave＜Tc，物料是煤，并延遲 Tc發(fā)送單個煤在煤斗中分類，否則，物質(zhì)不是煤時，得到綠色組分 Gi，j和紅色組分 Ri，j，混合顏色組分 Hi，j的公式如下式所示：

然后計算輪廓中所有像素的混合顏色的平均值。如果Have＞Tm，材料是金屬并延遲tm，然后送該金屬進金屬漏斗，若材料是矸石并延遲ts，則送煤矸石料斗中單獨分揀煤矸石。

2 實際工程案例分析

以某一規(guī)模試點項目進行分析，該項目為煤炭清潔應(yīng)用的分選技術(shù)的操作特性方面提供了一些重要的信息。最重要的發(fā)現(xiàn)是機器視覺圖像分析的自動選煤技術(shù)技術(shù)有效地提高了各種來源的煤樣的質(zhì)量，包括對煤炭、煤矸石、金屬的有效分離。測試數(shù)據(jù)表明，該技術(shù)已經(jīng)達到單位內(nèi)最佳狀態(tài)配置成處理特定的窄粒度部分。數(shù)據(jù)表明，通過將原料煤預(yù)篩分成不同的大小類別從而實現(xiàn)分離性能，然后使用針對該特定粒度級別優(yōu)化的種類來處理每個尺寸。此外，這種按尺寸設(shè)備分揀的電路，將使得每個分揀機都要根據(jù)給定的尺寸等級進行優(yōu)化，以便達到最大的吞吐能力和最低的設(shè)備資本總投資。從測試數(shù)據(jù)中獲得的另一個有趣的觀察是，到臨界粒徑0.1 mm以下，設(shè)備性能開始顯著下降。這一發(fā)現(xiàn)依據(jù)制造商的建議來看，設(shè)備制造僅支持約比6.35 mm（1/4英寸）更粗糙的顆粒進行高規(guī)模分揀。從工程角度來看，顆粒大小需要考慮到單層顆粒，光源的約束要求也對分揀進行了限制。為了更有效地評估這些影響和評估過程的成本效益，一個全面的機器視覺圖像分析的自動選煤技術(shù)示范單位現(xiàn)在已經(jīng)建成，目前正在運行。這個系統(tǒng)正在被用來進行客戶潛力的試運行和開發(fā)工業(yè)應(yīng)用的操作指南及相應(yīng)標準[3-4]。

3 結(jié)語

基于機器視覺圖像分析的自動選煤技術(shù)通過分析輸送機圖像中的色彩特性來判斷分揀機是否為空。與此同時，系統(tǒng)可以向分揀設(shè)備發(fā)送信號并統(tǒng)計各種物料的數(shù)量。該技術(shù)具有效率高，穩(wěn)定性和可靠性高，操作靈活等優(yōu)點[5]，提高了選煤效率，降低了生產(chǎn)成本。