煤與矸石圖像特征分析及試驗研究

李 博，王學(xué)文,，龐尚鐘，高新宇，王璐瑤，丁恩發(fā)，暴慶保

(1.太原理工大學(xué) 機械與運載工程學(xué)院，山西 太原 030024；2.煤礦綜采裝備山西省重點實驗室，山西 太原 030024；3.大同煤礦集團機電裝備約翰芬雷洗選技術(shù)設(shè)備有限公司，山西 大同 037300；4.礦山采掘裝備及智能制造國家重點實驗室，山西 太原 030024 )

0 引 言

在原煤生產(chǎn)過程中，煤矸石的排放量約占煤炭開采總量的15%～20%，因此，國際上公認(rèn)選煤是實現(xiàn)煤炭高效、潔凈利用的首選方案[1-2]。受限于傳統(tǒng)干法原煤分選精度的不足，我國目前主要采用濕選法進(jìn)行原煤分選，存在著矸石堆積成山、水資源耗費、塊煤率低、井下排矸困難等諸多問題。為實現(xiàn)塊狀煤矸的高精度分選，促進(jìn)井下排矸與實時回填技術(shù)的形成，基于機器視覺的煤矸干法分選技術(shù)應(yīng)運而生。與傳統(tǒng)選煤方法相比，基于機器視覺的煤矸分選具有智能化高，設(shè)備易于安裝維護(hù)，能夠有效避免大粒徑矸石對設(shè)備損耗的優(yōu)點，但是該類技術(shù)的工程應(yīng)用仍有待研究完善。機器視覺檢測技術(shù)作為一種無接觸、高智能化、安全可靠的先進(jìn)檢測方法，在工業(yè)檢測、水果分級、醫(yī)療檢測等領(lǐng)域多有研究及應(yīng)用[3-5]，在煤炭生產(chǎn)領(lǐng)域也被用于研究帶式輸送機的煤量檢測[6]和煤矸石的自動分選中[7]。機器視覺選煤研究包括圖像采集、圖像處理、分類識別。圖像采集是影響煤矸圖像質(zhì)量的重要因素，研究中多采用靜態(tài)采集，動態(tài)視覺采集系統(tǒng)主要為特定工程應(yīng)用而研發(fā)，例如煤矸在線識別系統(tǒng)[8]和在線粒度分析系統(tǒng)[9]。圖像采集環(huán)境及樣本狀態(tài)同樣會影響圖像質(zhì)量，于國防[10]研究了3種光源條件的煤矸圖像灰度分布規(guī)律；王家臣等[11]詳細(xì)分析了不同光強下煤矸圖像特征變化情況；DOU等[12]針對實際應(yīng)用中的干凈面、濕凈面、煤泥覆蓋干面和煤泥覆蓋濕面4種工況進(jìn)行研究。以上研究驗證了照明強度會對煤矸圖像產(chǎn)生影響，但研究所處環(huán)境均為實驗室的理想環(huán)境，未針對實際生產(chǎn)環(huán)境進(jìn)行分析研究，忽視了實際生產(chǎn)中淋水、粉塵等環(huán)境影響，有待進(jìn)一步深入研究分析。圖像處理包括圖像預(yù)處理和特征提取，圖像預(yù)處理的目的是為了消除噪音干擾，實現(xiàn)前景區(qū)域檢測。一些學(xué)者通過邊緣檢測提取前景區(qū)域，使用小波變換來提高去噪效果和邊緣檢測效果[13]。ALDRICH等[14]在研究煤的粒度實時監(jiān)測中，發(fā)現(xiàn)了較大塊煤易被誤分割成小顆粒煤的現(xiàn)象。劉凱[15]提出一種基于分?jǐn)?shù)階微積分的煤矸圖像邊界標(biāo)記識別方法。從研究中可看出，在實驗室環(huán)境中采集的煤矸圖像信噪比高，圖像去噪與分割易于實現(xiàn)，而實際生產(chǎn)中噪聲條件復(fù)雜，輸送帶與前景目標(biāo)因灰度重疊到時對比度較小，因此相關(guān)技術(shù)在生產(chǎn)中的實用性仍有待進(jìn)一步的研究驗證。

煤矸圖像特征之間的差異決定著分類的準(zhǔn)確性，煤矸識別研究中通常采用圖像灰度特征和紋理特征進(jìn)行分類識別[16]。李曼等[17]提取了灰度均值、最大頻數(shù)對應(yīng)的灰度值、熵、對比度共4個特征作為煤和矸石的差異特征。LI等[18]利用紋理分析的自適應(yīng)窗口對圖像進(jìn)行紋理特征提取。SUN等[19]利用灰度共生矩陣提取了煤巖圖像中的22個紋理特征并進(jìn)行降維優(yōu)化。XUE等[20]對綜放工作面原始煤矸影像進(jìn)行灰度直方圖分析，對煤矸圖像的灰度均值進(jìn)行了計算。LI等[21]設(shè)計了基于煤和矸石視頻分選的系統(tǒng)框架，并構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行灰度值及其它特征的多特征融合。

上述研究中，未涉及到水分、粉塵以及煤矸種類的影響研究。本研究將對實際生產(chǎn)中可能面臨的問題進(jìn)行模擬試驗，進(jìn)行下列研究：①模擬實際應(yīng)用中可能遇到的復(fù)雜背景，通過多方法融合實現(xiàn)圖像分割；②分析煤和矸石的圖像特征，針對光照、淋水、粉塵等惡劣生產(chǎn)環(huán)境，量化處理環(huán)境因素，進(jìn)行單因素試驗，研究單個環(huán)境因素對煤矸特征影響趨勢及程度；③為通過較少的試驗次數(shù)獲取較準(zhǔn)確的試驗結(jié)果，采用響應(yīng)面法進(jìn)行多因素混合影響試驗設(shè)計，確定各環(huán)境因素之間的交互作用。所進(jìn)行的試驗研究可以用于探究如何實現(xiàn)復(fù)雜生產(chǎn)環(huán)境中的高效率煤矸分選，對煤巖界面識別技術(shù)的實現(xiàn)也具有重要意義。

1 試驗材料和方法

1.1 樣本圖像采集

不同產(chǎn)地的煤和矸石具有一定的差異，其表面色澤、表面紋理、潤濕性和孔隙度等物理性質(zhì)均存在差異[22]。為探究實際生產(chǎn)環(huán)境對煤矸圖像特征影響情況，在實驗室模擬環(huán)境進(jìn)行圖像采集，樣本如圖1a所示，M1～M3為煤樣本，M1和M3質(zhì)地堅實，表面黝黑，M3表面存在反光較強的區(qū)域，M2質(zhì)地松軟，表面存在裂紋；G1～G3為矸石樣本，G1為黑矸，色澤發(fā)黑，與煤和矸石差異較小，G2、G3為灰矸。

圖1 試驗樣本及試驗裝置Fig.1 Experimental samples and experimental apparatus

圖像采集裝置如圖1b所示，為避免自然光對試驗造成的影響，采用長500 mm、寬400 mm、高370 mm的瓦楞紙箱設(shè)置暗箱環(huán)境；圖像采集過程中的照明由6根粘貼于暗箱頂部的LED燈條(燈珠型號：5730 LED)提供，燈條位置呈均勻分布以減小樣本的陰影，燈條間距及距兩壁距離為60 mm，單根燈條功率為6 W；采用高速相機(JVC GC-P100BAC，泰國制造)作為圖像獲取設(shè)備，相機置于紙箱頂端中央，感光元件為背照式CMOS，所采集圖像大小為1 920 px×1 080 px。所有圖像均采用MathWorks公司的MATLAB(R2017a 9.2.0.538062)進(jìn)行圖像處理，涉及到的試驗數(shù)據(jù)均由此計算得出。

1.2 圖像特征提取

1.2.1 圖像特征

圖像特征是對圖像進(jìn)行區(qū)別的依據(jù)，一般包括顏色、紋理以及形狀特征等。煤和矸石屬于形狀不規(guī)則的散料，因此無法通過其形狀特征進(jìn)行分類識別，但是煤表面粗糙，而矸石表面平滑，這種差異會導(dǎo)致煤和矸石紋理特征存在差異，因此，通過灰度共生矩陣提取煤和矸石圖像的4個紋理特征進(jìn)行特征分析：

能量ASM反映了圖像灰度分布均勻程度：

(1)

式中：P(i,j,d,θ)為灰度共生矩陣；R為灰度值的級數(shù)；i、j為灰度值；d為步長；θ為角度。

對比度CON反映了圖像的清晰度和紋理溝紋深淺的程度：

(2)

熵ENT表示圖像中紋理的非均勻程度：

(3)

逆差矩IDM反映圖像局部灰度相關(guān)性：

(4)

同時，煤和矸石表面色澤的差異導(dǎo)致煤和矸石對光的反射和吸收存在差異，在視覺中表現(xiàn)為煤樣本更黑、矸石樣本更灰白，這是煤和矸石樣本最顯著的外在特征，在數(shù)字圖像處理中具體表現(xiàn)為圖像灰度的差異。

基于灰度直方圖提取煤和矸石圖像的局部灰度均值μ和灰度峰值p進(jìn)行分析研究。設(shè)一幅圖像由m×n個像素點構(gòu)成，各點像素灰度值表示為f(i,j)(i=1,2,…,n;j=1,2,…,m)，則圖像的灰度均值μ表達(dá)式為：

(5)

圖像灰度峰值p指圖像中出現(xiàn)次數(shù)最多的灰度級。

1.2.2 圖像處理

圖像處理流程如圖2所示，首先將所采集的圖像裁剪為包含樣本邊緣和背景的像素為800 px×800 px的子圖像，采用加權(quán)灰度法對子圖像進(jìn)行灰度化處理，權(quán)值如式(4)所示，在保留像素梯度信息的同時大幅度提高運算速度[23]。

圖2 圖像處理流程Fig.2 Image processing flow

f(i,j)=0.30R+0.59G+0.11B

(6)

式中，R、G、B分別為像素點(i,j)在彩色圖像中紅、綠、藍(lán)3個通道的分量。

通過中值濾波處理進(jìn)行去噪，并采用預(yù)先建立的平均背景模型，將背景差分得到的圖像進(jìn)行二值分割，分割閾值通過OTSU法計算得出。二值化分割完成后，圖像中仍存在小顆粒斑點、大顆粒內(nèi)部孔洞問題，通過形態(tài)學(xué)操作和連通域分析去除殘留的較大粉塵、填充內(nèi)部孔洞、平滑不規(guī)則邊緣，最終將在目標(biāo)區(qū)域中取內(nèi)接矩形進(jìn)行局部灰度特征提取，實現(xiàn)背景信息的完全消除。

1.3 特征分析試驗設(shè)計

1.3.1 煤矸圖像特征

針對煤和矸石的紋理特征及灰度特征，在實驗室中采集煤和矸石的樣本圖像各210 張進(jìn)行分析，煤和矸石樣本均為干燥樣本，光照條件為同一水平。首先，通過煤和矸石圖像特征的散點圖對比煤和矸石圖像特征差異；其次，通過對煤和矸石各個特征的統(tǒng)計分析篩選出區(qū)分度較大的煤矸圖像特征。

1.3.2 單因素影響試驗

針對實際生產(chǎn)中光照、粉塵、淋水一系列惡劣環(huán)境，在實驗室中進(jìn)行環(huán)境模擬試驗，分別考察光照強度、煤粉沾染、樣品濕度對樣品圖像灰度特征的影響情況，為視覺選煤技術(shù)的工程應(yīng)用提供一定的參考。試驗中，為減小試驗誤差，各水平進(jìn)行5次重復(fù)試驗取其平均值作為最終參數(shù)。

光照強度影響試驗在較弱的光照條件下進(jìn)行，通過控制LED 燈條的功率來調(diào)整光照強度，分別采集6、12、18、24、30和36 W照明下清潔干燥煤矸樣本的圖像，提取灰度特征值并進(jìn)行分析，考察在試驗條件下灰度特征值的變化趨勢和程度，確立較優(yōu)的光照條件。

在表面濕度影響試驗中，如圖3所示，為使樣品表面均勻潤濕，通過霧化噴霧對煤矸樣本進(jìn)行潤濕處理。噴霧加濕時，樣品放置于距噴霧水壺350 mm處，噴霧口距地面350 mm，室內(nèi)無風(fēng)條件下進(jìn)行噴霧試驗，保持樣本放置處清潔以避免樣本其他位置被水浸濕影響質(zhì)量控制。以樣本接受噴霧的質(zhì)量為試驗指標(biāo)，設(shè)置0、0.04、0.08、0.12、0.16、0.20 g共6個水平，單次誤差不大于±0.005 g，最大水平通過表面涂水測得。濕潤樣品通過烘干機(101-0AB 天津賽得利斯)烘干處理后再進(jìn)行試驗。

圖3 表面濕度影響試驗Fig.3 Experiment of surface humidity influence

樣本表面煤粉沾染試驗中，如圖4所示，通過對煤矸樣本表面均勻涂撒煤粉來模擬生產(chǎn)中的粉塵沾染，試驗中的煤粉由原煤表面附著粉塵及塊煤破碎形成的粉末混合而成。由于煤矸樣本的表面積不易測得，以沾染煤粉的質(zhì)量作為量化指標(biāo)，測量多個原煤樣本表面煤粉得到最大煤粉涂抹量，其余水平平均分布。試驗時依次在樣品表面均勻涂撒煤粉，設(shè)置0、0.03、0.06、0.09、0.12 g共5個水平，單次誤差不大于±0.005 g，考察煤矸樣本灰度特征在5個水平下的變化趨勢和程度，并分析兩者變化的差異和成因。

圖4 表面煤粉沾染試驗Fig.4 Experiment of surface coal contamination

1.3.3 多因素交互影響試驗

實際生產(chǎn)環(huán)境中，煤和矸石受到的是多因素的交互影響，情況更為復(fù)雜惡劣，例如部分矸石在水和煤粉混合形成的煤泥作用下可能呈現(xiàn)出與原煤十分接近的色澤，這將會嚴(yán)重干擾基于圖像灰度值的煤矸識別。

響應(yīng)面法是采用多元二次方程來擬合因素與響應(yīng)值之間的函數(shù)關(guān)系，可進(jìn)行顯著性預(yù)測及多因素交互作用研究[24-25]。針對光照強弱、煤粉沾染程度、濕度和樣品種類4個試驗因素，對影響因素進(jìn)行量化處理，應(yīng)用Box-Benhnken Design(BBD)試驗設(shè)計理論設(shè)計4因素三水平試驗，以樣本灰度均值為響應(yīng)指標(biāo)，研究各因素對煤矸圖像灰度值影響的顯著性及其交互作用，為實現(xiàn)視覺選煤技術(shù)在復(fù)雜環(huán)境下的工程應(yīng)用提供一定參考。

BBD是RSM二級模型的其中一種設(shè)計類型，這種設(shè)計是一種擬合響應(yīng)曲面的二階三水平設(shè)計，包括析因試驗和中心重復(fù)試驗，所得出的設(shè)計對所要求的試驗次數(shù)來說十分有效。響應(yīng)面試驗因素及水平見表1、表2，包含光照強度、表面濕度、煤粉沾染程度和塊煤(矸石)種類4個因素，-1、0、+1三個水平。

表1 煤炭響應(yīng)面因素設(shè)計及水平Table 1 Design and level of response surface factors of coal

表2 矸石響應(yīng)面因素設(shè)計及水平Table 2 Design and level of response surface factors of gangue

2 試驗結(jié)果及分析

2.1 煤矸圖像特征分析

圖5所示為煤和矸石圖像4個紋理特征分布情況，從圖中可以看出，煤和矸石樣本紋理特征分布均存在較大重合，說明二者紋理特征差異較小，難以通過某一紋理特征進(jìn)行有效區(qū)分。表3所示為樣本紋理特征數(shù)據(jù)統(tǒng)計表，通過對所有樣本的灰度特征進(jìn)行分析確定一個最佳閾值，以該閾值作為標(biāo)準(zhǔn)進(jìn)行分類，分類結(jié)果直觀表明單一紋理特征用于煤矸分類效果較差，不應(yīng)作為煤矸分類的首選特征。

圖5 樣本紋理特征分布Fig.5 Distribution of texture features of the sample

表3 樣本紋理特征數(shù)據(jù)統(tǒng)計Table 3 Statistical of sample texture feature data %

圖6所示為對所有樣本灰度特征散點圖，從圖中可以看出，灰度均值和峰值灰度均有較好的分割區(qū)間，但是有一定的分布混雜現(xiàn)象。表4顯示了對煤和矸石樣本灰度信息的統(tǒng)計分析，從分類結(jié)果來看，煤和矸石的灰度特征具有較好的區(qū)分度。但是于國防等[10]、王家臣等[11]的研究結(jié)果表明，煤和矸石的灰度特征會隨環(huán)境發(fā)生變化，可能會對煤和矸石分類造成影響，需通過環(huán)境影響試驗進(jìn)行進(jìn)一步分析。

圖6 樣本灰度特征分布Fig.6 Distribution of grayscale features of samples

表4 樣本灰度信息統(tǒng)計Table 4 Statistical of sample grayscale information %

2.2 單因素試驗結(jié)果分析

2.2.1 光照影響試驗結(jié)果分析

如圖7a所示，煤樣本的灰度均值在32～36，矸石樣本的灰度均值在40～55，隨著照明功率的上升，樣本的灰度均值呈現(xiàn)上升趨勢，浮動范圍為1～2。試驗所得出的灰度均值區(qū)間與王家臣等人在低照度條件下得出的結(jié)果一致。在于國防等人的研究中，圖像特征提取過程中未完全消除背景信息，灰度均值提取結(jié)果與本文相差較大，但灰度變化趨勢的研究同樣呈現(xiàn)上升趨勢。

圖7 不同光照強度下煤矸灰度特征變化Fig.7 Variation of coal and gangue grayscale characteristics under different light intensity

如圖7b所示，可以看出，矸石樣本的峰值更為穩(wěn)定，而煤樣本的峰值起伏較大，這是由于光強的增加使部分灰度級發(fā)生躍遷導(dǎo)致的，M2的峰值呈現(xiàn)出較大落差，圖8所示為M2分別在12、24和36 W光照下的灰度直方圖，從圖中可以看出，隨著光照強度的增強，部分灰度級發(fā)生了躍遷，導(dǎo)致直方圖峰值發(fā)生變化。

圖8 M2的灰度直方圖Fig.8 Gray histogram of M2

從上述分析中可以看出，在試驗涉及的光照條件下，煤矸樣本的灰度均值和灰度峰值均有較好的區(qū)分度，但是煤和矸石的峰值灰度受環(huán)境變化的影響較大，存在較大的不穩(wěn)定性。

2.2.2 樣品濕度影響

如圖9a所示，隨著噴霧量的增加，灰度均值呈對數(shù)曲線的趨勢下降，矸石樣本灰度均值下降幅度為15～20，煤的下降幅度約為8。在0～0.08 g區(qū)間內(nèi)下降最為迅速，此時樣本迅速吸收噴霧水分，色澤變化顯著，使灰度級迅速下降；在0.08～0.16 g區(qū)間內(nèi)變化趨于平穩(wěn)；當(dāng)噴霧量達(dá)到0.2 g時，M2、G1、G3的灰度均值再次出現(xiàn)小幅度下降，其余樣本則未發(fā)生明顯變化，觀察樣本可以發(fā)現(xiàn)，M2、G1、G3三個樣本的表面平滑，M1、M3、G2三個樣本的表面有凸起，這種形貌上的差異導(dǎo)致樣本對水分和光的響應(yīng)性不同，產(chǎn)生不同的變化趨勢。圖9b所示灰度峰值的下滑與圖9a具有相似之處，樣本灰度峰值隨噴霧量的增加呈下滑趨勢，矸石樣本的下滑幅度遠(yuǎn)大于煤樣本。從圖10所示灰度直方圖可以看出，矸石樣本的灰度峰值對樣本濕度變化較為敏感。在高水平的樣本濕度環(huán)境下，相比于灰度峰值，煤和矸石的灰度均值隨著表面濕度的增加仍具有較好的區(qū)分度。

圖9 不同表面濕度下煤矸灰度特征變化Fig.9 Variation of coal and gangue gray characteristics under different surface humidity

圖10 G1的灰度直方圖Fig.10 Gray histogram of G1

2.2.3 粉塵污染試驗

如圖11a所示，在試驗涉及范圍內(nèi)灰度均值與煤粉量成一次線性關(guān)系逐步下降，G2、M1的擬合函數(shù)如圖中所示，兩者相差較大。觀察圖11b可以發(fā)現(xiàn)，煤樣本和G1的灰度峰值下降范圍為2～6， G2、G3峰值分別下降10和9，其中具有高亮色澤的M3比M1和M2下降幅度大。G1(黑矸)因含碳量高而與煤色澤相近，其均值和峰值變化趨勢與煤樣本較為接近。分析可知導(dǎo)致樣本灰度均值下降的原因有二：首先是煤粉附著在樣本表面遮擋高亮色澤，這是造成G1、G2和M3灰度下降的主要原因；其次是樣本表面煤粉對光線形成漫反射，導(dǎo)致所采集圖像灰度降低。從圖中可以看出，在樣本經(jīng)煤粉沾染后，矸石和煤的灰度特征仍然具有較好的區(qū)分度。

圖11 不同煤粉污染下煤矸灰度特征變化Fig.11 Gray-level characteristic changes of coal and gangue under different pulverized coal pollution

2.3 多因素交互影響試驗結(jié)果分析

通過Design-expert軟件BBD設(shè)計試驗方案，試驗方案設(shè)計和試驗結(jié)果見表5、表6，包括24組析因試驗和5組中心點重復(fù)試驗，試驗響應(yīng)值為灰度均值，通過MATLAB對圖像進(jìn)行處理得出。

表5 塊煤組試驗設(shè)計及結(jié)果Table 5 Experimental design and results of lump coal group

表6 矸石組試驗設(shè)計及結(jié)果Table 6 Experimental design and results of gangue group

對表5和表6中數(shù)據(jù)進(jìn)行多元二次回歸擬合，建立煤和矸石灰度均值的多元二次回歸模型，分析自變量對于響應(yīng)值的影響，得到煤和矸石灰度均值M、E的多元二次回歸模型：

M=26.64-0.30A-1.80B-0.67C+1.22D+0.045AB-0.38AC-0.32AD+1.25BC-0.25BD-0.76CD-0.35A2+1.52B2-0.76C2+2.25D2，

E=30.11-0.36A-2.54B-2.00C-0.073D+0.82AB-0.31AC+0.22AD+1.81BC-0.81BD+0.53CD-1.15A2+2.94B2+0.056C2+1.25D2。

對回歸模型進(jìn)行方差分析見表7、表8，從表中可以看出，塊煤和矸石兩組試驗的模型P<0.05，失擬項P>0.05，表明方程與試驗擬合良好。從方差分析中可以看出，對煤的灰度均值影響顯著的因素有B、C、D及B-C之間的交互作用，對矸石的灰度均值影響顯著的因素有B、C及B-C之間的交互作用。

表7 塊煤組的二次多項式模型方差分析Table 7 Analysis of variance of quadratic polynomial model of lump coal group

經(jīng)Design-Expert分析，得出具有顯著性交互作用項B-C對煤矸灰度均值的響應(yīng)曲面如圖12所示。從圖中可以看出，隨著表面濕度和煤粉沾染量的增加，煤和矸石的灰度均值呈下降趨勢，當(dāng)表面濕度大于水平0時，煤和矸石的灰度值隨著煤粉沾染量的增加下降較緩，而表面濕度小于水平0時，其灰度值下降較快，這說明兩者具有顯著的交互作用。這表明在生產(chǎn)環(huán)境中的水和粉塵會導(dǎo)致煤和矸石的灰度值降低，可能會影響基于灰度均值進(jìn)行的煤矸識別。同時，通過對多元二次回歸模型分析可知，在同一水平下，煤和矸石的兩個響應(yīng)面不存在交點，因此可以說明煤和矸石的灰度均值具有較好的區(qū)分度，且對環(huán)境改變的敏感程度較低，最適用于煤和矸石的分類識別。

圖12 表面濕度與煤粉沾染量交互作用Fig.12 Interaction between surface humidity and pulverized coal contamination

3 結(jié) 論

1)煤和矸石灰度特征與紋理特征統(tǒng)計分析表明，煤和矸石的灰度特征比紋理特征具有更好的區(qū)分度。

2)6～36 W光照試驗條件未使灰度級產(chǎn)生大范圍躍遷，灰度均值變化不顯著，但煤的灰度峰值波動明顯，說明小范圍光照變化能夠促使較低灰度級躍遷，影響煤和矸石的灰度峰值；表面加濕和煤粉沾染會使灰度均值和峰值降低，隨著噴霧量的增加，灰度均值呈現(xiàn)先急后緩的對數(shù)曲線下降趨勢，矸石的下降幅度約為煤的2倍，而灰度均值與煤粉量成一次線性反比關(guān)系，黑矸的灰度特征變化趨勢與煤相近，灰矸的線性比例約為煤的5倍。

3)在試驗所涉及條件中，同等條件下煤矸圖像的灰度均值和峰值信息區(qū)分度較大，可作為煤矸圖像識別的有效判據(jù)，但是灰度峰值對環(huán)境變化較為敏感。此外，含碳量較高的黑矸在外部環(huán)境的影響下，易表現(xiàn)出與塊煤接近的特征，將會是造成誤識別的主要原因之一。

4)從響應(yīng)面試驗可以看出，表面濕度、煤粉沾染和塊煤種類對煤的灰度均值具有顯著影響，對矸石種類具有顯著影響的有表面濕度、煤粉沾染；表面濕度和煤粉沾染的交互影響對煤矸圖像灰度均值的影響也是顯著的；煤和矸石的響應(yīng)面表明，在同等環(huán)境水平下，煤和矸石灰度均值響應(yīng)面不存在交叉點，是能夠進(jìn)行煤矸分類識別的有效判據(jù)。因此，基于機器視覺的煤矸識別技術(shù)的準(zhǔn)確應(yīng)用，需著重考慮環(huán)境中的淋水和粉塵的影響，可通過強吹風(fēng)、振動或者是毛刷裝置對原煤進(jìn)行適度的清潔處理，有利于提高煤矸識別率。

試驗研究是在實驗室環(huán)境下進(jìn)行的模擬試驗，試驗中對生產(chǎn)環(huán)境進(jìn)行了簡化模擬，在惡劣環(huán)境模擬、光源設(shè)置等方面仍存在一定的局限性。