煤矸石图像分类方法

饶中钰，吴景涛 ,2，李明

(1.中国矿业大学 信息与控制工程学院，江苏 徐州 221116；2.冀中能源股份有限公司 章村煤矿，河北 邢台 054000)

0 引言

煤炭是我国的主导能源，约占能源生产、消费总量的68%和60%[1]。在煤炭开采和加工过程中，矸石含碳量较低，色泽与煤炭相近，是伴随产生的废弃物，占原煤生产总量的15%～20%[2]。矸石在燃烧时会产生以SO2为主的大量有害气体，加重大气环境污染，大幅降低煤炭品质。在煤炭利用前，必须对矸石与煤进行分选。传统的煤矸石分选方法主要包括人工排矸法、机械湿选法和γ射线分选法[3-7]，在快速高效性、安全无害性、简单操作性等方面无法兼顾。

随着人工智能技术的发展，机器视觉技术越来越多地应用于图像识别领域。虽然煤和矸石外表都是黑色，但二者灰度分布与纹理特征不同。基于此，许多学者将机器视觉技术引入煤矸石分选，其中大多数采用特征提取与分类算法相结合的图像处理算法，如余乐[8]通过改进的灰度共生矩阵进行煤矸石纹理特征分析，何敏等[9]基于支持向量机分类方法结合煤矸石纹理及灰度特征进行煤矸石分类，张勇[10]采用多特征融合并结合K近邻算法、支持向量机进行煤矸石分选。上述方法在煤矸石识别方面具有较高准确率，但存在鲁棒性不强、易受光照影响等问题。

卷积神经网络基于卷积特征提取方法构建，具有快速方便、鲁棒性强等优点，越来越多地应用于图像分类。本文基于机器视觉技术，研究煤矸石图像分类方法。……