基于机器视觉的煤矸识别系统设计及试验研究

摘要

为解决手工选煤、 湿法选煤中存在的效率低下、 劳动强度大、 水资源耗费、 环境污染等诸多问题.研究了基于机器视觉的煤矸识别方法,在实验室中搭建了试验平台,开发了MFC软件应用平台,实现了煤矸实时识别;选取山西西山、内蒙古和陕西神木的煤和矸石作为样本,建立了样本图像库;取420张图像作为实验样本,提取样本的灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行统计和分析;采用粒子群优化算法(P SO)对支持向量机(SVM)的进行优化,并对分类器进行训练和分类测试.对特征分析的结果表明,灰度特征比为纹理特征具有更好的区分度;P SO-SVM分类器测试中,以灰度、纹理、组合特征作为输入时,其识别准确率分别为95.83％、72.92％、93.75％,结果表明以灰度特征作为输入识别效果最好.