摘要：煤炭资源在我国的能源结构中占有很重要的地位，煤炭生产中，煤炭分选工作非常重要，人工分选生产效率低、成本高且工人工作环境差，极不利于煤炭生产效能的提升，采用机器视觉图像分析来分选煤炭效率高、稳定性好且工作可靠，有效降低了煤炭企业的生产成本，提高了生产效率。
关键词：煤炭分选；机器视觉；技术研究
在选煤工艺中，煤矸石的检测技术有很多，一个先进的检测技术不仅提高生产效率，节约生产成本，还保证生产工作的有效进行。随着现代化水平的逐步提高，电子分拣技术在煤炭生产中应运而生，电子分拣机使用专门设计的传感器，如X射线分析仪，检测在移动的输送机带的表面上散布的饲料颗粒质量。高速微处理器使用传感器数据来控制传送带的末端。气动执行机构按顺序排列，使颗粒满足要求目标质量被转移到产品流中。分拣机技术的紧凑尺寸和低单位成本，为在许多不同位置分离矿石煤矿提供了可行性。因此，本文在此基础上提出了基于机器视觉图像分析的自动选煤技术。
一、识别原理及处理过程
图像处理系统是为了准确的得到煤和煤矸石的灰度值和位置信息，并为排除煤矸石做准备。该系统主要包括以下几个过程对煤炭图像的视觉优化处理，对煤炭图像的分割处理，对煤和煤矸石灰度分析，最后是采集数据的系统识别，并将煤矸石进行分离。
（一）优化图像
煤炭分选环境恶劣，不利于图像信息的采集，而且很多因素影响了图像信息采集的质量。如：悬浮于空气中的灰尘导致采集到的图像模糊不清；光源照射的不均匀；设备散热量大等噪声干扰，为消除这类噪声干扰可以通过增加滤波器和改变对比度，来优化图像的视觉效果。
（二）对采集信息的分割处理
信息处理是将采集完的信息图像划分成不同区域，不同的区域代表着不同的属性，如煤炭的颜色、纹理、灰度等信息；经过该步骤可确定煤和煤矸石的区域位置，再通过对图像灰度值的分析就能得到煤和煤矸石的灰度分布情况直方图。
（三）图像的灰度分析
灰度值分析是通过数据分析设定一个合理的灰度值作为开阀值与邻域比较，将大于这个设定的灰度值划为一个区域，将低于这个设定的灰度值划为一个区域；这样就可以通过灰度值，将图像进行划分。譬如在试验中，我们通过数据分析得到煤的灰度值集中在50左右；而煤矸石集中在110左右；那么，我们可以选取90作为区分煤和煤矸石的灰度值，小于90的当作煤，大于90的为煤矸石。
（四）检测系统识别
将采集到的图像的灰度值与存在系统中的开阀值比较；若小于阀值可认为是煤不做处理，若大于阀值则是煤矸石；控制系统迅速响应机械装置，将煤矸石分离。
二、机器视觉图像分析的煤炭分选系统组件及检测过程
机器视觉自动选煤系统的硬件结构由CMOS彩色工业相机、电脑、光源、输送机和物料（包括料斗）、信号控制设备、驱动电机和推杆组成。选煤系统检测流程有四个步骤：设置参数→判断输送机上是否有物料→判断物料是否存在是煤→判断材料是否是金属。
（一）检测系统启动前的基本参数
1）设置传送带的速度，从每个料斗（煤炭，煤矸石，金属）到摄像机的水平距离，然后根据公式t=s/v来计算单个延迟时间，即煤炭斗延迟时间tc、煤矸石斗延迟时间tm、金属斗延迟时间ts。
2）将黄色成分（与绿色和红色混合）设定为比例α和红色成分比例β。α=1时，颜色接近纯黄色，β=1时为纯红色。
3）设置阈值的范围是30~210，默认值是100。有两种类型：阈值Tc判断材料是否是煤炭或阈值，Tm判断材质是否是金属。
4）阈值T可判断输送机是否空了。空的输送机背景图像是蓝色的，所以计算公式如下式所示：
式中：m为图像中的行数；n为图像中的列数；
，
行和
列像素的蓝色分量。
（二）判断输送机是否为空
参数设置完成后开始进行检测。判断输送机是否为空流程如下。计算所有在图像中像素的蓝色分量平均值
，如果
，则输送机是空的，重复这个步骤，或者有物料输送机，然后提取图像上的材料轮廓。
本文需要提取最大轮廓，使用轮廓跟踪方法得到最终轮廓。基础的轮廓描迹的方法是：在左下角确定一个黑色的像素点作为边界点并从左上角开始搜索。如果像素点是黑色的，则认为是边界点，否则顺时针旋转45°，直到找到一个黑色像素作为新的边界点。旋转逆时针90°根据当前的搜索方向，用同样的方法搜索一个边界点，直到返回到第一个边界点或者找不到任何点。
（三）判断材料的类型
判断材料类型的流程如下。提取材质轮廓后，统计并记录轮廓中的像素数量。计算所有像素的平均灰度值Gave，如果Gave<Tc，物料是煤，并延迟Tc发送单个煤在煤斗中分类，否则，物质不是煤时，得到绿色组分
和红色组分
，混合颜色组分
的公式如下式所示：
然后计算轮廓中所有像素的混合颜色的平均值。如果Have>Tm，材料是金属并延迟tm，然后送该金属进金属漏斗，若材料是矸石并延迟ts，则送煤矸石料斗中单独分拣煤矸石。
三、实际工程案例分析
以某一规模试点项目进行分析，该项目为煤炭清洁应用的分选技术的操作特性方面提供了一些重要的信息。最重要的发现是机器视觉图像分析的自动选煤技术技术有效地提高了各种来源的煤样的质量，包括对煤炭、煤矸石、金属的有效分离。测试数据表明，该技术已经达到单位内最佳状态配置成处理特定的窄粒度部分。数据表明，通过将原料煤预筛分成不同的大小类别从而实现分离性能，然后使用针对该特定粒度级别优化的种类来处理每个尺寸。此外，这种按尺寸设备分拣的电路，将使得每个分拣机都要根据给定的尺寸等级进行优化，以便达到最大的吞吐能力和最低的设备资本总投资。从测试数据中获得的另一个有趣的观察是，到临界粒径0.1mm以下，设备性能开始显著下降。这一发现依据制造商的建议来看，设备制造仅支持约比6.35mm（1/4英寸）更粗糙的颗粒进行高规模分拣。从工程角度来看，颗粒大小需要考虑到单层颗粒，光源的约束要求也对分拣进行了限制。为了更有效地评估这些影响和评估过程的成本效益，一个全面的机器视觉图像分析的自动选煤技术示范单位现在已经建成，目前正在运行。这个系统正在被用来进行客户潜力的试运行和开发工业应用的操作指南及相应标准。
基于机器视觉图像分析的自动选煤技术通过分析输送机图像中的色彩特性来判断分拣机是否为空。与此同时，系统可以向分拣设备发送信号并统计各种物料的数量。该技术具有效率高，稳定性和可靠性高，操作灵活等优点，提高了选煤效率，降低了生产成本。
参考文献：
[1]陈鹏，王成勇，石开仪，籍永华.基于粒度的重介旋流器煤炭分选效果研究[J].煤炭技术，2018，37（07）
[2]柳骁.我国选煤设备与技术的几点分析[J].山东工业技术，2016（12）
[3]李晓英.煤炭分选中影响旋流微泡浮选柱工作的因素研究[J].内蒙古煤炭经济，2016（07）
[4]孟亚辉.煤炭分选跳汰机排料系统PID控制仿真[J].煤炭技术，2015，34（12）
论文作者:杨硕
论文发表刊物:《基层建设》2018年第34期
论文发表时间:2019/1/15
标签：煤矸石论文; 煤炭论文; 灰度论文; 图像论文; 选煤论文; 技术论文; 输送机论文; 《基层建设》2018年第34期论文;