[发明专利]一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法

说明书

本发明涉及一种基于多光谱波段筛选和改进U‑Net的煤矸石定位方法，其包括以下步骤：步骤1、在不同的环境下采集煤矸石的多光谱数据；步骤2、根据标准差选择最佳波段，将所选波段的光谱数据转换为灰度图像；步骤3、在每一张被转换的灰度图像中标注煤矸石的位置和形态；步骤4、改进基本的U‑Net模型，然后构建基于改进的U‑Net煤矸石识别和定位模型；步骤5、将标注数据转换为改进后的U‑Net所用数据形式；步骤6、训练改进后的U‑Net模型；步骤7、保存U‑Net训练过程中的最佳模型的权重，然后把保存的最佳模型用于煤矸石识别和定位。改进U‑Ne模型轻量易训练，不仅能快速准确的对煤矸石识别和定，而且可以预测煤矸石的形态，判断煤矸石的相对大小。

技术领域

本发明涉及煤矸石智能分选领域，具体是一种基于多光谱波段筛选和改进 U-Net的煤矸石定位方法。

背景技术

煤炭，人类重要的一次能源，也是中国能源安全保障的压舱石。尽管中国的能源结构继续改进，但煤炭每年仍被大量开采，2019年全国原煤产量为39.7 亿吨，同比增长4.0％。在煤炭的开采过程中不可避免的会混入煤矸石，含量超过10％，它不仅降低煤的燃烧效率，而且增加污染物的排放。因此，需将煤矸石从煤中分离(被称之为洗煤)。2020年初国家发改委等8部门联合发布加快煤矿智能化发展的指导意见，意见明确指出“2025年实现洗选系统的智能化决策和自动化协同运行”。

利用成像技术获得煤矸石的图片，然后利用人工智能算法基于图像识别煤矸石，学术上被称之为智能分选法。“识别”只能判断图像中有无煤矸石，而无法确定煤矸石的位置，这使得基于图像识别的煤矸石分离操作难以实现。当前的研究主要是煤矸石的“识别”，如申请号为201910391577.2公开了一种基于多颜色空间主元分析描述的煤矸石识别方法，通过RGB图像识别煤矸石。针对煤矸石定位的研究非常少，此外，RGB图像由于窄带，易受可见光干扰。

因此，提出一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，以实现煤矸石快速、精准的识别和定位，并且还能预测煤矸石的形态，预估煤矸石的相对大小，为煤矸石的分离操作提供有效的位置和大小信息。

发明内容

为解决当前基于多光谱成像的煤和煤矸石智能分离无法对煤矸石快速、精准的识别和定位问题，本发明提供一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法；该发明不仅能快速、精准的识别和定位煤矸石，而且还能预测煤矸石的形态，进而实现煤矸石相对大小的评估。

本发明实现发明目的采用如下技术方案：

一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，包括以下步骤：

步骤1、在不同的环境下采集多组煤矸石的多光谱数据；

步骤2、计算所采集的煤矸石多光谱数据的每一个波段的方差，选择一个信息量最大的波段作为最佳波段，然后将所选的最佳波段的光谱数据转换为一个灰度图像；

步骤3、利用图像分割标注工具在每一张被转换的灰度图像中标注煤矸石的位置和形态，将标注的位置和形态数据保存为json文件；

步骤4、设计一个轻量的用于特征提取的主干网络改进基本的U-Net模型，然后构建基于改进的U-Net煤矸石识别和定位模型；

步骤5、把json中的位置和形态数据转换为改进后的U-Net所用数据形式，然后将波段选择后的数据按4:1划分为训练数据集和验证数据集；

步骤6、把训练数据集和验证数据集中的最佳波段的光谱数据归一化，然后联合格式转换后的标注数据训练改进后的U-Net模型；

步骤7、保存U-Net训练过程中的最佳模型的权重，然后把保存的最佳模型用于煤矸石识别和定位。

作为优选，步骤1中所述的“不同的环境”包括在实验室理想环境下、矿井下和选煤厂等复杂环境下采集煤矸石的多光谱数据。