[发明专利]一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法

说明书

本发明提出了一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法，属于高光谱检测和煤炭检测技术领域。具体方法如下：首先将煤块粉碎成粒度13mm的煤炭颗粒并均匀铺在器皿底部置于载物台中央，通过高光谱相机进行图像采集。先对高光谱图像进行黑白校正去除暗电流的影响，将校正好的图像输入到卷积神经网络中进行卷积和池化操作提取特征及分类。将分类后得到的样本值暂取为其所在含量小区间的中值作为BP神经网络回归模型的输入，将工业分析得到的实测值作为期望输出，通过反向迭代更新，直到误差达到设定值停止迭代，输出含量值。本发明方法实现煤炭的质量检测，操作简单，为煤炭选择过程提供相应技术指导。

技术领域

本发明涉及煤炭质量检测技术领域，具体涉及一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法。

背景技术

煤炭在我们的日常生产生活中占有着非常重要的地位，虽然目前随着石油资源被不断开发，煤炭的部分位置被石油替代，但随着以后的石油资源逐渐减少，煤炭的不可或缺的地位必将逐渐显现。

煤炭是一种不可再生能源，是亿万年前大量植物死亡、堆积埋藏在地下经过一系列的演变过程形成的。不同的植物、不同的条件以及不同的演变过程都使得煤炭的内部成分含量不同，质量就会不同，从而导致其完全燃烧所能释放的热量不同。因此，为了使得煤炭这种不可再生能源可以得到充分的利用，对煤炭的质量检测就显得至关重要。

煤的主要成分为固定碳，除此之外还有灰分、水分、挥发分、硫分等，煤在燃烧室大部分的硫成分会被氧化成二氧化硫，对人体和环境都会造成一定程度的损害，煤中的有机质在一定的温度条件下会受热分解成可燃烧气体，称为挥发分。因此，煤的质量与其内部的各成分含量有关。

目前对于煤的质量检测有很多方法。最传统的质量检测方式即为灼烧法结合化学试剂，得到煤炭中各成分的具体含量值。还有通过近红外光谱法结合主成分分析法进行煤炭热量回归以及通过激光诱导击穿光谱法燃煤热值定量分析等。除此之外还有采用近红外光谱进行煤炭的灰分检测、水分检测，采用激光诱导击穿光谱技术进行煤炭的挥发分检测等。

发明内容

本发明提出了一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法。通过高光谱成像技术采集13mm的原煤样本图像，通过黑白校正去除由于暗电流的存在造成的干扰，然后将图像作为卷积神经网络的输入进行特征提取及分类，输出灰分、水分和挥发分的对应的区间，将不同成分所对应区间的中值输入到BP神经网络中建立回归模型，得到煤炭的灰分、水分、挥发分的具体含量，从而实现煤炭的质量检测。本发明方法采用高光谱成像技术进行分析，由于高光谱图像图谱合一的特点使得其信息表达更为丰富，能够精细刻画样本反射光谱；其次，应用卷积神经网络进行处理减少的复杂的预处理过程，同时细分类的结果使得后续回归处理的相对初始更小，收敛更快。

本发明通过以下技术方案来实现：一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法，包括对煤炭样本的制取，通过粉碎机将原煤煤块样本打磨成粒度为13mm的原煤颗粒样本。将同一编号的全部样本均匀铺在器皿中并置于载物台中央，由于煤炭中的成分分布并不均匀，若截取局部样本则不足以表达该样本的全部信息，因此为保证样本信息的完整性和代表性，须对样本整体进行高光谱图像采集，通过高光谱成像设备进行操作。首先对采集到的图像进行黑白校正，去除暗电流的影响，将校正后的图像传输到卷积神经网络中进行特征提取，通过不断地卷积池化，得到样本不同成分的特征及信息，输入到全连接层进行分类，将不同成分所对应区间的中值输入到BP神经网络中进行回归，最终得到该煤炭样本的各成分具体含量并输出。

一种基于高光谱成像技术和卷积神经网络的煤炭质量检测方法，其特征主要包括以下步骤：

S1、将原煤煤块用粉碎机打磨成粒度为13mm的原煤颗粒并将其均匀铺在器皿底部，将器皿置于载物台中央，将高光谱成像设备置于样本的正上方，同时调节设备的高度，确保高光谱成像设备可以采集到全部样本颗粒的高光谱信息，打开光源并进行高光谱图像采集；