[发明专利]一种基于深度学习的煤灰分在线检测系统及其检测方法

说明书

本发明公开了一种基于深度学习的煤灰分在线检测系统及其检测方法，包括分类模型和回归模型，模型训练完成后部署至嵌入式设备，实现煤灰分在线检测功能的分布式部署；依托配套硬件图像采集系统完成灰分的实时性检测。在线检测方法通过图像采集装置获取煤的显微图像以及对应的灰分，建立煤显微图像数据库，基于深度学习方法构建特征提取网络对煤灰分图像进行自动特征抽取，设计分类模型和回归模型完成最终决策，得到精准的煤的灰分预测结果。本发明相比其他煤的灰分检测方法，具有检测精度高、速度快等优点。

技术领域

本发明涉及矿物加工中煤质检测技术领域，尤其是一种基于深度学习的煤灰分在线检测系统及其检测方法。

技术背景

我国煤炭储量丰富，经济的快速发展带动了各行各业对能源的消耗，为了保证煤炭产品质量，进行煤质在线快速检测具有重要意义。选煤过程中，常规的煤质测量方法需要进行人工采样和样品制备，干扰因素多，化验周期长，化验结果滞后，实时性差等问题。国内在20世纪末期开始引进煤质在线检测设备，煤质在线检测技术包括双能量γ射线投射法，天然射线法，中子活化法，X射线荧光法等，但存在放射源，有潜在的辐射污染，办理采购、验收等手续复杂，周期长，检测精度容易受煤中异物的影响，因此迫切寻求一种检测迅速、安全无污染，运行成本低的煤质在线快速检测方法。随着人工智能技术的迅速发展，使用机器视觉代替人工劳动成为可能，该模式并将在工业生产过程中产生巨大的效益，对于建设智能化选煤厂，引领煤炭行业智能化升级具有重要意义。

随着人工智能技术的迅速发展，使用机器视觉代替人工劳动成为可能，因此为了解决传统方法的局限性，提出一种基于深度学习的灰分在线灰分检测方法，其优点在于灵敏度高、测量准确，避免了人工采样的不均匀性及化验结果严重滞后的状况，能够及时地指导和优化生产工艺和配煤工艺，产品质量得到保证。深度学习最大的优势就是能够自动地提取更具表现力的特征，满足实际应用中的端到端需求，该模式符合人类大脑对事物的认知，因此，构建高分辨率、多尺度显微图像数据库，运用深度学习训练模型，探究煤炭灰分与煤炭表面反射光谱之间关系，进而研发一种绿色高效的集成式灰分检测装置。然而，目前仍未见该方法在煤炭灰分测量技术领域中应用。

发明内容

本发明的目的是提供一种基于深度学习的煤灰分在线检测系统及其检测方法，利用该方法与硬件检测系统可实现煤炭灰分的在线精准测量。

本发明的目的是通过以下技术方案实现的：

第一方面，本发明提供了一种基于深度学习的煤灰分在线检测系统，包括分类模型和回归模型两个分支。

进一步地，所述的分类模型和回归模型训练数据来源：通过高清工业相机与显微镜头配合辅助光源采集煤样显微图像以及该图像对应的灰分，建立高分辨率、多尺度的显微图像数据库，用以模型训练。

其中，分类模型将图像数据库按照灰分指定区间划分类别，并将这些具有标签信息的图像数据按照一定的比例随机划分为训练集、验证集和测试集。

其中，回归模型将图像数据库中的图像的标签缓慢灼烧得到灰分一一对应，并将这些具有标签信息的图像数据按照一定的比例随机划分为训练集、验证集和测试集。

将图像数据中的训练集和验证集给入到特征提取网络进行自动特征抽取，特征提取网络包括但不限于卷积神经网络、循环神经网络、自编码网络、Transformer等特征提取器，得到煤样显微图像的特征描述。

进一步地，分类模型中的分类模型包括但不限于支持向量机、Softmax函数等，与特征提取器串联，构建灰分在线检测分类模型。

进一步地，回归模型中的回归模型包括但不限于支持向量回归、线性回归、多项式回归等，与特征提取器串联，得到灰分在线检测回归模型。