[发明专利]基于双能射线透射成像的煤和矸石分选方法、装置及系统有效
申请号: | 202210032958.3 | 申请日: | 2022-01-12 |
公开(公告)号: | CN114535133B | 公开(公告)日: | 2023-05-23 |
发明(设计)人: | 李振华;王宇航;徐胜男 | 申请(专利权)人: | 山东大学 |
主分类号: | B07C5/34 | 分类号: | B07C5/34;B07C5/02;B07C5/36;G06V20/00;G06V10/26;G06V10/30;G06V10/34;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/09 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 闫圣娟 |
地址: | 250061 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 射线 透射 成像 矸石 分选 方法 装置 系统 | ||
1.基于双能射线透射成像的煤和矸石分选方法,其特征在于,包括:
获取煤样本和矸石样本分别经双能射线透射后的透射图像;
对透射图像进行数据量化后得到高低能透射图像;
对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像,以此构建训练样本集;
根据训练样本集对构建的煤矸分选模型进行训练,对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果;
基于轻量级卷积神经网络构建所述煤矸分选模型,所述煤矸分选模型先对输入的训练图像进行尺寸变换,在第一个卷积层之后引入通道注意力机制和空间注意力机制,加入mobilenetV2中的倒残差网络模块;输出的feature map作为残差级联组的输入,最后对级联输出的feature map进行特征融合,通道合并,传递到下一阶段;在级联融合的特征层之后加入卷积层,在最后一层卷积层后加入通道注意力机制和空间注意力机制;经过平均池化,输出层采用Softmax作为激活函数,最终得到输入图像的分类结果。
2.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法,其特征在于,对透射图像进行数据量化后得到高低能透射图像的过程包括:将煤样本和矸石样本分别经双能射线透射后,将射线辐射信号转换成数字信号,映射成包含高能级和低能级的透射图像,对透射图像进行左右高低能级的对称分割,并按比例进行复制融合,得到高低能透射图像。
3.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法,其特征在于,对高低能透射图像经目标分割之前进行预处理,预处理包括对高低能透射图像进行二值化、双边滤波、泛洪填充、腐蚀膨胀以及形态学优化处理。
4.如权利要求3所述的基于双能射线透射成像的煤和矸石分选方法,其特征在于,所述泛洪填充处理为填充不连续区域,构建完整且连续的目标区块。
5.如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法,其特征在于,所述煤矸分选模型具有移植性,对煤矸分选模型进行格式转换,通过与智能芯片的通信连接,将格式转换后的煤矸分选模型复制移植到智能芯片中。
6.基于双能射线透射成像的煤和矸石分选装置,基于如权利要求1所述的基于双能射线透射成像的煤和矸石分选方法,其特征在于,包括:
获取模块,被配置为获取煤样本和矸石样本分别经双能射线透射后的透射图像;
量化模块,被配置为对透射图像进行数据量化后得到高低能透射图像;
预处理模块,被配置为对高低能透射图像经目标分割后得到煤样本图像和矸石样本图像,以此构建训练样本集;
训练及分选模块,被配置为根据训练样本集对构建的煤矸分选模型进行训练,对待分选样本采用训练后的煤矸分选模型得到煤和矸石的分选结果。
7.基于双能射线透射成像的煤和矸石分选系统,其特征在于,包括:检测装置、权利要求6所述的煤和矸石分选装置和分拣装置;
所述检测装置采用双能射线对煤样本、矸石样本和待分选样本进行透射;
所述煤和矸石分选装置用于根据煤样本和矸石样本的透射图像对构建的煤矸分选模型进行训练,并采用训练后的煤矸分选模型对待分选样本进行分选,得到煤和矸石的分选结果;
所述分拣装置用于根据分选结果执行煤和矸石的分拣动作。
8.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-5任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-5任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210032958.3/1.html,转载请声明来源钻瓜专利网。