[发明专利]基于层析滤纸采样的静态煤泥浮选图像灰分检测方法

说明书

本发明公开了基于层析滤纸采样的静态煤泥浮选图像灰分检测方法，该方法包括：通过层析滤纸对尾矿水进行采样处理，得到静态煤泥浮选图像；构建深度学习残差网络；将静态煤泥浮选图像输入至深度学习残差网络进行灰分检测，得到检测结果；基于检测结果对深度学习残差网络进行迭代优化更新，得到最优深度学习残差网络。通过使用本发明，能够通过消除静态煤泥浮选图像的泡沫与杂质进而提高对尾矿水样品的检测效率与检测准确率。本发明作为基于层析滤纸采样的静态煤泥浮选图像灰分检测方法，可广泛应用于浮选精煤灰分检测技术领域。

技术领域

本发明涉及浮选精煤灰分检测技术领域，尤其涉及基于层析滤纸采样的静态煤泥浮选图像灰分检测方法。

背景技术

煤泥浮选是煤炭生产的重要手段，尾矿灰分信息不仅反应出精煤的灰分数据，还能体现出精煤的回收率信息，但由于煤的品质，工况的不同，造成浮选产品中灰度的波动，因此需要及时检测灰分，调整工艺参数，但是目前浮选车间的流程较多，调节滞后，严重影响整个选煤工艺的连动效果，目前工业现场常用的检测方法是通过燃烧尾矿测量残留物质重量来计算灰分，检测时间较长，一般需要三四十分钟才能得到结果，耗时久不利于工业现场的技术调整，使用明火的方法也存在风险，并且对环境会有较大的不利影响，或者依赖工人师傅根据经验用眼看，用手摸浮选尾矿，这种方法随机性大，而且对工人师傅的经验要求很高，而对于现阶段的尾矿图像采集到的尾矿图像特征不够清晰，而且液体表面可能会存在大量泡沫以及杂质，影响图像采集，由于浮选尾矿水槽内的煤泥水溶液是动态翻滚的，采集难度大。

发明内容

为了解决上述技术问题，本发明的目的是提供基于层析滤纸采样的静态煤泥浮选图像灰分检测方法，能够通过消除静态煤泥浮选图像的泡沫与杂质进而提高对尾矿水样品的检测效率与检测准确率。

本发明所采用的第一技术方案是：基于层析滤纸采样的静态煤泥浮选图像灰分检测方法，包括以下步骤：

通过层析滤纸对尾矿水进行采样处理，得到静态煤泥浮选图像；

构建深度学习残差网络；

将静态煤泥浮选图像输入至深度学习残差网络进行灰分检测，得到检测结果。

进一步，所述通过层析滤纸对尾矿水进行采样处理，得到静态煤泥浮选图像这一步骤，其具体包括：

获取煤泥尾矿水样品；

将煤泥尾矿水样品滴至层析滤纸进行采样处理，得到静态煤泥待处理图像；

通过相机对静态煤泥待处理图像进行拍摄处理，得到静态煤泥待采集图像；

通过图像采集软件对静态煤泥待采集图像进行采集处理，得到静态煤泥浮选图像。

进一步，所述构建的深度学习残差网络包括卷积层、最大池化层、残差块、平均池化层和全连接层，所述残差块由残差卷积层、批量规范化层和激活函数组成。

进一步，所述将静态煤泥浮选图像输入至深度学习残差网络进行灰分检测，得到检测结果这一步骤，其具体包括：

将静态煤泥浮选图像输入至深度学习残差网络；

基于深度学习残差网络的卷积层，对静态煤泥浮选图像进行特征提取处理，得到静态煤泥浮选特征图像；

基于深度学习残差网络的最大池化层，对静态煤泥浮选特征图像进行分辨率降低处理，得到降低后的静态煤泥浮选特征图像；

基于深度学习残差网络的残差块，对降低后的静态煤泥浮选特征图像进行恒等映射处理，得到激活的静态煤泥浮选特征图像；

基于深度学习残差网络的平均池化层，对激活的静态煤泥浮选特征图像进行下采样操作处理，得到静态煤泥浮选图像的特征向量；