本發(fā)明涉及煤矸分類(lèi)識(shí)別，特別是涉及基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法與系統(tǒng)。

背景技術(shù)：

1、原煤在開(kāi)采過(guò)程中會(huì)混有大量矸石，如放頂煤和薄煤層開(kāi)采，導(dǎo)致工作面煤層頂、底板巖石在開(kāi)采過(guò)程中混入大量的原煤，這不僅會(huì)提高選煤的成本，而且燃燒排放的氣體會(huì)污染環(huán)境，因此亟需進(jìn)行煤與矸石的分揀。隨著人工智能技術(shù)的快速發(fā)展，選煤行業(yè)正向工藝簡(jiǎn)單化、設(shè)備智能化、分選精細(xì)化的方向發(fā)展，煤矸石智能分選成為煤礦領(lǐng)域重要的任務(wù)，其中包括煤與矸石的識(shí)別、煤塊粒度的分析以及異物的實(shí)時(shí)識(shí)別。

2、中國(guó)發(fā)明專(zhuān)利，cn113570542a?一種基于機(jī)器視覺(jué)的遮擋情況下煤矸石檢測(cè)方法，使用mask?rcnn從采集的圖像中將煤或矸石沒(méi)被遮擋的可見(jiàn)部分分割出來(lái)；使用completion-gan網(wǎng)絡(luò)根據(jù)圖像分割出的可見(jiàn)部分生成被遮擋的不可見(jiàn)部分，進(jìn)而獲得完整圖像；使用完整圖像進(jìn)行檢測(cè)，得到識(shí)別結(jié)果。

3、中國(guó)發(fā)明專(zhuān)利，cn114627109a?基于圖像增強(qiáng)和深度學(xué)習(xí)的煤矸分類(lèi)識(shí)別方法與流程，所述方法包括煤矸圖像采集并進(jìn)行圖像增強(qiáng)處理，針對(duì)煤矸圖像增強(qiáng)處理后的煤矸圖像制作成數(shù)據(jù)集，搭建并對(duì)lenet網(wǎng)絡(luò)進(jìn)行改進(jìn)并針對(duì)得到的數(shù)據(jù)集進(jìn)行訓(xùn)練，通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到煤矸分類(lèi)識(shí)別結(jié)果模型。

4、發(fā)明人發(fā)現(xiàn)，現(xiàn)有的煤矸石分選常用的方法主要有圖像識(shí)別、射線識(shí)別、重介選煤、浮選、干法選煤等，存在分選效率度、分選精度不高和環(huán)境污染嚴(yán)重等問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法與系統(tǒng)，提高了煤矸石分揀的準(zhǔn)確性和效率。

2、一方面，提供了基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，包括：獲取目標(biāo)對(duì)象的高光譜圖像和激光測(cè)距數(shù)據(jù)；將高光譜圖像數(shù)據(jù)映射到激光測(cè)距數(shù)據(jù)的三維點(diǎn)云上，得到映射結(jié)果；采用訓(xùn)練后的網(wǎng)絡(luò)模型，對(duì)映射結(jié)果提取出多尺度的空間特征和多尺度的光譜特征；對(duì)提取的特征進(jìn)行融合，然后基于融合后的特征，生成候選目標(biāo)區(qū)域；對(duì)候選目標(biāo)區(qū)域進(jìn)行分類(lèi)，得到煤矸石的分類(lèi)結(jié)果；基于激光測(cè)距數(shù)據(jù)，構(gòu)建煤表面的三維模型；對(duì)所述煤表面的三維模型，生成三角網(wǎng)格模型；對(duì)三角網(wǎng)格模型進(jìn)行平滑處理，得到重構(gòu)模型；基于重構(gòu)模型，確定煤塊的粒度；基于光譜數(shù)據(jù)，對(duì)煤炭的巖相特征進(jìn)行鑒定，區(qū)分不同種類(lèi)的煤炭；檢測(cè)煤炭中的重金屬含量。

3、另一方面，提供了基于高光譜成像和激光測(cè)距的煤矸石識(shí)別系統(tǒng)，包括：獲取模塊，其被配置為：獲取目標(biāo)對(duì)象的高光譜圖像和激光測(cè)距數(shù)據(jù)；將高光譜圖像數(shù)據(jù)映射到激光測(cè)距數(shù)據(jù)的三維點(diǎn)云上，得到映射結(jié)果；分類(lèi)模塊，其被配置為：采用訓(xùn)練后的網(wǎng)絡(luò)模型，對(duì)映射結(jié)果提取出多尺度的空間特征和多尺度的光譜特征；對(duì)提取的特征進(jìn)行融合，然后基于融合后的特征，生成候選目標(biāo)區(qū)域；對(duì)候選目標(biāo)區(qū)域進(jìn)行分類(lèi)，得到煤矸石的分類(lèi)結(jié)果；粒度分析模塊，其被配置為：基于激光測(cè)距數(shù)據(jù)，構(gòu)建煤表面的三維模型；對(duì)所述煤表面的三維模型，生成三角網(wǎng)格模型；對(duì)三角網(wǎng)格模型進(jìn)行平滑處理，得到重構(gòu)模型；基于重構(gòu)模型，確定煤塊的粒度；鑒定模塊，其被配置為：基于光譜數(shù)據(jù)，對(duì)煤炭的巖相特征進(jìn)行鑒定，區(qū)分不同種類(lèi)的煤炭；檢測(cè)煤炭中的重金屬含量。

4、上述技術(shù)方案具有如下優(yōu)點(diǎn)或有益效果：本發(fā)明結(jié)合了高光譜成像技術(shù)和激光測(cè)距技術(shù)，激光測(cè)距數(shù)據(jù)對(duì)于高光譜影像有著天然的互補(bǔ)性，激光探測(cè)技術(shù)能有效彌補(bǔ)高光譜遙感成像技術(shù)在空間維度上的不足，能更好的將研究區(qū)域的空間信息和光譜信息充分結(jié)合在一起。

5、本發(fā)明不僅可以利用礦物組分上區(qū)分煤和矸石，還可以獲取煤矸石的體積和表面特征，基于融合后的數(shù)據(jù)，彌補(bǔ)了單一數(shù)據(jù)源應(yīng)用的局限性，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，提高了煤矸石分揀的準(zhǔn)確性和效率。

6、本發(fā)明對(duì)煤矸進(jìn)行識(shí)別，保證原煤的低含矸率，并為采空區(qū)充填提供矸石材料；實(shí)現(xiàn)對(duì)皮帶上混在礦石中的有害物體廢舊木頭、塑料導(dǎo)管、錨桿螺母等異物的實(shí)時(shí)識(shí)別，以控制產(chǎn)品質(zhì)量；對(duì)煤塊進(jìn)行精準(zhǔn)的粒度分析，為破碎機(jī)和傳送帶的控制提供參考依據(jù)，以提高產(chǎn)品質(zhì)量、保障設(shè)備安全和降低生產(chǎn)成本。

技術(shù)特征：

1.基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，包括：

2.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，獲取目標(biāo)對(duì)象的高光譜圖像和激光測(cè)距數(shù)據(jù)之后，所述將高光譜圖像數(shù)據(jù)映射到激光測(cè)距數(shù)據(jù)的三維點(diǎn)云上之前，還包括：采用主成分分析算法，對(duì)高光譜圖像進(jìn)行降維處理；對(duì)激光測(cè)距數(shù)據(jù)，進(jìn)行噪聲去除、降采樣和數(shù)據(jù)配準(zhǔn)處理。

3.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，將高光譜圖像數(shù)據(jù)映射到激光測(cè)距數(shù)據(jù)的三維點(diǎn)云上，得到映射結(jié)果，包括：

4.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，采用訓(xùn)練后的網(wǎng)絡(luò)模型，對(duì)映射結(jié)果提取出多尺度的空間特征和多尺度的光譜特征，其中，訓(xùn)練后的網(wǎng)絡(luò)模型采用swin?transformer網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)；

5.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，對(duì)提取的特征進(jìn)行融合，包括：

6.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，對(duì)候選目標(biāo)區(qū)域進(jìn)行分類(lèi)，得到煤矸石的分類(lèi)結(jié)果，包括：

7.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，基于重構(gòu)模型，確定煤塊的粒度，包括：計(jì)算三角網(wǎng)格的表面積；將三角形與曲面的法向量結(jié)合，使用積分法計(jì)算體積，并通過(guò)表面區(qū)域的凸起和凹陷特征進(jìn)行修正；根據(jù)重構(gòu)的模型，利用比表面積計(jì)算來(lái)分析煤塊的粒度。

8.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，基于光譜數(shù)據(jù)，對(duì)煤炭的巖相特征進(jìn)行鑒定，區(qū)分不同種類(lèi)的煤炭；檢測(cè)煤炭中的重金屬含量，包括：

9.如權(quán)利要求1所述的基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法，其特征是，檢測(cè)煤炭中的重金屬含量，包括：利用高光譜檢測(cè)煤炭中的重金屬含量，具體步驟如下：

10.基于高光譜成像和激光測(cè)距的煤矸石識(shí)別系統(tǒng)，其特征是，包括：

技術(shù)總結(jié)
本發(fā)明涉及煤矸分類(lèi)識(shí)別技術(shù)領(lǐng)域，特別是涉及基于高光譜成像和激光測(cè)距的煤矸石識(shí)別方法與系統(tǒng)，所述方法包括：將高光譜圖像數(shù)據(jù)映射到激光測(cè)距數(shù)據(jù)的三維點(diǎn)云上，得到映射結(jié)果；采用訓(xùn)練后的網(wǎng)絡(luò)模型，對(duì)映射結(jié)果提取出多尺度的空間特征和多尺度的光譜特征；對(duì)提取的特征進(jìn)行融合，然后基于融合后的特征，生成候選目標(biāo)區(qū)域；對(duì)候選目標(biāo)區(qū)域進(jìn)行分類(lèi)，得到煤矸石的分類(lèi)結(jié)果；基于激光測(cè)距數(shù)據(jù)，構(gòu)建煤表面的三維模型；對(duì)所述煤表面的三維模型，生成三角網(wǎng)格模型；對(duì)三角網(wǎng)格模型進(jìn)行平滑處理，得到重構(gòu)模型；基于重構(gòu)模型，確定煤塊的粒度；基于光譜數(shù)據(jù)，對(duì)煤炭的巖相特征進(jìn)行鑒定，區(qū)分不同種類(lèi)的煤炭。提高了煤矸石分揀的準(zhǔn)確性和效率。

技術(shù)研發(fā)人員：余騰飛,李珊,韓濤,林鵬,許振浩,劉祎龍
受保護(hù)的技術(shù)使用者：山東大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23