技術(shù)特征：

1.一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，包括：

2.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，還包括：將識別為煤的多維特征進(jìn)行二次融合，融合后的特征輸入至訓(xùn)練好的煤質(zhì)識別模型，得到煤質(zhì)識別結(jié)果；所述煤質(zhì)識別結(jié)果包括高等、中等和低等。

3.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，通過邊緣細(xì)化方法分割出每個待測樣品的光譜圖像，具體為：

4.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，提取每個待測樣品的位置信息，具體為：

5.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，提取每個待測樣品的紋理特征，具體過程為：

6.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，提取每個待測樣品的空間特征，具體過程為：

7.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，進(jìn)行多維特征融合，形成綜合特征向量，具體為：

8.如權(quán)利要求1所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法，其特征在于，還包括：采用增量學(xué)習(xí)方法實現(xiàn)煤矸識別模型和煤質(zhì)識別模型的在線學(xué)習(xí)；

9.一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選系統(tǒng)，其特征在于，包括：

10.如權(quán)利要求9所述的一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選系統(tǒng)，其特征在于，還包括：

技術(shù)總結(jié)
本發(fā)明屬于煤炭加工技術(shù)領(lǐng)域，具體公開了一種基于圖像高光譜技術(shù)的煤矸及煤質(zhì)智能分選方法與系統(tǒng)，方法包括：獲取待測樣品傳輸線上的高光譜圖像，轉(zhuǎn)換為灰度圖像，提取待測樣品的邊緣信息；分割出每個待測樣品的光譜圖像，同時提取每個待測樣品的位置信息；確定每個待測樣品的動態(tài)位置；向每個待測樣品發(fā)射聲波，并接收經(jīng)過每個待測樣品后的聲波信號；對每個待測樣品的光譜圖像和聲波信號進(jìn)行預(yù)處理，分別提取光譜特征、紋理特征、空間特征和聲波特征，形成綜合特征向量；將綜合特征向量輸入至訓(xùn)練好的煤矸識別模型，得到煤矸和煤的識別結(jié)果。本發(fā)明顯著提升了煤矸及煤品質(zhì)的分選精度，使得模型能夠在復(fù)雜的環(huán)境下仍然保持較高的識別精度。

技術(shù)研發(fā)人員：余騰飛,劉夢悅,李珊,林鵬,婁彥飛,許振浩
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：2024/12/19