基于机器视觉的煤中矿物赋存形态研究

Coal is the main energy and important raw material in our country.With the increasing seriousness of environmental pollution, the requirement of coal quality becomes higher. The proportion of separation in raw coal is increased gradually. In addition to the mineral content in coal, the embedded features of minerals in the organic composition components decide the coal washability primarily. In order to improve partiality and accuracy of process mineralogy study on fine grained coal, the extraction and identification methods of important parameters of occurrence modes containing particle size, mineral classes and embedded features are researched based on machine vision. The following contents of the research are: experimental study on influence of sample preparation on image quality; study on image recognition and location identification of pulverized coal particles; the research on representation of the occurrence modes of minerals in coal; study on relevancy of characteristic parameters of the occurrence modes. The results of research can provide basic theories and methods for evaluating coal washability and optimizing mineral separation process.

煤炭是我国主要的能源和重要的生产原料，随着环境污染的日益严重，用户对煤质的要求也越来越高，原煤的入选比例逐步增大，除与煤中矿物质含量有关外，煤炭可选性主要受矿物在有机组分中的嵌布特征影响。针对现有细粒级煤工艺矿物学研究中存在的片面性和准确性问题，本项目基于机器视觉理论对表征煤中矿物赋存形态的重要参量：颗粒粒度、矿物类别和嵌布特征的准确提取识别展开深入研究，建立煤中矿物的赋存形态相关性模型。项目研究以下内容：样品制备对图像质量影响的实验研究；煤粉颗粒图像识别与定位标识方法研究；煤中矿物赋存形态表征研究；赋存形态特征参量相关性研究。研究成果可为煤炭可选性评价以及分选流程优化提供基础理论和方法支持。

本项目在对煤粉显微图像特征进行充分分析的基础上，围绕粉末样品制备、显微图像去噪、增强预处理方法、颗粒分割以及显微图像质量评价展开研究，提出了一系列相关的图像质量评价以及粒度及形态分布模型。针对煤粉SEM显微图像噪声过大以及对比度失衡问题，我们提出了一种基于暗原色先验的煤粉颗粒去噪、增强模型，该模型有效改善了图像质量；针对SEM图像获取过程中易受到人工操作影响而产生模糊以及噪声问题，我们提出了一种基于卡通结构的图像模糊评价算法，该模型利用人类视觉对矿物图像结构的感知，以边缘结构表征图像的模糊程度，对获取高质量煤粉SEM图像提供了有效评价模型；针对粘连颗粒不易于分割的问题，我们提出了一种基于楔形模板的颗粒分割模型，得到了有效的颗粒分布曲线。此外，我们建立了SEM图像质量测试库，对于获取高质量图像提供了有效支撑。本项目在国际重要学术期刊发表SCI检索的论文5篇；申请国家发明专利5项；培养硕士研究生5人。

内容获取失败，请点击重试