![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于图像特征提取的煤浆灰分预测模型改进设计.pdf
《基于图像特征提取的煤浆灰分预测模型改进设计.pdf》由会员分享,可在线阅读,更多相关《基于图像特征提取的煤浆灰分预测模型改进设计.pdf(5页珍藏版)》请在咨信网上搜索。
1、基于图像特征提取的煤浆灰分预测模型改进设计张文军(中煤科工集团北京华宇工程有限公司,河南平顶山 467000)收稿日期:2023-03-13第一作者:张文军(1984),男,汉族,山东海阳人,高级工程师,学士,2007 年本科毕业于黑龙江科技学院矿物加工专业,从事煤炭洗选加工工程方面设计及研究工作,E-mail:。DOI:10.19889/ki.10059598.2023.04.031引言我国对煤炭品质的要求日益提升1,逐渐向成分精细化方向发展。灰分是影响煤质的关键指标,指煤中不挥发的无机物质的含量,其常规的预测手段以燃烧为主,且需要人工参与、耗时长,难以满足生产需求,有时操作不当还会影响预测
2、结果。国外研究者在实验中发现将浮选药剂加入到煤浆中后,会生成大量气泡,这些气泡信息可以反映出灰分含量。国内学者针对这一发现,将机器视觉应用到灰分预测中。郭西进等2利用深度卷积网络提取灰分图像特征,对灰分值做回归处理,再与实际灰分值对比,该方法检测精度满足要求。王靖千等3提出基于彩色图像处理的灰分预测方法,构建支持向量机灰分预测模型,将不同颜色特征、灰度值和浓度作为模型输入变量,以灰分值为输出量,取得较好的预测效果。周博文等4提出基于浮选尾煤图像的灰分预测方法,在浮选现场搭建旁路图像采集装置,研究采集的图像颜色特征与灰分的关系,并根据图像灰度和颜色特征建立了GSA-SVR 灰分预测模型,检测精度
3、高。程凯等5提出了基于 EMD-LSTM 的重介分选精煤灰分时间序列预测方法,该方法通过经验模态分解(EMD)算法将重介精煤灰分时序数列中的不同尺度分量逐级分解,并且采用长短期记忆(LSTM)神经网络解决数据的长期依赖问题,实现精煤灰分预测,但是该方法在实际应用中存在预测误差高的问题。上述方法相较于常规燃烧手段而言减少了大量的预测时间,但由于图像采集环境复杂,受光照等因素影响较大,再加上加入浮选药剂后液体容易喷溅到摄像头上,产生遮挡现象,导致图像采集效果不佳,在一定程度上影响预测结果。为此,本文改进了煤浆灰分预测模型,该改进方法通过提取图像特征,选出对灰分大小起决定性作用的因素;同时改进传统
4、BP 神经网络模型,建立径向基神经网络,将特征提取结果作为网络输入,完成预测模型的改进设计。改进后的模型预测精度更高,可为煤浆自动化生产提供依据。1煤浆灰分预测模型的改进设计方案1.1煤浆灰分图像特征提取煤浆灰分图像通过高性能摄像机采集,对于采集到的彩色煤浆图像,在某一个色彩空间中对于单一一个颜色分量,可以认为是一个二维随机过程的样本,因而可以用联合概率分布来表示6。通过该颜色分量摘要针对煤浆灰分测量难度大、预测精度低的问题,提出了一种基于图像特征提取的煤浆灰分预测模型的改进设计方案。该方法分别从图像灰度均值、方差、能量等六个指标中提取煤浆的特征向量;分析 BP 神经网络预测模型的流程,引入高
5、斯函数改进该模型,构建径向基神经网络,将特征向量作为网络输入参量,经过初始化、输出值运算和误差修正等过程,获得最终预测输出矩阵,完成预测模型的改进设计。仿真实验结果表明,改进模型的灰分预测结果与实际结果更接近,其误差更小。关键词煤浆灰分;预测模型;图像特征提取;BP 神经网络;径向基神经网络文章编号:1005-9598(2023)-04-0133-05中图分类号:TQ533.2文献标识码:A引用格式:张文军.基于图像特征提取的煤浆灰分预测模型改进设计J.煤化工,2023,51(4):133-137.第 51 卷第 4 期2023 年 8 月煤 化 工Coal Chemical Industry
6、Vol.51No.4Aug.20232023 年煤 化 工的样本中各个点的值可以估计出图像的概率分布,从而形成图像特征。图像特征主要描述图像各个分量灰度值的统计特性、每个灰度值的出现次数、灰度分布情况等。图像灰度的一阶概率分布P(c)定义为式(1)。P(c)=N(c)M,0c255(1)式中:M 为统计图像区域范围内所有的像素点的总数,个;N(c)为统计图像范围内灰度值为 c 的像素总数,个;c 为灰度值。图像在经过自适应邻域算法降噪后,无论在整体还是细节部分下,图像的对比度都得到增强与改善。煤浆灰分图像能够反映出图像中的很多特征,如图像亮度均匀与否、图像对比度如何等,对此本文主要采用的特征参
7、数为灰度均值、方差、峰度、偏度、能量、熵7。其中灰度均值是图像灰度的平均值,属于一阶图像信息,与图像颜色矩信息中的一阶颜色控制定义相同;方差主要衡量各像素点灰度值围绕灰度均值的散布情况,较小的方差意味着整幅图像灰度分布接近于均值;峰度是一个无量纲量,主要用来描述直方图的分散和集中程度,峰度值越接近于 0,说明峰度与正态分布越相似,峰度值越大,说明直方图越陡峭;偏度也是一个无量纲量,主要用来描述直方图的偏斜方向和程度,偏度大于零,说明直方图整体偏右,且偏度越大,右偏程度越高,反之偏度小于零,说明直方图整体偏左;能量表示灰度分布是否均匀,能量值越大,说明分布越均匀;熵体现图像直方图的分布特征,熵值
8、越大的区域特征越明显。基于特征参数计算结果,引入局部极大值法,确定煤浆灰分图像特征提取公式 J(i,j),见式(2)。J(i,j)=琢移a=-11移b=-11P(c)J(i+a,j+b)茁2字k字s(字m+渍字g)(2)式中:琢 代表图像灰度均值;茁2代表图像灰度方差;字k代表图像峰度;字s代表图像偏度;字m代表图像能量,0,2552;字g代表图像熵,bit;i 代表灰度级;a 代表图像灰度级增量;j 代表图像灰度梯度;b 代表图像灰度梯度增量;渍 代表图像熵转换系数,0,2552/bit。1.2基于 RBF 神经网络的煤浆灰分预测改进1.2.1BP 神经网络预测模型神经网络被广泛应用在预测领
9、域8,其性能较优,因此引入该网络。在上述煤浆灰分特征提取的基础上,引入 BP 神经网络,构建 BP 神经网络的预测流程,如图 1 所示。由于 1.1 节提取到的图像特征不是线性关系,BP神经网络9对于此种复杂的关系难以得到很好的处理效果,为此,本文在 BP 神经网络基础上做出改进,建立径向基神经网络(RBF 神经网络)。1.2.2模型改进RBF 神经网络是一个三层式前向网络10,与 BP神经网络相比结构更加简单,且不容易陷入局部最优。该网络基于高斯函数对预测模型进行训练的过程分为如下六步。步骤一:模型初始化,结合图像的统计特征和网络模型的输入、输出序列,设置该网络具有 6 个输入节点、12 个
10、隐含节点以及 1 个输出节点。利用-1,1范围内的任意数设置三层网络的连接权值 wx忆d和 wde。步骤二:运算隐含层输出值,结合输入的煤浆灰分图像特征和三层网络的连接权值,获取隐含层输出(Fd),见式(3)。Fd=f移d=1nwx忆dJ(i,j)-渍d(3)式中:f 表示 Sigmoid 激励函数;d 表示第 d 个隐含层,个;n 表示隐含层总数,个;渍表示隐含层输出转换系数,0,2552/个。步骤三:运算输出值,结合 wde、Fd和隐含层节点,利用公式(4)获得预测输出值 Ok。Ok=移e=1lFdwde-酌e(4)式中:l 表示隐含层节点总数,个;e 表示隐含层节点,个;酌 表示预测输出
11、转换系数,0,2552/个。步骤四:误差分析,对比预测值 Ok和理想输出值Yk,计算预测模型的误差 Ek=Yk-Ok。步骤五:利用误差 Ek不断更新权值 wx忆d、wde和 e。步骤六:判断迭代过程是否满足停止条件,未满足则重复步骤二。设定最大迭代次数为 800 次,网络泛化能力未提高,则停止。经过上述模型训练过程,利用 MATLAB 语言编制系统模型构建建立 BP 神经网络BP 网络建立神经网络初始化神经网络训练训练结束否是测试数据神经网络预测图 1BP 神经网络预测流程图134-第 51 卷第 4 期函数,获得最终输出矩阵 棕(T)=IMGSIMASH琢,茁2,字k,字s,字m,字g,并针
12、对煤灰分浓度不固定的问题,对预测值Ok进行校正,将浓度校正函数与预测模型结合,得到煤灰分预测模型,见式(5)。棕(Ash)=(啄lnf(Ok)expp 棕(M)/Ok+b+c)100%Ek着(5)式中:棕(Ash)为煤灰分预测结果,%;f(Ok)为浓度的校正函数,其为 f(Ok)=棕(T)1+expp 棕(M),其中,棕(M)为煤浆质量分数,%,p 为煤浆浓度系数,棕(T)为煤浆中悬浮物的质量分数;着 为预测模型误差阈值;啄 为预测系数;Ek为预测模型误差。2实验结果分析2.1实验样品采集实验过程中,收集了多个产煤区域的各类煤浆样品,主要包括无烟煤和烟煤等。所有样品一律严格按照相关标准保存,干
13、燥室的温度始终在 20 左右,湿度保持在 12%。煤浆采集装置种类较多,每次采集的时候需保证液面平稳,且装置必须能够满足长时间工作需求。实验中综合考虑了多个采集装置的优缺点,对比情况如表 1 所示。表 1煤浆采集装置性能对比装置种类泥浆泵装置管道采集设备斗式采集装置具体描述利用该装置将煤浆提升到料仓中,待液面稳定后采集图像,采集完成后在重力作用下排出样品在压力差作用下进入料仓中,图像采集完成后因高压作用排出样品与斗式提升机工作原理类似,通过自动翻转的方式排出煤浆优势体积小,成本低采集速度较快结构简单,便于维护,成本较低劣势启停频繁摄像头易污染体积较大结合煤槽高度和煤浆的流动性等因素,经过综合考
14、量,选用斗式采集装置完成样品采集,该装置能够避免煤浆黏附在料斗中。2.2实验设备选取摄像机:由于煤浆为实时运动状态,为获取高质量图像,选择由德国某公司生产的 CCD 工业相机,该相机的性能较好,参数如表 2 所示。光源:荧光灯虽然成本低,但是光源不够稳定;卤素灯光照强,但是价格高;LED 灯则具备发光率高、体积小、寿命长等优势。因此,本次实验选择 LED 灯作为光源。表 2CCD 摄像机参数CCD 相机型号GC2450C分辨率24882050镜头接口C像元尺寸/滋m3.12供电电压/V5相机尺寸/mmmmmm554537最佳工作温度/0402.3图像特征提取由于采集到的煤浆灰分图像中含有一定的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 图像 特征 提取 灰分 预测 模型 改进 设计
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。