基于反射率及形态学参数的煤岩显微组分自动识别模式

王 越，白向飞，曲思建

(1.煤炭科学技术研究院有限公司 煤化工分院，北京 100013;2. 煤炭资源高效开采与洁净利用国家重点实验室，北京 100013)

0 引 言

人员煤岩显微组分鉴定是1项专业性很强的实验，不仅要求实验人员依据煤岩学基础知识准确识别各种显微组分且需要熟练使用偏光显微镜。目前，以人眼识别和手工测试相结合的测试方法存在煤岩组分识别主观性强、测试过程中某些疑难组分常阻滞测试进度、不同操作人员测试结果可比性相对较差、测试流程只能单向进行且测试过程不可追溯、测试准确性只能通过重复测试评价等问题[1-2]，因而未来煤岩工作需减少煤岩组分识别的主观性以实现煤岩组分快速、准确测定及降低操作者的劳动强度。

近年来，随着数字图像处理技术的发展，基于图像分析法的煤岩显微组分自动识别技术发展迅速。王越等[3]对煤岩显微组分自动识别技术现状及关键问题进行综述分析。英国诺丁汉大学的Lester 等[4-5]利用图像分析技术测定煤岩组分含量，已获得较为满意的结果。澳大利亚联邦科学院的O’Brien等[6-7]依靠图像分析技术获取煤岩图像的灰度值，利用灰度值-反射率之间的关系绘制全组分反射率图(FMR)，依据拐点切割划分得到煤岩组分含量并得到镜质体反射率。宝钢集团胡德生等[8-9]利用图像的灰度和显微相机的曝光时间计算反射率值，并采用阈值法和主分量分析法分割得到镜质体反射率和煤岩组分含量；该方法基于统计分析的方法，并未深入辨析煤岩组分形态学结构差异。王培珍等[10-11]针对各种惰质组分的特点，利用Daubechies小波对其显微图像进行分解，提取基于小波系数的纹理特征量，采用支持向量机构建分类器组，并基于圆形LBP均匀模式对镜质组的纹理特征进行分析[12]；针对壳质组中渗出沥青质体的锐角角点，利用SUSAN算法提取其轮廓特征[13]。丁华[14-15]研究不同变质程度煤中镜质组、惰质组、壳质组以及粘土矿物、方解石、黄铁矿等典型矿物的形态、结构参数及反射率分布特征。

以下对煤岩显微组分自动识别的方法学进行探讨，提出煤岩显微组分自动识别模式，并对显微组分识别效果进行分析，最后提出煤岩显微组分自动识别技术的发展方向及制约因素，以期对煤岩显微组分自动识别技术发展提供技术支撑。

1 煤岩显微组分自动识别的方法学

煤岩显微组分鉴定以油浸反射光下的特征为主、透射光和荧光特征为辅[16]。煤岩显微组分自动识别主要依据显微组分在油浸反射光下的特征。显微组分在油浸反射光下的特征可分为反射率指标和形态结构指标两类，其中反射率指标包括反射色和反射力(率)，形态结构指标包括突起、大小、形状、细胞结构等。煤岩显微组分的主要鉴别特征详见表1。

表1 煤岩显微组分的主要鉴别特征(油浸反射光下)Table 1 Main identification features of coal macerals (reflected light,oil immersion)

1.1 描述性语言的数学表达

目前煤岩组分的主要鉴别特征均为描述性语言，如:深灰—浅灰—灰白—白—亮白—淡黄白色—亮黄白；(无)突起—低突起—中突起—中高突起—高突起；线条状、条带状、透镜状、团块状、斑点状、粒状、蜂窝状、网状、浑圆状、(略带)棱角状不规则状、裂纹、气孔；(近)圆形、椭圆形、纺锤形；细胞保存程度(规则排列、胞腔中孔、填充、膨胀、微膨胀)等。

煤岩显微组分自动识别旨在将描述性语言变为数学语言，具体过程体现在先将描述性语言抽象化，再对抽象语言进行数学表达，即煤岩显微组分分类为描述性语言抽象化—逻辑表达—定量化过程。

1.2 反射率信息的利用

在固定光强、曝光时间等特定的实验条件下采集图像，在灰度图像中反射色和反射力高度统一。依据测试过程中所有图像累积灰度分布曲线得到反射率分布曲线，由此可初步区分镜质组和惰质组。

1.3 关键形态结构特征的抽象描述

为了区分显微组分，识别参数不宜过少；而为保证整个系统识别的流场性，识别参数也不宜过多。煤岩显微组分关键形态结构参数的抽象描述如下:

(1)均匀。均匀与突起相对，是图像分割(灰度直方图阀值)过程和边缘检测共同划定的联通区域，即基质(matrix)。

(2)突起。具有极值点(极大值)和边缘斜率的联通集合；高突起、中突起、低突起以边缘斜率的大小区分。突起表征显微组分灰度的空间变化率，可以用灰度等值线中的灰度梯度表示。

(3)球形度。以等效直径(长轴、短轴之比)表示。

(4)细胞结构。主要考虑胞壁、胞腔和细胞排列的差别，目前尚无可量化的表征方法，此可能是自动识别的主要误差来源。

2 煤岩显微组分自动识别模式

煤岩显微组分自动识别关键是利用反射率和形态学参数两方面信息。显微组分自动识别分为三大模块:反射率判别模块、分配模块和组分识别模块。

2.1 以反射率与突起二元参数表示的识别方案

以反射率和突起二元参数可将图像中的信息分为四类:低反射率均匀区域、高反射率均匀区域、低反射率突起区域和高反射率突起区域，反射率与突起的二维关系如图1所示。

图1 反射率与突起的二维关系Fig.1 Relationship of reflectance and relief in two dimension

低反射率均匀区域一般可认为是镜质组，高反射率突起区域一般可认为是惰质组。低反射率突起区域和高反射率均匀区域则需要进行人工判别。

2.2 基于反射率信息的初步划分

将采集的煤岩图像为基底并绘制灰度累积分布曲线，对直方图进行正态分布拟合，如图2所示。煤中高反射率的矿物(如黄铁矿、方解石)会使灰度累积分布曲线在高灰度区出现拐点，为凸函数；低反射率的黏合胶、壳质组、矿物质以及制样缺陷等分布在灰度较低的位置。

图2 灰度累积分布曲线示意图Fig.2 Schematic diagram of cumulative distribution curve of gray value

对灰度累积分布曲线的处理如图3所示，其中图中的蓝色部分为对灰度累积分布曲线剔除高反射率的矿物及低反射率的黏合胶等。剔除方法为对拟合的正态分布曲线求一阶偏导数，并确定拐点坐标；依据相同的方法得到灰度累积分布曲线中镜质组和惰质组的灰度分布范围，作为镜质组和惰质组划分的参考值。

图3 灰度累积分布曲线的处理Fig.3 Processing of cumulative distribution curve of gray value

若灰度累积分布曲线中的拐点数不多于4个，按照单煤判别模式进行识别，而拐点数多于4个则按照混煤判别模式进行识别。① 单煤判别模式。对每幅图像分别建立灰度曲线，依照灰度曲线中的峰个数(全部图像切割低反射率和超高反射率组分后)，划分为单峰图像、双峰图像、复杂多峰图像以及无峰图像。② 混煤判别模式。混煤判别模式依据灰度值和形态参数进行判别，煤岩显微图像识别流程如图4所示。

图4 煤岩显微图像识别流程Fig.4 Identification process of petrographic images

2.3 煤岩显微组分识别模块

煤岩显微组分识别模块选取反射率、形态学参数(突起、细胞结构)和几何特征3个分离参数。煤中的矿物质在反射率和形貌方面与煤中的有机显微组分有所重叠，但油浸反射光并不是鉴定矿物质的最佳条件。此外，煤中的矿物质可以通过测定灰分和灰成分确定，因而煤岩组分分离方案不考虑煤中的矿物，即测试结果为去矿物基显微组分含量。煤岩组分自动分离的逻辑树、煤岩图像预分离方案分别如图5、图6所示。

图5 煤岩组分自动分离的逻辑树Fig.5 Diagram of automatic identification of coal macerals

图6 煤岩图像预分离方案Fig.6 Pre-separation scheme of petrographic images

根据显微组分组反射率的差异及初步的形态学参数，初步实现煤岩显微组分组的自动识别和鉴定。惰质组、镜质组识别流程分别如图7、图8所示。

图7 惰质组识别流程Fig.7 Flow chart of inertinite identification

图8 镜质组识别流程Fig.8 Flow chart of vitrinite identification

2.4 煤岩显微组分识别存在的问题

(1)对试样制备的要求。煤岩显微组分上的划痕、麻点等制样缺陷对自动识别造成较大的干扰，因而煤岩显微组分自动识别技术对样品制备提出了更高的要求。

(2)图像采集过程的要求。煤岩显微组分自动识别技术对采集图像的清晰度提出了更高的要求。采集图像边缘不清晰会造成煤岩显微组分边界识别不准确，对测试结果造成较大的影响。因而应积极探索适宜的操作条件。

(3)细胞结构的划分与归类。显微组分的细胞结构是重要的鉴定特征，但是胞腔大小、形状各异，填充物多样，闭合、非闭合特征多样，如何定量提取结构特征参数是亟需解决的技术难题之一。

此外，还存在煤中壳质组识别困难、煤中矿物质对有机显微组分识别造成干扰、高变质煤组分各向异性对识别带来的影响等问题[17]。

3 结 语

对煤岩显微组分鉴定的主要依据及方法学、关键形态结构特征的抽象表达进行深入分析，结合油浸反射光下煤岩显微组分的反射率信息和煤岩显微组分的形态学参数，提出反射率信息的利用方法并对均匀、突起、球形度、细胞结构等关键形态参数进行抽象描述，建立煤岩显微组分自动识别模式，即通过逐步分解的方法建立了1套识别流程并对煤岩显微组分自动识别发展方向和存在的问题进行分析，归纳煤岩显微组分自动识别技术的制约因素及发展方向，以期其研究成果可对煤岩显微组分自动识别技术发展提供有力的技术支撑。

结果表明，以反射率和形态参数为主要参数的显微组分分类方法具有可行性，通过逐步分解分别建立单煤和混煤中显微组分的识别模式，组分识别的精度较高，制样缺陷、图像清晰度及细胞结构的划分对显微组分识别造成较大干扰。基于反射率及形态学参数建立煤岩显微组分自动识别的方法学和识别模式，可降低煤岩显微组分识别的主观性并为实现煤岩显微组分快速与准确测定提供技术支撑，有效促进煤岩显微组分自动识别技术的发展。

今后需解决制样缺陷、图像清晰度及细胞结构的划分对显微组分识别造成的影响，形成显微尺度特征集成化解决方案，包含镜质体反射率与显微组分联合测试、炼焦混煤比例分析、粒度分布特征、孔隙与裂隙及煤体损伤特征、异常煤质诊断等。