图像处理与识别技术在煤矿矸石自动分选系统中的应用研究

王贺，马志鹏

(黑龙江科技大学，黑龙江哈尔滨，150022)

1 矸石识别的意义分析

我国煤炭资源丰富，产量也位居世界前列，故而矸石的排放量也很大。矸石的密度较大，但发热量很低，会降低原煤品质。在电力用煤活动中，若煤块内混有大量矸石，不仅会影响电厂经济效益产出情况，也会对锅炉设备运行过程安全构成威胁。据不完全统计[1]，我国积留下的矸石高达10亿吨，每年还会排放出大概1亿吨的矸石，若对其不能合理应用，一方面会占用较多的土地资源，另一方面矸石内有毒物质会对空气、土壤、水体等造成不同程度的污染。此外，矸石还有自燃性，引起火灾事故，对人们的生命财产安全构成一定威胁。但是从资源综合利用的视角出发，由矸石内提取出的一些成分能为人们所用，故而煤炭开采后分离煤块和矸石是重要工序，有效识别、分离，真正实现物尽其用，将两者各自的效能充分发挥出来。

2 系统的主要构成

对煤矸石自动分选系统的工作过程进行分析后，可以认为该系统主要由如下三大部分组成。

(1)检测部分：该部分主要由进料斗、输送带、CCD摄像头、图像信息收集卡等组成。基本的作业过程是对煤块筛分处置以后，使其经由进料斗落至输送带上。摄像头将煤矸石图像输送至图像数据采集卡中，并对其进行转换处理，转换获得的信息均被整合至计算机系统内进行处置[2]。

（2）识别和控制部分：这是系统的核心部分，主要由计算机、单片机和测控装置构成。系统运作阶段基于模式识别算法测算出煤块与矸石各自的灰分含量，而后科学进行判别。若判断是煤块，控制部分未发生动作，则原煤会顺势落进煤米斗斗内，由煤块通道被运送至别处；若判断是矸石，则就会传送出控制信号，随后开启阀门，使矸石落进矸石通道。

(3)分检机构：阀门、物料斗与供电装置是该结构的主要构成，其作用主要是执行煤块和矸石分离动作。

3 图像处理与分析过程

3.1 图像的预处理

大部分工况下，选矸作业面上吸附着较多煤尘，光线照度欠佳，预处理操作的宗旨是提高图像的清晰度，凸显边缘。调整原始图像的亮度，对比度及改善滤波的平滑性是预处理的主要工作内容。其中，若能优化亮度、对比度，则能更好的显现出图像的特征，降低识别难度系数。平滑滤波目的主要是剔除尖锐且不连贯的噪声点，这是提升边缘提取效率的基础性操作，本文采用中值滤波法，统计处理结果并拍摄相应图片后，发现中值滤波法对干扰脉冲与点状噪声能形成较大的抑制作用，并能较好的保护边缘信息的完整性[3]。

3.2 提取边缘

因为需要分析图像内各煤块或者矸石的灰度分布状况，故而需要探寻到图像内各块煤或矸石所处的区域方位。本课题应用边缘检测算子去完成边缘的提取工作，据此更科学的判断出每块煤或矸石的位置。

边缘可以被看成是图像局部属性不连续性的呈现形式，利用其能勾划出目标物体的轮廓，代表着一个区域的终止以及另一个区域的开始。当下提取边缘时可供选择的方法较多，比如边缘算子法、曲面拟合法、门限化等等。这里选用的是Sobel算子法，其属于一种梯度算子，用于边缘检测工作中能取得较好的成效。

3.3 区域的标记

在探寻到图像内各块煤或者矸石的边缘以后，需要对各个封闭式区域的边界进行追踪与标记。基于左手法则对边界进行追踪，扫描二值化以后的边缘图像，找到没有进行标记处理的1像素，将其设定为f(0)，而后开始对一条边界线的走向进行跟踪。依照逆时针方向在f（0）的8个邻域内探寻到1像素，将最先找到的那个记成f（1），随后于f（1）8个邻域中按照逆时针方向寻觅到1像素，将其记成f（2），直至最终返回至始发点f（0）处为止，此时就预示着一条边界线的追踪结束。在以上过程中，要为各个f（i）赋予相应的跟踪标记，而后方可以对另一条边界机械追踪，也需为其赋予不同的追踪标识。

4 计算块状煤矸石的比例

4.1 图像二值化

观察经前期处理后图像的灰度直方图，不难发现直方图内仅有一个峰值，并且峰值两侧的数值会骤然下降，这提示图像自身的灰度值分布在3个区域内，煤矸石影子所在的区域是灰度值最低的区域，但其并不是构成矸石的部分，故而选择50或者更临近右侧的灰度值作为图像的二值化阈值，为检测证实并确定阈值的准确性，随机提取了2幅图像进行检测。

统计后发现，在含有煤炭与煤矸石的图像内，经前期处理后获得的图像灰度值图像相似度处于较高水平，鉴于以上情况决定采用50作为图像的二值化阈值。

对比二值化后的图像和原始图像后，可以确定形体较大的矸石被顺利的检测出来，只是因为煤矸石形成了局部凹陷而导致二值图像内出现了空洞，且还检测出局部灰度值偏大的颗粒物，以上均是处理后形成的缺陷[6]。

4.2 对二值图像进行开运算与闭运算

图像的膨胀、腐蚀是其开运算和闭运算的主要构成，其中图像的膨胀等同于对二值图像进行“延长”或“变粗”等处理，可以利用菱形、圆形、线性等模板对二值图像进行膨胀；图像的腐蚀可以被看成是膨胀的一个逆操作，使二值图像出现不同程度“收缩”或者“细化”。

先采用一个模板对二值图像进行腐蚀操作，而后用该模板对图像进行膨胀处理，这样便顺利的形成了二值图像的开运算过程。开运算的基础作用有平滑目标对象的轮廓，断离狭窄的连接，剔除微小的突出部分等。如若膨胀在前，腐蚀在后，则便形成了二值图像的闭运算，闭运算也有平滑目标对象外在轮廓的作用，但其会连接狭窄的缺口，还能填满规格比模板小的洞。对于二值化图像处理阶段形成的缺陷，本课题研究中选用了以5为半径的圆形模板进行处理，具体是先对图像进行闭运算操作，填塞图像内的小洞，而后再进行开运算，将那些微小的高灰度值区域剔除。图1是获得的仿真结果。读图发现，图像内留存了体积较大的矸石图像及部分细微颗粒的煤块图像，故而仅需要提取出大块煤矸石图像就可以。采用区域追踪方法去执行以上任务，具体实施流程如下：

图1 经开运算与闭运算处理后的图像

（1）在二值图像内探寻到像素值是1的点位，检查和其相邻的所有点，同时把像素值等于1的点和其任何邻点进行合并处理，进而便能顺利的形成小块目标区域。

（2）进一步检查本区域的所有邻点，同样是将像素值是1的点整合至该目标区域内。

（3）持续重复运行以上操作步骤，直至没有邻点符合像素值是1时为止，那么则代表该生长区段的生长终止。

（4）利用前期设定的检测准则继续探寻，当探寻到符合检测准则且不处于任何已长成的区域内的像素以后，预示着可以进行下1区域的生长；如此反复执行，直至没有符合检测准则的像素点就停止，此时便落实了整个图像的区域追踪任务[7]。

（5）不同区域的规格大小不等，在该处要探寻到区域较大的部分，并将其作为输出项；故而在选择面积阈值时，要使其大于阈值的区域输出项，否则弃用；由于图像规格大小不等，故而应结合现实需求设定阈值，获得相应的仿真图像。读图发现，尽管其内均存在一些偏差，但基本上能检测出大块煤矸石，据此便能够测算出煤矸石在整幅图像内所占的比例。

5 统计与分析结果

图2是单块煤与单块矸石的原始图像以及其各自的直方图分布、均值、方差。读图后发现，两者的均值与方差都形成较大差别，故而可以选用均值与方差作为特征值去识别煤块和矸石。

图2 煤块与矸石的灰度直方图比较

煤块的均值、方差对应值分别是154.1、 91.92；矸石以上两指标的对应值依次是169.63,77.48。

在精准辨识出煤块与矸石以后，再配合使用计算机及机械自动化技术，进而便能顺利的实现分选出矸石的目标。若矸石周边吸附着较多的黑色煤尘，那么在辨别之前还需要增设去除煤尘这一环节，或者配合使用其他方法作为辅助性手段。

6 结束语

强图像处理方法用于煤炭矸石的辨识领域中，主要是依照煤块和矸石两者在表面光滑度、灰度值等方面存在的差异，将块状煤矸石作为研究对象，合理应用图像滤波、二值化、开运算与闭运算处理等方法，顺利的提取到煤矸石的图像，基于规范的计算过程便能够获得矸石在整幅图像内所占比重。联合图像处理和识别技术设计而成的煤矸石分选系统，是一种新型矸石分选技术，既往有研究证实，该技术对煤矸石的识别率较高，单次排矸率高于90.0%，再配合使用计算机及自动化技术等，能实现矸石的自动化分选目标。