基于改进PSO-KMeans煤炭异物筛选算法研究
朱名乾
刘宾
中北大学信息与通信工程学院 太原 030051
摘要：采煤过程中异物自动识别和分拣是实现矿业信息化的关键技术之一.传统双能X射线系统根据R值算法可有效识别出煤炭中混杂的钢筋与胶皮,却难以识别与煤炭组成成分相似的木质杂质.针对这一问题,提出基于L0范数最小化与改进PSO-KMeans的木质杂质筛选算法,借助L0范数最小化算法平滑图像,去除煤灰干扰,利用改进PSO-KMeans聚类算法与基于距离变换的分水岭算法实现图像分割,根据离心率与矩形度进行木质杂质识别,并通过仿真实验验证方法的可行性.经验证此方法能有效筛选出煤炭中混杂的木质杂质.
关键词：L0范数最小化算法粒子群优化算法K均值聚类算法分水岭算法
分类号：TN911.73(通信)
资助基金：国家自然科学基金(62201520)
论文发表日期：2024-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 35-39 )
英文信息