基于深度相机与双能X射线双模态数据融合的煤矸识别和密度预测
郭永存1
骆启生2
王爽1
李德永2
何磊3
1.安徽理工大学煤炭无人化开采数智技术全国重点实验室,安徽淮南 232001;安徽理工大学机电工程学院,安徽淮南 232001;安徽理工大学矿山智能技术与装备黄大年教师团队,安徽淮南 2320012.安徽理工大学煤炭无人化开采数智技术全国重点实验室,安徽淮南 232001;安徽理工大学机电工程学院,安徽淮南 2320013.安徽理工大学煤炭无人化开采数智技术全国重点实验室,安徽淮南 232001;安徽理工大学人工智能学院,安徽淮南 232001
摘要：为削弱DE-XRT(Dual Energy X-Ray Transmission)系统的厚度效应,实现宽厚度范围内煤矸的精准识别和密度预测,深入总结了 DE-XRT的成像原理,并在数据层面上融合了深度相机和DE-XRT.依据煤矸目标尺寸和区域相似性,针对性分区DE-XRT图像和厚度图像,并通过将单像素扩展为多像素集合的方式,实现2类信息更加准确、高效地利用.进一步地,以各分区对应的X射线信息与厚度信息作为依据,利用射线能量衰减公式计算融合信息,并将各分区的融合信息统计为分块矩阵.通过分块矩阵和DE-XRT图像提取多维异构特征,结合Relief特征选择算法及GA(Genetic Algorithm)优化后的SVM(Support Vector Machine)分类器构建了一种适应性强的预识别模型.此外,通过对分块矩阵的变换计算和对大规模样本的统计分析,获取了各密度级煤的模糊区间,并构建了一种基于模糊区间的密度预测模型.该模型充分考虑了使用单一公式计算不同密度级煤的影响,通过建立模糊区间将煤密度的预测问题拆分成多个密度级的预测问题.同时,以待预测目标与区间下限的偏离度表征其与下限密度级的接近程度.试验结果表明:在处理煤密度范围为1.30～1.80 g/cm3、矸石密度范围为＞1.80g/cm3、平均厚度范围为5～100 mm的数据集时,预识别模型的精确率Pre和F1分别为97.522％和0.962.相比现有X射线算法、灰度纹理法及深度学习算法,Pre、F1分别至少提高6.433％和2.888％.密度预测模型的平均误差不超过5.882％,且46.993％的目标预测误差小于4％,93.233％的目标误差小于10％.所提模型可有效减少厚度效应对分选系统的影响,提高宽厚度范围内煤矸的识别和密度预测精度,为智能光电煤矸分选技术研发提供了理论依据.
关键词：煤矸识别密度预测双能X射线深度相机数据融合
分类号：TD925.2(选矿)
资助基金：国家自然科学基金(52404160)国家重点实验室开放基金(SKLMRDPC23KF21)
论文发表日期：2026-01-31
在线出版日期：2026-03-27（本平台首次上网日期，不代表文献的发表时间）
页数：18( 857-874 )
英文信息