曹現(xiàn)剛，李瑩，王鵬，吳旭東

(西安科技大學(xué) 機械工程學(xué)院， 陜西 西安 710054)

0 引言

煤炭作為我國最主要的能源，資源量占我國化石能源資源基礎(chǔ)儲量的94%左右，遠(yuǎn)大于石油和天然氣[1]。煤炭開采過程中會產(chǎn)生大量的固體污染物，矸石是其中最主要的一種，其混雜在煤中不僅會降低煤炭燃燒質(zhì)量，還會加重污染物排放，因此，需要將矸石從煤中分選出來。煤矸石分選主要有人工揀矸法、濕選法和干選法3種方式。人工揀矸法效率低，濕選法存在水資源浪費等問題，干選法是目前煤矸石分選領(lǐng)域的研究熱點[2-3]。

煤矸石識別技術(shù)是實現(xiàn)煤矸石分選的重要環(huán)節(jié)。準(zhǔn)確識別煤矸石有助于提高分選設(shè)備的自動化、智能化水平。煤矸石識別是根據(jù)煤矸石的特征差異，指定一個預(yù)先定義的識別類別，并以此為標(biāo)準(zhǔn)，利用某種識別技術(shù)判斷當(dāng)前被測物是煤還是矸石。當(dāng)獲取煤矸石識別信息后，分選設(shè)備自動將煤和矸石分離。煤矸石識別特征選取是煤矸石識別方法的主要研究內(nèi)容，主要包括密度、硬度、灰度、紋理等。本文從煤矸石識別特征出發(fā)，對現(xiàn)有煤矸石識別方法進(jìn)行了梳理和總結(jié)，并對煤矸石識別方法的研究方向進(jìn)行了展望，以期為促進(jìn)煤矸石識別技術(shù)發(fā)展、提高煤矸石分選設(shè)備的智能化水平提供理論參考。

1 煤矸石識別方法研究現(xiàn)狀

1.1 以密度、硬度等為識別特征的煤矸石識別方法

1.1.1 密度識別法

煤和矸石在密度特征上的差異可作為識別依據(jù)。密度識別法最早應(yīng)用于重介質(zhì)旋流器、跳汰機等分選設(shè)備。選用某種液體介質(zhì)并改變液體介質(zhì)的密度，使其小于矸石密度并大于煤塊密度。煤矸石浸沒在液體介質(zhì)中，矸石下沉，煤塊上浮，從而達(dá)到識別煤矸石的目的。液體介質(zhì)對降低煤中含矸率起關(guān)鍵性作用。隨著計算機信息和控制技術(shù)的發(fā)展，研究人員采用自動化控制系統(tǒng)對介質(zhì)密度進(jìn)行在線監(jiān)測并調(diào)控，不僅方便工作人員操作，而且能夠保證介質(zhì)密度的穩(wěn)定性，提升產(chǎn)品質(zhì)量[4-6]。

采用液體介質(zhì)識別煤矸石存在水資源浪費及干燥處理與介質(zhì)回收導(dǎo)致的生產(chǎn)成本增加等問題，采用光電技術(shù)識別煤矸石可避免上述問題。通過光電技術(shù)獲取被測物質(zhì)量和厚度，計算出被測物密度，以此識別當(dāng)前被測物為煤或矸石。針對煤矸石井下分選回填及綜合利用的需求，王衛(wèi)東等[7]提出采用激光三維掃描與動態(tài)稱重技術(shù)相結(jié)合的方法獲取被測物密度，通過與煤和矸石標(biāo)準(zhǔn)密度進(jìn)行對比，實現(xiàn)煤矸石在線識別，識別正確率達(dá)90%，并基于上述研究，從理論上討論了煤矸石體積測量問題[8]，給出了煤矸石識別數(shù)學(xué)模型和識別算法。

1.1.2 硬度識別法

煤和矸石自身組成成分的不同造成二者在硬度特征方面存在差異。硬度識別法多用于井下，采用選擇性破碎方式實現(xiàn)煤矸石識別(沒有被破碎的被測物為矸石)，能夠減少矸石地面堆積造成的污染，降低選煤成本，為井下矸石填充提供原料。彈性負(fù)載破碎機最早應(yīng)用于井下選擇性破碎。董長雙等[9]采用壓差式液壓破碎方式實現(xiàn)煤矸石選擇性破碎。李建平等[10]提出煤矸石沖擊式破碎方式，使物料高速沖擊破碎板，不被破碎或破碎程度較小的物料為矸石。選擇性破碎方式對破碎力大小和煤矸石粒度要求高，若小塊矸石被破碎會影響煤質(zhì)。郎慶田等[11]提出以煤矸石同時撞擊作用板產(chǎn)生的反彈差異為識別依據(jù)，實現(xiàn)煤矸石識別與分離，但缺少完善的應(yīng)用理論，難以推廣。周甲偉等[12]從理論上分析了煤矸石反彈距離差異，建立了反彈距離公式并進(jìn)行相關(guān)試驗，為彈道式煤矸石識別分選研究提供了理論依據(jù)。

1.1.3 其他方法

王麗等[13]通過分析煤矸石的化學(xué)組成，提出根據(jù)煤矸石的導(dǎo)磁性與色度差異進(jìn)行識別。He Aixiang等[14]研究發(fā)現(xiàn)煤矸石下降過程中特征聲信號不同，提取32 dB特征作為煤矸石識別特征。Liu Kai等[15]采用多重分形去趨勢波動分析方法提取煤矸石的幾何特征，結(jié)合灰度和紋理特征進(jìn)行煤矸石識別。

1.2 以灰度、紋理為識別特征的煤矸石識別方法

人工揀矸法是最早利用灰度、紋理特征從煤塊中分揀矸石的方法。選矸工人根據(jù)對煤矸石表面特性的認(rèn)識，將大塊矸石從原煤中選出。受人工揀矸法啟發(fā)，研究者利用自動化設(shè)備獲取煤矸石灰度、紋理信息，并以此為識別特征實現(xiàn)煤矸石分選，減輕了勞動強度，提高了生產(chǎn)效率。該種識別方法主要有射線識別法與圖像識別法。

1.2.1 射線識別法

射線識別法中研究較多的為基于γ射線或X射線的方法。J. S. Watt等[16]采用雙能γ射線透射技術(shù)，實現(xiàn)了煤與礦物在線分析?？琢Φ萚17-18]采用雙能γ射線透射法實現(xiàn)了不同粒度煤和矸石組分的識別，并在此基礎(chǔ)上提出了改進(jìn)模型，以擴大待識別物體的粒度范圍，提高識別精度。此后，研究者重點解決煤矸石識別精度與實時分選之間的矛盾。徐琦等[19]采用模糊模式識別建立模糊系統(tǒng)，降低了煤矸石識別誤判率。李強等[20]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于模糊系統(tǒng)進(jìn)行煤矸石識別，適用于煤種變化較頻繁的場合。劉文中等[21]采用Fuzzy C-Means統(tǒng)計方法識別煤矸石，綜合考慮了不同數(shù)據(jù)對總體分布的差異性。徐琦等[22]采用實用生態(tài)算子優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)，提出了一種基于生態(tài)遺傳算法的煤矸石模糊模式識別方法。

楊慧剛等[23]采用X射線進(jìn)行煤矸石識別研究。與γ射線識別相比，X射線需結(jié)合機器視覺技術(shù)采集煤矸石圖像，通過圖像處理算法得到煤矸石灰度和紋理信息，識別流程如圖1所示。

射線識別法具有操作簡單、識別速度快、效率高等優(yōu)點，但射線輻射強度大，需要采取特殊的防護(hù)措施防止輻射泄漏，導(dǎo)致設(shè)備成本增加。

圖1 煤矸石X射線識別流程

1.2.2 圖像識別法

圖像識別法是結(jié)合自動化設(shè)備與圖像識別技術(shù)的煤矸石識別方法。該方法將工業(yè)相機作為自動化設(shè)備的“眼睛”來獲取煤矸石圖像，將計算機作為自動化設(shè)備的“大腦”來處理煤矸石圖像，以獲取灰度、紋理等特征信息，進(jìn)而實現(xiàn)煤矸石識別。

劉富強等[24]提出將圖像處理和模式識別技術(shù)應(yīng)用于煤矸石識別，從理論上探索了煤矸石圖像處理與識別流程，如圖2所示。其中邊緣檢測和特征提取是煤矸石識別的關(guān)鍵步驟。

圖2 煤矸石圖像處理與識別流程

為突出圖像目標(biāo)邊緣，馬憲民等[25-26]將小波變換的多尺度方法和粗糙集理論分別用于煤矸石圖像輪廓提取，從而抑制噪聲、準(zhǔn)確提取邊緣特征。張世杰等[27]指出通過灰度直方圖確定閾值進(jìn)行二值化并不能從真正意義上解決煤矸石圖像的分割問題，并提出一種圖像分割算法：圖像二值化處理后進(jìn)行圖像距離變換，然后通過梯度下降算法分割煤矸石圖像，以達(dá)到有效檢測圖像邊緣、分割煤和矸石的目的。程健等[28]針對煤塵、潮濕等因素造成的矸石顏色加深、邊緣梯度不明顯等問題，采用粒子群算法和高斯混合模型提取圖像背景，實現(xiàn)目標(biāo)與背景分離。

在煤矸石圖像特征提取方面，于國防等[29]針對樣本缺乏代表性和實用性的問題，選擇6塊材質(zhì)、紋理特征、清潔度不同的塊煤或矸石，分別在3種光照強度下，按照一定的分組方式分析圖像灰度分布規(guī)律，以此實現(xiàn)煤矸石自動識別。但若選取的煤矸石識別特征為單一參數(shù)，提取圖像特征時會存在參數(shù)重合、識別精度低等問題。因此，Li Wenhui等[30]選用灰度直方圖、分形維數(shù)和小波變換能量作為識別特征，并建立了4層BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)多特征融合。吳開興等[31]利用灰度共生矩陣提取煤矸石紋理特征，采用支持向量機實現(xiàn)煤矸石識別。陳雪梅等[32]依據(jù)提取的灰度、紋理特征，應(yīng)用差分盒維法獲取煤矸石的分形維數(shù)，通過試驗證明煤的分形維數(shù)大于矸石，為煤矸石識別研究提供了新思路。王家臣等[33]通過提取煤矸石灰度和紋理特征，研究了不同照度下煤矸石圖像特征變化規(guī)律。

可看出目前對煤矸石圖像識別方法的研究主要集中在兩方面：如何有效分割圖像中的目標(biāo)與背景；如何準(zhǔn)確識別煤和矸石的圖像特征。有研究者提出在圖像分割和特征提取之前進(jìn)行圖像亮度調(diào)整、中值濾波等預(yù)處理，以增加圖像目標(biāo)與背景在色彩、亮度、紋理上的差異，以便于圖像分割與特征提取。但該類研究大多處于理論和試驗階段，使用的圖像背景與目標(biāo)差異較大，且圖像樣本數(shù)量少，不具有實用性和普遍性。另外，該類研究需要人為進(jìn)行圖像預(yù)處理及特征選取，存在對圖像目標(biāo)特征理解不全面、圖像識別準(zhǔn)確率不高等問題。深度學(xué)習(xí)可很好地解決上述問題。該技術(shù)通過多層非線性變換，從大數(shù)據(jù)中以有監(jiān)督或無監(jiān)督方式學(xué)習(xí)層次化的特征表達(dá)，對圖像進(jìn)行從底層到高層的描述[34]，避免了傳統(tǒng)識別方法中復(fù)雜的特征提取過程。基于深度學(xué)習(xí)的圖像識別流程如圖3所示。

圖3 基于深度學(xué)習(xí)的圖像識別流程

近年來，深度學(xué)習(xí)技術(shù)已在車牌識別、人臉識別、物體檢測等方面得到廣泛應(yīng)用，是目前計算機視覺領(lǐng)域的研究熱點。其在煤矸石識別領(lǐng)域的研究也逐步展開。Su Lingling等[35]基于深度學(xué)習(xí)技術(shù)，從輸入尺寸、激活函數(shù)、網(wǎng)絡(luò)深度等方面對經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)LeNet-5進(jìn)行改進(jìn)，對其訓(xùn)練之后獲得能夠識別煤矸石圖像的網(wǎng)絡(luò)模型，實現(xiàn)了煤矸石圖像識別和分類。Hong Huichao等[36]提出了一種圖像目標(biāo)檢測和區(qū)域剪切算法，并采用深度學(xué)習(xí)技術(shù)構(gòu)建了基于AlexNet的卷積神經(jīng)網(wǎng)絡(luò)模型，解決了數(shù)據(jù)集較少可能導(dǎo)致的訓(xùn)練困難、過擬合等問題，提高了煤矸石識別的準(zhǔn)確性。

2 現(xiàn)有煤矸石識別方法比較

現(xiàn)有煤矸石識別方法對比見表1?？煽闯龈髯R別方法選取的識別特征不同，關(guān)鍵在于如何獲取易于區(qū)分煤和矸石的特征，從而準(zhǔn)確、快速地識別煤矸石，為后續(xù)分選排矸提供依據(jù)。

3 煤矸石識別方法研究展望

目前，研究人員大多通過試驗方式選取并確定煤矸石的識別特征和識別標(biāo)準(zhǔn)，但沒有對其進(jìn)行深入討論，如煤矸石圖像識別方法中對識別閾值的確定缺乏統(tǒng)一標(biāo)準(zhǔn)。對于實際工作環(huán)境中煤矸石識別特征的分析和理解，仍需要在理論、算法、工藝等方面開展研究。

(1) 對煤矸石識別特征定義的研究。煤與矸石在識別特征上不存在公認(rèn)且明顯的區(qū)分和定義，即沒有統(tǒng)一的標(biāo)準(zhǔn)。目前對于煤矸石識別特征的定義大多基于試驗統(tǒng)計的思想，得到煤矸石1種或多種特征的數(shù)值分布范圍，從中找出二者差異作為識別標(biāo)準(zhǔn)，存在對煤矸石特征分析、理解不全面的問題。為提高煤矸石識別準(zhǔn)確性，需要進(jìn)一步研究二者特征差異等問題。

(2) 符合煤礦綠色發(fā)展要求的煤矸石識別方法研究。我國大部分煤炭資源集中在水資源匱乏的中西部地區(qū)，使用液體介質(zhì)進(jìn)行煤矸石識別進(jìn)而實現(xiàn)分選會帶來水資源供應(yīng)壓力增大與水資源浪費問題，并需進(jìn)行介質(zhì)回收、干燥處理等，流程復(fù)雜。隨著我國對煤炭綠色清潔、高效利用計劃的實施，研究符合煤礦綠色發(fā)展要求的煤矸石識別方法十分必要。在井下應(yīng)用煤矸石識別方法，促進(jìn)煤矸石干法分選技術(shù)的發(fā)展，可避免地面矸石堆積問題，有利于構(gòu)建煤炭清潔低碳發(fā)展體系。

(3) 快速高效的煤矸石圖像識別方法研究。煤矸石圖像識別方法是目前的研究熱點。在實際應(yīng)用中，環(huán)境變化、煤矸石種類、設(shè)備性能等因素都會對煤矸石圖像識別結(jié)果造成影響，因此必須考慮圖像識別算法的泛化性和易用性。針對煤矸石圖像數(shù)據(jù)少，無法全面、準(zhǔn)確分析、理解煤矸石特征的問題，構(gòu)建大規(guī)模煤矸石圖像數(shù)據(jù)庫是重要途徑。在此基礎(chǔ)上，通過煤矸石特征分析、可視化分析等，深入理解煤矸石圖像特征在深度卷積神經(jīng)網(wǎng)絡(luò)中的表達(dá)，研究適合煤矸石識別的深度卷積神經(jīng)網(wǎng)絡(luò)，有助于實現(xiàn)快速高效的圖像識別。

(4) 新型煤矸石高效識別方法研究。研究者通過研究光電、射線識別、圖像識別、深度學(xué)習(xí)等技術(shù)，將其應(yīng)用于煤矸石識別領(lǐng)域，但在實際應(yīng)用中還存在不同的問題。需要研究新型煤矸石高效識別方法，在現(xiàn)有方法基礎(chǔ)上進(jìn)行融合和創(chuàng)新，并將其應(yīng)用于實踐進(jìn)行檢驗，從而提高煤矸石識別效率及煤矸石分選智能化水平。

4 結(jié)語

煤矸石分選是實現(xiàn)煤炭清潔利用的重要手段，而煤矸石識別是實現(xiàn)煤矸石有效分選的前提和重要環(huán)節(jié)。識別特征的選取是煤矸石識別方法的重要研究內(nèi)容。目前，人為設(shè)計、選取識別特征的煤矸石識別方法仍在使用，但將深度學(xué)習(xí)技術(shù)應(yīng)用于煤矸石識別是煤矸石識別技術(shù)的主流趨勢。此外，在現(xiàn)有技術(shù)基礎(chǔ)上進(jìn)行融合創(chuàng)新，研究新型煤矸石高效識別方法，也是煤矸石識別方法的發(fā)展方向，有助于推動煤矸石自動化分選技術(shù)進(jìn)步。