王 銳，桂志國，劉 祎，張鵬程

(中北大學(xué) 山西省生物醫(yī)學(xué)成像與影像大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室，山西 太原 030051)

0 引 言

煤炭在我國能源體系中占主導(dǎo)地位，然而，煤炭在開采過程中會(huì)產(chǎn)生大量固體污染物，以矸石為主，其混在煤中不僅會(huì)降低煤炭燃燒質(zhì)量，還會(huì)加重污染物的排放，因此，煤矸石分選技術(shù)是選煤技術(shù)中的重要環(huán)節(jié).

煤矸石分選方法主要分為人工排矸法、密度識(shí)別法、圖像識(shí)別法、射線識(shí)別法[1].其中，人工排矸法無法保證煤矸石分選的質(zhì)量，效率低下且工作環(huán)境惡劣，這種方式已逐漸被淘汰.密度識(shí)別法主要用于重介質(zhì)流化床選煤[2]和跳汰選煤[3]，其設(shè)備體型龐大、對(duì)介質(zhì)要求高，且水或空氣污染嚴(yán)重.圖像識(shí)別法結(jié)合自動(dòng)化設(shè)備和圖像識(shí)別技術(shù)獲取灰度、紋理等信息，進(jìn)而實(shí)現(xiàn)煤矸石識(shí)別.袁華昕[4]通過圖像分割和直方圖分析得到煤矸石的像素峰值灰度級(jí)，并通過邊緣檢測(cè)和閾值分割方法計(jì)算得到煤和矸石的高度，由灰度級(jí)和高度關(guān)系確定識(shí)別條件.吳開興等[5]利用灰度共生矩陣提取煤與矸石的紋理特征，采用支持向量機(jī)進(jìn)行自動(dòng)識(shí)別.Li等[6]選用灰度直方圖、分形維數(shù)和小波變換能量作為識(shí)別特征，建立4層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多特征融合.射線識(shí)別法主要基于γ射線或X射線，其中具有代表性的是雙能X射線透射技術(shù)，該技術(shù)通過分析物料對(duì)不同能量X射線透射的衰減程度差異來識(shí)別物料種類，與其他技術(shù)相比操作簡單、成本低、無資源浪費(fèi)、識(shí)別準(zhǔn)確率高.

國內(nèi)外學(xué)者針對(duì)雙能 X 射線透射分選技術(shù)已經(jīng)投入了大量的研究.Mesina[7]和 Dalmijn[8]等聯(lián)合使用雙能X射線探測(cè)器、光學(xué)相機(jī)和電磁傳感器進(jìn)行了多特征分析，實(shí)現(xiàn)了對(duì)物料的有效分選.Bonnin等[9]深入研究了質(zhì)量密度和原子序數(shù)對(duì)物質(zhì)衰減系數(shù)的影響，引入了有效質(zhì)量密度.王艷翔[10]通過提取雙能R值并將其映射成物質(zhì)分類模板圖像，然后對(duì)該模板圖像進(jìn)行多閾值分割以實(shí)現(xiàn)物質(zhì)分類.毛冬輝等[11]在分析R值算法的基礎(chǔ)上，提出了一種R值曲線擬合識(shí)別算法，并對(duì)算法有效性進(jìn)行了驗(yàn)證.楊斌[12]研究了利用R值曲線法和Bayes決策函數(shù)判定物料種類的方法.王祺奧[13]提出了基于復(fù)化求積的R值曲線擬合算法，減弱了厚度因素對(duì)種類識(shí)別的影響.黃河等[14]提出了一種基于低能透射信號(hào)值和雙能R值雙參數(shù)聯(lián)合的識(shí)別算法，提高了算法的適用厚度范圍.但在物料厚度浮動(dòng)大的情況下，R值算法識(shí)別物料種類的準(zhǔn)確性還有待驗(yàn)證.

因此，本文研究了雙能X射線透射技術(shù)，以R值算法為基礎(chǔ)，對(duì)300 mm粒度以下的煤矸石進(jìn)行取樣分析(受射線設(shè)備限制，最大只能允許 300 mm 的煤矸石通過，且300 mm粒度可以滿足大多數(shù)分選需求)，得出R值曲線擬合算法分選的適用范圍，并通過結(jié)構(gòu)光相機(jī)獲取物料厚度信息，聯(lián)合R值算法和厚度信息實(shí)現(xiàn)煤矸石的有效識(shí)別.

1 雙能R值算法

1.1 R值分析

雙能X射線檢測(cè)技術(shù)可以探究物質(zhì)的有效原子系數(shù)Zeff，Zeff是物質(zhì)的本質(zhì)[15]，可由R值計(jì)算得到.

利用高、低能透射信號(hào)可以計(jì)算出R值，

(1)

式中：IH0和IL0為無物料時(shí)的高能透射值和低能透射值；IH和IL為有物料時(shí)的高能透射值和低能透射值；μmH和μmL為高、低能X射線條件下物料的質(zhì)量吸收系數(shù).

式(1)成立的前提是X射線為單色光譜，不受物質(zhì)物理化學(xué)狀態(tài)和厚度的影響，可以根據(jù)R值來區(qū)分物質(zhì)的種類.但在實(shí)際工業(yè)中，大多數(shù)X射線是連續(xù)譜，波長連續(xù)變化，衰減吸收系數(shù)不是常數(shù)，會(huì)隨著能量的變化而變化.

為了保證實(shí)驗(yàn)的普適性和可靠性，本文采集了100塊不同厚度的煤矸石的高低能透射數(shù)據(jù)進(jìn)行分析.實(shí)驗(yàn)中選取X射線源管電壓為200 kV，管電流為2 mA.低能透射信號(hào)值IL的有效取值為 0～50 000，灰度范圍較大，為了重點(diǎn)分析低灰度部分，對(duì)其進(jìn)行非線性log變換.煤和矸石的lnIL-R散點(diǎn)分布圖如圖1 所示.

分析圖1 可知，煤矸石的R值已經(jīng)趨于穩(wěn)定，低能透射信號(hào)lnIL<4.4時(shí)，只有矸石的R值存在，因此，可以用閾值4.4來區(qū)分厚矸石和厚煤；當(dāng)lnIL值在4.4～7范圍時(shí)，煤和矸石的R值大部分重疊在一起，僅通過高低能透射信號(hào)值以及R值的關(guān)系無法有效區(qū)分出煤和矸石；當(dāng)lnIL>7時(shí)，R值區(qū)分明顯，可以通過R值曲線擬合方法進(jìn)行區(qū)分.

圖1 lnIL-R散點(diǎn)圖

1.2 R值曲線擬合

常用的曲線擬合方法有線性擬合、多項(xiàng)式擬合、指數(shù)擬合和高斯擬合等.本文采用CurveExpert軟件對(duì)數(shù)據(jù)邊界進(jìn)行曲線擬合，以找到最佳曲線模型.經(jīng)實(shí)驗(yàn)證明，采用多項(xiàng)式擬合曲線模型的相關(guān)系數(shù)最大、標(biāo)準(zhǔn)偏差最小，擬合效果最優(yōu)，因此，選用多項(xiàng)式模型進(jìn)行曲線邊界擬合，公式如下

C=-0.000 328 3x4+0008 233x3-

0.068 5x2+0.220 9x+0.985 2.

(2)

實(shí)時(shí)采集煤和矸石圖像，計(jì)算低能透射信號(hào)值lnIL和R值，當(dāng)lnIL>7時(shí)，以C為分界，R值落在C上方的判定為矸石，R值落在C下方的判定為煤，此情況下的識(shí)別準(zhǔn)確率在92%以上.

2 R值重疊分析

在固定電壓電流時(shí)，X射線的能量是固定的，透射能力也相對(duì)有限.而物料越厚，X射線透射值越小，由于矸石的X射線衰減系數(shù)大于煤的，所以，存在特厚的煤與較薄的矸石的X射線透射值相當(dāng)，導(dǎo)致求出的R值會(huì)發(fā)生重疊，又稱厚度效應(yīng)[16].為了探究R值曲線邊界判別的極限厚度以及厚度是否可以作為區(qū)分厚煤和薄矸石的條件，對(duì)不同厚度的煤和矸石使用R值曲線判別并通過迭代閾值分割方法[17]標(biāo)記出煤和矸石，結(jié)果如圖2 和圖3 所示，圖中淺灰部分被識(shí)別為煤，黑色部分被識(shí)別為矸石.

圖2 R值曲線對(duì)煤的測(cè)試

圖3 R值曲線對(duì)矸石的測(cè)試

在圖2 中，(e)的誤識(shí)別部分相對(duì)于(a)～(d)有所增加，但整體上并不影響識(shí)別結(jié)果；而(f)～(h)的誤識(shí)別區(qū)域明顯多于(a)～(e)，且隨著煤厚度的增長，誤識(shí)別區(qū)域逐漸增加，計(jì)算得出黑色部分占比分別為31%，34%和45%，嚴(yán)重影響物料識(shí)別.由圖3(b)～(d)可知，矸石厚度范圍在110 mm～180 mm的誤識(shí)別區(qū)域也逐漸增大并向中心聚攏.矸石誤識(shí)別區(qū)域在矸石厚度為 180 mm 時(shí)達(dá)到峰值，而矸石厚度大于 210 mm 時(shí)，誤識(shí)別區(qū)域變小且集中在邊緣部分.由于矸石厚度不均，中間厚邊緣薄，在圖3(e)～(h)中存在邊緣誤識(shí)別的現(xiàn)象，經(jīng)過測(cè)量發(fā)現(xiàn)，矸石邊緣厚度都小于180 mm.因此，R值曲線可以有效識(shí)別厚度在 210 mm 以下的煤和110 mm以下的矸石，且取厚度閾值H為210 mm時(shí)，可以區(qū)分重疊部分的煤和矸石.

3 相機(jī)測(cè)厚

目前，主流的深度相機(jī)測(cè)量原理有TOF、雙目立體視覺和結(jié)構(gòu)光.TOF基本原理是向被觀測(cè)物體上連續(xù)發(fā)射光脈沖，然后接收從物體反射回的光脈沖，通過探測(cè)光脈沖的往返時(shí)間來計(jì)算被測(cè)物體離相機(jī)的距離.TOF深度相機(jī)對(duì)時(shí)間測(cè)量的精度要求較高，在近距離高精度領(lǐng)域應(yīng)用困難.雙目立體視覺基于視差原理并利用成像設(shè)備從不同的位置獲取被測(cè)物體的兩幅圖像，通過計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差，間接獲取到被測(cè)物體的距離.但是，雙目立體視覺受光照和物體紋理影響較大，夜晚無法使用.結(jié)構(gòu)光是指具有特殊結(jié)構(gòu)的光，如離散光斑、條紋光、編碼結(jié)構(gòu)光等.結(jié)構(gòu)光測(cè)厚是指利用近紅外激光器將具有一定結(jié)構(gòu)特征的光線投射到被拍攝物體上，再由專門的紅外攝像頭進(jìn)行采集，這種具備一定結(jié)構(gòu)的光線會(huì)因被攝物體的不同深度區(qū)域而采集到不同的圖像相位信息，然后通過運(yùn)算單元將這種結(jié)構(gòu)的變化換算成深度信息.考慮到近距離測(cè)量、實(shí)時(shí)性以及成本等方面，本文采用結(jié)構(gòu)光相機(jī)獲取物料的厚度信息.

為獲取R值對(duì)應(yīng)的厚度，需要建立X射線圖像與相機(jī)厚度圖像的映射關(guān)系.首先確定探測(cè)器與深度相機(jī)的相對(duì)位置，因?yàn)樯渚€探測(cè)器工作模式是線掃描，只有當(dāng)物體完全通過，探測(cè)器才能獲取到完整的X射線圖像，故將相機(jī)安裝在探測(cè)器的后面.當(dāng)探測(cè)器采集完一張圖像后，通知相機(jī)抓取這幀圖像.相機(jī)距離線陣需要滿足關(guān)系

d=t*rows*v/2.

(3)

本文線陣積分時(shí)間t=1 500 μs，圖像行數(shù)rows=180，傳送帶速度v=1.6 m/s，根據(jù)上式計(jì)算得出d=216 mm，此時(shí)相機(jī)圖像中的目標(biāo)物體與X射線圖像中的物體位置相對(duì)應(yīng).在X射線圖像中選取數(shù)個(gè)像素點(diǎn)，并將相機(jī)圖像中相對(duì)應(yīng)的點(diǎn)的坐標(biāo)記下，通過繪制兩者的散點(diǎn)圖并進(jìn)行擬合，得到X射線圖像與相機(jī)圖像像素點(diǎn)滿足線性對(duì)應(yīng)關(guān)系，如圖4 所示.圖中，x,y分別為X射線圖像中物體像素的橫坐標(biāo)和縱坐標(biāo)；fx,fy分別為相應(yīng)的相機(jī)圖像中物體像素的橫坐標(biāo)和縱坐標(biāo).

(a)橫坐標(biāo)

如圖5 所示，R值曲線擬合和相機(jī)測(cè)厚聯(lián)合方法流程為：

圖5 算法流程圖

1)實(shí)時(shí)采集被測(cè)物體的雙能X射線圖像和厚度圖像，計(jì)算R值和低能透射值lnIL；

2)若lnIL<4.4，直接判斷為矸石，轉(zhuǎn)到5)；

3)若lnIL>7，使用多項(xiàng)式曲線擬合邊界對(duì)R值進(jìn)行分類識(shí)別，轉(zhuǎn)到5)；

4)根據(jù)射線圖像和相機(jī)圖像映射關(guān)系，計(jì)算R值對(duì)應(yīng)的厚度，通過厚度閾值H判斷；

5)根據(jù)以上識(shí)別方法進(jìn)行迭代閾值分割標(biāo)出煤和矸石部分，獲得初次識(shí)別結(jié)果；

6)計(jì)算物料識(shí)煤率，再根據(jù)識(shí)煤率大小最終判別物質(zhì)種類.

4 實(shí)驗(yàn)驗(yàn)證與分析

選取厚度為80 mm，110 mm，150 mm，180 mm，210 mm，240 mm，270 mm，300 mm的煤和矸石進(jìn)行測(cè)試，設(shè)置測(cè)試條件為雙能X射線管電壓 200 kV，管電流為2 mA.

為了驗(yàn)證本文所提方法的有效性，采集了不同厚度的煤和矸石的圖像，如圖6 和圖7 所示，其中淺灰部分是被識(shí)別為煤，黑色部分是被識(shí)別為矸石，將其與R值曲線擬合算法進(jìn)行對(duì)比，本文從主觀視覺效果及客觀評(píng)價(jià)效果分析算法的優(yōu)劣.

圖6 本文方法對(duì)煤的測(cè)試

圖7 本文方法對(duì)矸石的測(cè)試

由圖2 與圖6 中(f)～(h)對(duì)比可知，對(duì)于厚度大于210 mm的煤，本文方法處理后的圖像中黑色區(qū)域(誤識(shí)別為矸石的部分)明顯少于原始方法；圖3 與圖7 對(duì)比可知，對(duì)于厚度范圍在110 mm～300 mm的矸石，本文方法處理后的圖像中淺灰色區(qū)域(誤識(shí)別為煤的部分)相對(duì)于原始方法減少很多.

為了從客觀角度進(jìn)行評(píng)價(jià)，計(jì)算不同厚度煤和矸石的識(shí)煤率，即淺灰色區(qū)域所占物體的比例.對(duì)于煤來說，識(shí)煤率越高就越有利于判斷為煤；同理，對(duì)于矸石，識(shí)煤率越低對(duì)于矸石的識(shí)別越精確.

由表1 數(shù)據(jù)明顯可知，R值方法對(duì)厚度大于210 mm的煤的識(shí)煤率逐漸下降，對(duì)厚度為300 mm的煤的識(shí)煤率下降到60%以下，與厚度為180 mm的矸石識(shí)煤率相近，無法可靠地判斷該物質(zhì)的種類；R值方法對(duì)厚度在110 mm～210 mm范圍內(nèi)的矸石的識(shí)煤率較高，說明對(duì)矸石的誤判可能性大.與之相比，使用本文方法后，各種厚度煤的識(shí)煤率都有了較大提升，尤其對(duì)300 mm樣本的識(shí)煤率提升了30%以上，而且矸石的識(shí)煤率都有所下降，誤判率大大減少.

表1 兩種方法識(shí)煤率對(duì)比

5 結(jié) 語

本文研究了雙能X射線透射技術(shù)識(shí)別煤矸石的方法，在傳統(tǒng)方法上增加了結(jié)構(gòu)光相機(jī)，提出了一種R值曲線擬合和被測(cè)物體深度信息融合的方法，利用R值曲線擬合算法來初步識(shí)別煤矸石，再根據(jù)由結(jié)構(gòu)光相機(jī)采集到的深度信息提升識(shí)別效果.實(shí)驗(yàn)結(jié)果證明，本文所提方法能夠較好地識(shí)別出50 mm～300 mm范圍內(nèi)的煤矸石，但是對(duì)于煤矸石成分復(fù)雜、形狀特殊的情況，還需進(jìn)一步研究.