丁建華，張永貴

（北方魏家峁煤電有限責(zé)任公司，內(nèi)蒙古 鄂爾多斯 017000）

傳統(tǒng)的煤矸分選方法使用的設(shè)備龐大，工藝復(fù)雜，無法嵌入到煤炭破碎環(huán)節(jié)之前，不能解決煤矸石的無效破碎、洗選、運(yùn)輸問題。另外，傳統(tǒng)煤矸石分選需要使用大量的水，會(huì)對(duì)水資源造成污染。但是我國煤炭資源儲(chǔ)量豐富的地區(qū)水資源短缺，特別是晉、陜、蒙、寧地區(qū)，水資源僅占全國的2.6%，嚴(yán)重制約著煤炭資源的開發(fā)利用，而基于機(jī)器視覺的預(yù)排矸技術(shù)可以有效解決傳統(tǒng)方法存在的問題，是一種清潔的煤矸分選方法，其特點(diǎn)在于識(shí)別的方式為非接觸式測(cè)量、普適性高、發(fā)展迅速等。無論從環(huán)保角度，還是經(jīng)濟(jì)效益出發(fā)，基于機(jī)器視覺的預(yù)排矸技術(shù)的研究都顯得極為超前。

1 視覺智能選矸技術(shù)現(xiàn)狀

現(xiàn)階段，煤矸圖像識(shí)別的研究是以人工設(shè)計(jì)的能夠體現(xiàn)煤矸差異的圖像特征（如煤矸圖像灰度值、紋理等）為前提，利用圖像處理和模式識(shí)別技術(shù)對(duì)煤和矸石圖像進(jìn)行處理，基于支持向量機(jī)（Support Vector Machine，SVM）[1]或人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）[2]等機(jī)器學(xué)習(xí)算法建立模型對(duì)煤矸石進(jìn)行識(shí)別。所涉及的圖像特征主要基于煤矸的顏色差異[3]、紋理特征差異[4]、幾何輪廓差異以及煤矸圖像的頻域差異。但是顏色差異容易受到圖像采集時(shí)光照條件的影響，所以研究的量化結(jié)果很不穩(wěn)定[5]。紋理特征易受到煤矸表面附著物干擾，且上述相關(guān)值與人類視覺模型脫節(jié)，缺少全局信息的利用，難以研究紋理尺度間像素的遺傳或依賴關(guān)系。幾何輪廓相較于其他特征，雖然較為穩(wěn)定可靠，但研究僅在單個(gè)目標(biāo)中開展，若多個(gè)目標(biāo)出現(xiàn)接觸或輕微覆蓋，則幾何輪廓難以準(zhǔn)確刻畫，因此該方法的應(yīng)用受到了制約。通過傅里葉變換或小波變換的頻域處理對(duì)圖像的分辨率要求較高，處理難度較大[6]。部分學(xué)者利用圖像處理與三維激光掃描測(cè)量煤矸體積并計(jì)算密度，進(jìn)而完成煤矸識(shí)別[7]。但該方法的難點(diǎn)是實(shí)際生產(chǎn)環(huán)節(jié)中難以精準(zhǔn)測(cè)量帶式輸送機(jī)上的煤矸質(zhì)量，同時(shí)體積測(cè)量結(jié)果也會(huì)存在誤差。綜觀來看，現(xiàn)階段煤矸圖像識(shí)別研究中，識(shí)別模型的識(shí)別準(zhǔn)確率高但可移植性弱、方法的普適性不高，硬件難以實(shí)現(xiàn)，研究成果轉(zhuǎn)化率低。

目前，深度學(xué)習(xí)是近年來人工智能領(lǐng)域取得的重大突破，引入深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行煤矸識(shí)別，可以有效地提取圖像特征。通過調(diào)整卷積神經(jīng)網(wǎng)絡(luò)LeNet-5 中的結(jié)構(gòu)層次建立了煤矸識(shí)別模型，可以提升LeNet-5 模型對(duì)煤矸圖像的識(shí)別效果，但沒有研究樣本集的代表性，識(shí)別模型的泛化能力有待驗(yàn)證[8]。利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)煤和煤矸石圖像進(jìn)行識(shí)別，基于VGG16 模型實(shí)現(xiàn)煤和煤矸石的分離。實(shí)驗(yàn)結(jié)果表明可以提供快速、可靠的煤/煤矸石識(shí)別；以多尺度的煤矸石圖像特征集為基礎(chǔ)，利用CG-RPN 網(wǎng)絡(luò)確定圖像中目標(biāo)對(duì)象的候選區(qū)域，以卷積神經(jīng)網(wǎng)絡(luò)（CNNs）方法識(shí)別候選區(qū)煤矸石目標(biāo)。利用全卷積神經(jīng)網(wǎng)絡(luò)（U-Net）對(duì)短紅外原煤圖像進(jìn)行分割。利用卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺技術(shù)對(duì)礦石紋理進(jìn)行了定量分析。以上研究表明使用深度學(xué)習(xí)框架提取的特征明顯優(yōu)于其他傳統(tǒng)方法，基于卷積神經(jīng)網(wǎng)絡(luò)的煤矸圖像識(shí)別是可行的[9]。

2 視覺智能選矸系統(tǒng)

視覺智能選矸系統(tǒng)前置于破碎站，包含給料系統(tǒng)、煤矸石分揀系統(tǒng)、煤矸石外排系統(tǒng)、塊煤分級(jí)篩選系統(tǒng)及整套控制系統(tǒng)。

給料系統(tǒng)示意圖如圖1。給料系統(tǒng)由驅(qū)動(dòng)電機(jī)、輸送膠帶、計(jì)量裝置、控制單元等組成。拉煤車將原煤卸到卸煤斗中，卸煤斗中的原煤進(jìn)入到給料系統(tǒng)后，通過驅(qū)動(dòng)電機(jī)來驅(qū)動(dòng)輸送膠帶，通過輸送皮帶將原煤運(yùn)送到煤矸石分揀系統(tǒng)中。給料系統(tǒng)中裝設(shè)有原煤計(jì)量平臺(tái)，將稱重傳感器測(cè)得的數(shù)據(jù)送到煤量控制單元中，同時(shí)速度傳感器將電機(jī)的轉(zhuǎn)速信號(hào)送到控制單元中，控制單元經(jīng)過計(jì)算可以得到給煤系統(tǒng)的瞬時(shí)煤量和累計(jì)煤量，并且可以通過控制給煤機(jī)驅(qū)動(dòng)電機(jī)的轉(zhuǎn)速速度來控制給料系統(tǒng)的給煤量，從而達(dá)到控制整個(gè)系統(tǒng)的出力負(fù)荷。

圖1 給料系統(tǒng)示意圖

矸石分揀系統(tǒng)示意圖如圖2。煤矸石分揀系統(tǒng)由輸送帶、攝像機(jī)、數(shù)據(jù)采集裝置、計(jì)算機(jī)、識(shí)別控制裝置、分揀機(jī)構(gòu)組成。當(dāng)給料系統(tǒng)輸送過來的原煤和矸石在帶式輸送機(jī)上運(yùn)輸時(shí)，通過攝像機(jī)采集輸送帶上的物料影像，通過數(shù)據(jù)采集送到計(jì)算機(jī)中，計(jì)算機(jī)通過比對(duì)數(shù)據(jù)庫中的矸石影像圖片，從而來判斷物料中哪些是原煤，哪些是矸石。計(jì)算機(jī)將判斷結(jié)果通過控制輸送帶的前進(jìn)速度，同時(shí)控制分揀機(jī)構(gòu)將原煤和矸石分揀開，并通過不同的排料口將原煤送到塊煤分級(jí)篩選系統(tǒng)，將矸石送到矸石外排系統(tǒng)中。

圖2 矸石分揀系統(tǒng)示意圖

矸石外排系統(tǒng)由矸石斗和氣動(dòng)控制閥組成，并裝有矸石料位監(jiān)測(cè)裝置。矸石斗中的矸石通過氣動(dòng)控制閥的開關(guān)將矸石排到卡車上運(yùn)至排矸場填埋，矸石料位監(jiān)測(cè)裝置可以進(jìn)行矸石料位高低的報(bào)警并聯(lián)鎖控制閥，實(shí)現(xiàn)預(yù)警和自動(dòng)排矸功能，從而降低勞動(dòng)強(qiáng)度。

塊煤分級(jí)篩選系統(tǒng)由篩箱、支承彈簧、振動(dòng)器、電動(dòng)機(jī)、篩網(wǎng)等組成。塊煤分級(jí)篩選系統(tǒng)通過電機(jī)驅(qū)動(dòng)振動(dòng)器，振動(dòng)器帶動(dòng)篩網(wǎng)振動(dòng)，原煤在篩箱經(jīng)過振動(dòng)后，規(guī)格較小的（粒徑<300 mm）的塊煤通過篩網(wǎng)落到了出料口，經(jīng)過帶式輸送機(jī)輸送至下游洗煤廠，規(guī)格較大的塊煤（粒徑>300 mm）則通過另外出料口經(jīng)過帶式輸送機(jī)送到破碎機(jī)原煤斗進(jìn)行破碎，破碎機(jī)將原煤破碎為直徑小于300 mm 的塊煤，通過帶式輸送機(jī)輸送至下游洗煤廠。

整套系統(tǒng)進(jìn)行電腦PLC 自動(dòng)控制，其中通過邏輯編程實(shí)現(xiàn)整套設(shè)備的合理運(yùn)行。PLC 控制系統(tǒng)包括信號(hào)采集、中央處理器、電源系統(tǒng)、指令輸出、顯示系統(tǒng)等部分組成。整個(gè)系統(tǒng)中的給煤量信號(hào)、輸送帶電機(jī)轉(zhuǎn)速、電機(jī)的電流、閥門的位置反饋、矸石斗的料位信號(hào)、報(bào)警信號(hào)等都接入PLC 控制系統(tǒng)中，為整個(gè)系統(tǒng)的合理運(yùn)行、聯(lián)鎖提供依據(jù)。給料系統(tǒng)的給煤量信號(hào)通過判斷破碎機(jī)設(shè)備的處理能力、煤塊分級(jí)篩選系統(tǒng)的設(shè)備情況及處理能力、煤矸石分揀系統(tǒng)的設(shè)備情況及處理能力，自動(dòng)控制煤車的卸煤量，保證設(shè)備能合理的處理完各個(gè)煤斗中的原煤，既不空斗又不滿斗。同時(shí)整個(gè)PLC 控制系統(tǒng)設(shè)置完善的聯(lián)鎖保護(hù)和計(jì)量裝置，當(dāng)設(shè)備有異常情況時(shí)，及時(shí)聯(lián)鎖跳閘相關(guān)設(shè)備，保證整個(gè)系統(tǒng)設(shè)備的安全和可控。整個(gè)系統(tǒng)也允許值班人員進(jìn)行手動(dòng)控制設(shè)備，以便于異常情況或事故的處理。

3 應(yīng)用效果

魏家峁露天煤礦礦田面積52.593 2 km2，資源總儲(chǔ)量9.77 億t，可采儲(chǔ)量8.14 億t，煤層平均厚度為12.89 m，生產(chǎn)能力600 萬t/a，首采區(qū)平均含矸率為16.45%，每年排出矸石約100 萬t。露天煤礦采煤采用單斗-卡車-半固定破碎站半連續(xù)系統(tǒng)，煤炭破碎后經(jīng)選煤廠洗選，部分煤用于魏家峁電廠，剩余用于銷售，矸石由洗煤廠通過卡車運(yùn)回內(nèi)排土場。

露天煤礦所有原煤直接經(jīng)過破碎機(jī)進(jìn)行破碎，無法區(qū)分原煤和煤矸石，破碎至一定規(guī)格（例如小于300 mm），同時(shí)對(duì)于直徑小于300 mm 的原煤也一并進(jìn)行了破碎處理，這樣加重了破碎機(jī)的磨損和電耗，同時(shí)也加快了設(shè)備的更換，一定程度上造成了資金的浪費(fèi)。系統(tǒng)將破碎后的原煤通過帶式輸送機(jī)輸送至洗煤廠進(jìn)行洗選，在洗煤廠先進(jìn)行煤矸石的篩選，篩選出來的煤矸石汽車運(yùn)回礦區(qū)進(jìn)行填埋，造成額外的運(yùn)輸費(fèi)用，除去煤矸石后的原煤進(jìn)行洗選。

在破碎環(huán)節(jié)之前，安設(shè)視覺智能選矸設(shè)備進(jìn)行矸石分選。視覺智能選矸設(shè)備識(shí)別率達(dá)到80%，即每年通過視覺智能選矸設(shè)備可分選出80 萬t 煤矸石。根據(jù)魏家峁露天煤礦生產(chǎn)運(yùn)行統(tǒng)計(jì)，煤矸石破碎成本0.7 元/t。根據(jù)魏家峁露天煤礦洗選、運(yùn)送矸石服務(wù)合同，選煤廠洗選煤炭成本2.98 元/t，運(yùn)輸矸石成本為4 元/t。運(yùn)用視覺智能選矸設(shè)備每年可節(jié)省破洗運(yùn)成本614 萬元，具有非?？捎^的經(jīng)濟(jì)效益。

4 結(jié)語

基于智能選矸技術(shù)減小了破洗運(yùn)環(huán)節(jié)的成本，無論從環(huán)保角度，還是經(jīng)濟(jì)效益出發(fā)，都是一種有益的嘗試。應(yīng)用于魏家峁露天煤礦，每年降低破洗運(yùn)成本614 萬元，所采用的研究方法及所得出的結(jié)論對(duì)類似礦山有重要的理論指導(dǎo)意義及實(shí)踐應(yīng)用價(jià)值。