丁亞非，陳曉煒，李超永

1國家知識產(chǎn)權(quán)局專利局 北京 102206

2中國礦業(yè)大學(xué)化工學(xué)院 江蘇徐州 221116

在 正確認(rèn)識和把握碳達(dá)峰、碳中和上，仍要立足于我國以煤為主的基本國情的基礎(chǔ)上[1]。我國富煤、貧油、少氣的基本國情，決定了我國在未來一段時(shí)間內(nèi)仍是世界上最大的煤炭消費(fèi)大國。隨著近些年新能源和清潔能源的發(fā)展，我國煤炭占一次能源消費(fèi)比例持續(xù)降低，但依然占據(jù)很高的比例?！吨袊茉创髷?shù)據(jù)報(bào)告 (2021) ——煤炭篇》指出，2020 年全國煤炭消費(fèi)占一次能源消費(fèi)的比重仍有 56.8%。因此，煤炭分選是煤炭清潔高效利用中較為關(guān)鍵的一環(huán)[2]。

目前，煤炭選前干法分級大多采用篩分機(jī)，其篩分效率對原煤中的水分非常敏感：水分會使原煤中的物料團(tuán)聚，進(jìn)而黏附在篩面上，堵塞篩孔，從而減小篩面的有效篩分面積，降低了篩分效率[3]。氣流分級機(jī)的出現(xiàn)避免了篩分過程中篩孔堵塞的問題[4]。氣流分級機(jī)分級效果的檢測方法一般為人工取樣測量，或有經(jīng)驗(yàn)的工人根據(jù)經(jīng)驗(yàn)粗略地判斷氣流分級機(jī)的分級效果。該類方法費(fèi)時(shí)費(fèi)力，檢測結(jié)果不具代表性，且難以實(shí)時(shí)反饋[5]。

本文利用機(jī)器視覺技術(shù)設(shè)計(jì)了基于圖像識別的氣流分級機(jī)分級效率在線檢測系統(tǒng)。該系統(tǒng)以氣流分級機(jī)細(xì)物料產(chǎn)物出口處帶式輸送機(jī)上的物料作為檢測對象，將取得的物料圖像進(jìn)行灰度圖轉(zhuǎn)化、灰度調(diào)整、圖像二值化、填充孔洞后，使用編寫的算法進(jìn)行三次分割，去除小于 6 mm 的顆粒，保留圖像中的粗顆粒。依據(jù)粗顆粒物料的投影面積所占顆粒群投影面積的比值，確定煤樣中粗顆粒的質(zhì)量分?jǐn)?shù)，實(shí)現(xiàn)氣流分級機(jī)分級效果的實(shí)時(shí)檢測。

1 圖像獲取

利用防塵性能較好的工業(yè)相機(jī)拍攝得到系統(tǒng)所需圖像；隨后導(dǎo)入 MATLAB 圖像采集工具箱，利用工具箱中的 videoinput 函數(shù)可完成視頻輸入對象的創(chuàng)建，preview 函數(shù)可預(yù)覽此圖像，getsnashot 函數(shù)對圖像進(jìn)行捕捉；最后將捕捉到的圖像保存到計(jì)算機(jī)中，調(diào)用函數(shù)為 imwrite 函數(shù)。煤樣表面圖像如圖 1 所示。

2 灰度處理

煤樣原圖像為 RGB 圖像。圖像處理前，應(yīng)先調(diào)用 rgb2gray 函數(shù)將圖像預(yù)處理為灰度圖像，處理后的灰度如圖 2 所示。處理公式為

由圖 2(a) 所示，圖像整體明顯偏暗。采用基于灰度直方圖的方法調(diào)節(jié)對比度，使圖像整體增量，如圖 2(b) 所示，直方圖均衡化就是方法之一[6]。使用 MATLAB 中于全局的均衡化的用于直方圖均衡化操作的 histeq 函數(shù)，得到全局均衡化效果如圖 2(c) 所示。圖像經(jīng)全局直方圖均衡化后，雖然整體對比度增加，但仍然存在局部細(xì)節(jié)的對比度不升反降的現(xiàn)象。因此，再使用自適應(yīng)直方圖均衡化方法 (Contrast Limited Adaptive Histogram Equalization，CLAHE) 在其局部操作，以抑制噪聲且保存原圖像中灰度分布的特點(diǎn)。增強(qiáng)后的圖片如圖 2(d) 所示。

濾波是預(yù)處理的關(guān)鍵環(huán)節(jié)，其目的是弱化或者去除噪聲和干擾。對于此樣品圖像，噪聲與干擾即是煤炭顆粒表面的紋理。最佳的濾波效果是在保留煤炭顆粒邊緣的同時(shí)，消除顆粒表面紋理所帶來的影響。

本文采用空間域?yàn)V波，在弱化顆粒表面紋理的同時(shí)，還能盡可能地保留邊界信息的雙邊濾波來處理圖像[7]。最終當(dāng)距離權(quán)重方差σd=3.0，灰度權(quán)重方差σr=0.1 時(shí)，可以得到較為理想的濾波效果。

3 圖像處理

灰度處理后，仍然發(fā)現(xiàn)煤層表面的圖像中，顆粒相互堆疊在一起，非常復(fù)雜。若要計(jì)算 0～ 6 mm 細(xì)物粒正配效率，則必須除去 0～ 6 mm 顆粒，保留粒徑大于 6 mm 顆粒。通過一定的方法計(jì)算出其比例，從而計(jì)算其篩分效率，這也是評價(jià)氣流分級機(jī)分級效率的指標(biāo)。

3.1 圖像分割

分割圖像中黏連的煤炭顆粒是準(zhǔn)確計(jì)算細(xì)物粒正配效率的關(guān)鍵。很多學(xué)者采用分水嶺算法作為圖像分割的算法，然而此方法并不直接適用與煤炭的分割。這是因?yàn)椋阂皇欠炙畮X算法對噪聲十分敏感，盡管用雙邊濾波消除了部分噪聲，但剩余的噪聲足以影響算法的準(zhǔn)確性；二是圖像中顆粒小且邊界復(fù)雜，不適合直接使用分水嶺算法。盡管如此，分水嶺算法分割圖像后，仍能清楚地區(qū)分出顆粒的邊緣，故對分水嶺算法進(jìn)行改進(jìn)，輔以適宜的二值化算法，以將黏連的顆粒分割開，去除粒徑小于 6 mm 顆粒，僅保留粒徑大于 6 mm 顆粒。

3.2 二值圖像

顆粒邊緣圖像亮度因陰影的存在而降低，可根據(jù)顆粒表面與邊緣的亮度差異，來區(qū)分圖像的前景和背景并進(jìn)行二值圖像。其中，顆粒表面為前景白色，而顆粒邊緣為背景黑色，依此來對圖像進(jìn)行初步分割。此處，筆者分別采取大津閾值法、維納自適應(yīng)閾值法和灰度變化率法分別進(jìn)行二值化，二值圖像結(jié)果如圖3 所示。

可見，基于灰度變化率的二值化圖像中的顆粒更接近于原圖像?；诨叶茸兓实亩祷椒ㄊ且罁?jù)圖像中顆粒邊緣灰度變化規(guī)律對圖像進(jìn)行分割，其過程如圖 4 所示。

從圖 4(b) 中選取劃線部分點(diǎn)作為研究對象，研究內(nèi)容包括灰度值A(chǔ)(i)、灰度值的一階導(dǎo)數(shù)B(i) 和灰度值的變化率C(i)，C(i)=B(i)/A(i)，灰度值數(shù)據(jù)分析結(jié)果由上到下依次如圖 4(c) 所示。

選取圖 4(b) 中的該行中顆粒左邊緣、中間雜質(zhì)點(diǎn)以及右邊緣 3 處較暗區(qū)域，不難發(fā)現(xiàn)，顆粒邊緣處灰度值會發(fā)生波動(dòng)，且邊緣的波動(dòng)幅度遠(yuǎn)大于雜質(zhì)的波動(dòng)幅度。取任意 3 處圖片位置的灰度值進(jìn)行統(tǒng)計(jì)，結(jié)果如表 1 所列。通過分析表 1 數(shù)據(jù)，可將 30～ 200作為顆粒邊緣灰度值范圍；在灰度值變化率方面，以0.2 作為區(qū)分顆粒的邊緣和雜質(zhì)點(diǎn)的閾值；以 100為邊緣延伸距離的灰度值閾值進(jìn)行二值圖像，二值化結(jié)果如圖 5 所示。

表1 灰度值統(tǒng)計(jì)表Tab.1 Statistics of gray value

3.3 三次分割

二值圖像法進(jìn)行一次分割后，并不能完全符合要求，故對圖像進(jìn)行多次標(biāo)定和分割。對比發(fā)現(xiàn)，三次分割后，圖 2(d) 的圖像其與實(shí)際相符，其最終分割圖如圖 6 所示。

4 結(jié)果對比分析

對照圖 4(b)，將圖 2(d) 人工勾勒出一定數(shù)量的顆粒，將圖像處理結(jié)果中的顆粒分為 3 類：分割基本正確、分割不準(zhǔn)確、錯(cuò)誤分割。其判別標(biāo)準(zhǔn)為：分割基本正確為顆粒形狀和面積與人工勾勒出的基本一致；分割不準(zhǔn)確為該顆粒雖然存在，但形狀和面積與人工勾勒的不一致；錯(cuò)誤分割為原圖不存在該顆粒。系統(tǒng)每隔一定時(shí)間獲取一張圖像并進(jìn)行檢測分析，經(jīng)多次檢測，10 張圖像處理后，平均錯(cuò)誤率已經(jīng)降低至 3%以下，滿足實(shí)時(shí)檢測系統(tǒng)的要求。因此，將某一時(shí)刻的前 10 張?zhí)幚淼膱D像檢測結(jié)果的平均值，作為該時(shí)刻氣流分級機(jī)分機(jī)效率實(shí)時(shí)檢測系統(tǒng)的檢測結(jié)果。

5 結(jié)語

設(shè)計(jì)了一個(gè)基于圖像識別的氣流分級機(jī)分級效果在線檢測系統(tǒng)。該系統(tǒng)用工業(yè)相機(jī)和計(jì)算機(jī)圖像處理程序拍攝的氣流分級機(jī)細(xì)物料產(chǎn)物出口處煤樣表面的圖像，計(jì)算出粗顆粒物料的投影面積所占顆粒群投影面積的比值確定該處細(xì)物粒正配效率從而確定煤樣中粗顆粒的質(zhì)量分?jǐn)?shù)，將某一時(shí)刻的前 10 張圖像中的質(zhì)量分?jǐn)?shù)平均值作氣流分級機(jī)分機(jī)效率實(shí)時(shí)檢測系統(tǒng)該時(shí)刻的檢測結(jié)果，其分析誤差在 3% 以下。該系統(tǒng)較人工檢測更加符合現(xiàn)代工業(yè)生產(chǎn)中自動(dòng)檢測的要求。