基于邊緣檢測算法的煤矸石自動分選技術研究

牛清娜

(河北工程大學 科信學院，河北 邯鄲056038)

在煤炭生產過程中，煤矸石的分選已成為提高產品質量必不可少的重要環節，是資源的綜合利用和節約能源的一個重要途徑，是實現煤炭潔凈生產的重要手段。目前采用比較多的分選方法是手工或機械選煤［1－3]。手工分選方法勞動強度大，效率又低;機械分選主要有采用跳汰機理、浮選機理和重介質機理等的煤矸石分選方法，這些方法采用水或重介質懸浮液作為分選介質，很難應用于水資源缺乏的煤炭生產區，而且在分選過程中容易造成資源浪費和環境污染，因此提出了對煤矸石自動分選技術的研究。根據煤塊和矸石的灰度和紋理不用，本文利用圖像處理技術來識別其基本特征，運用中值濾波、邊緣檢測等分析方法得到煤塊和矸石的灰度概率分布的均值和方差，將其作為標準值與實際測得的結果進行比較，實現煤塊與矸石的在線自動分選。

1 系統組成

在傳統的人工選煤技術中，工人根據煤塊和矸石的灰度與紋理的不同進行人工篩選，基于邊緣檢測算法的煤矸石自動分選機構就是依據煤和煤矸石的圖像灰度、紋理特征不同進行的。

根據煤矸石自動分選方法的工作過程，該系統主要有三部分組成［4－5]，如圖1所示。

(1)檢測部分:檢測部分主要由進料斗、皮帶輸送機、CCD相機、圖像數據處理卡等組成。基本工作流程是:原煤經篩分后從進料斗落到輸送帶，CCD相機將采集到的煤矸石圖像送入圖像數據采集卡轉換，并將轉換后的信息送入計算機進行處理。

(2)識別與控制部分:該部分由控制設備、單片機和計算機組成，是系統的核心。根據模式識別算法來計算煤和煤矸石的灰分含量，然后識別和判斷。如果判斷部分是煤，控制部分不操作，煤落入煤塊通道，如果判斷是矸石，發出控制信號，打開閥門，煤矸石落入矸石通道。

(3)分檢部分:主要由閥門、料斗和系統電源設備組成，用于執行分離煤和矸石。

2 圖像的處理與分析

根據模式識別煤和煤矸石的原理，兩者除了外觀的光澤度不用之外，主要表現是在光線的照射下他們的反射光線和波長不用，導致煤和矸石的灰度分布不同，其分布曲線的峰值也不用，即它們的灰度概率分布的均值及其方差也不同。根據這一原則，就可以將煤和煤矸石的灰度概率分布的均值與方差作為標準樣品值存在計算機中。在分選過程中將實際測得的煤和矸石的灰度概率分布的均值和方差與之比較，如果所得值小于預先設定的值就可以將煤和煤矸石區別開。圖像的處理與分析過程如圖2所示［6]。

2.1 圖像的預處理

由于在實際操作環境中，粉塵比較大，光線也不夠強，致使獲得的圖像清晰度不夠。為改變以上狀況，需對圖像進行平滑濾波和銳化處理，即對原始圖形的亮度、對比度進行調整，使其特征容易識別。平滑濾波和銳化處理的目的主要是去掉不連續的噪聲點，使原始圖像更加清晰，邊緣特征更加明顯從而易于提取，采用中置濾波的方法。中值濾波［7－9]是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域內的所有像素點灰度值的中值。其方法是取某種結構的二維滑動模板，對二維圖像區域進行掃描，并將圖像內像素按照數值大小進行排序，生成單調上升或下降的二維數據序列，二維中值濾波輸出g(x，y)為:

式中 f(x，y)，g(x，y)－原始圖像和處理后的圖像。

中值濾波能有效的消除孤立的噪聲點，因為它是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素接近真實值，從而實現消除孤立的噪聲點。

2.2 圖像特征提取

經過中值濾波方法處理過的原始圖像比較清晰，邊緣特征也比較明顯。要分析煤塊和矸石圖像的灰度分布情況，就要確定其圖像的區域位置，即進行邊緣特征的提取，采用邊緣檢測算法來提取煤塊和矸石圖像的邊緣輪廓。邊緣檢測的［8－9]實質是采用某種算法來提取圖像的交界線，邊緣為圖像中灰度發生急劇變化的區域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反應，因此可以用局部圖像微分技術來獲得邊緣檢測算子。經典的邊緣檢測算法是通過對原始圖像中像素的某小鄰域構造邊緣檢測算子來達到邊緣檢測這一目的的。常用的邊緣檢測算子有Roberts Gross算子、Prewitt算子、Sobel算子、Canny算子等算法，本文采用Sobel算子法。Sobel算子法是梯度的邊緣檢測算子，該算子包含兩組3*3的矩陣，分別為橫向和縱向，將之與圖像做平面卷積，即可分別得出橫向和縱向的亮度查分近似值。兩個檢測橫向和縱向邊緣的模板分別為:

則Sobel算子可以表示為以下Gx，Gy，其中 A為原始圖像，Gx，Gy也可分別表示為橫向和縱向邊緣檢測的圖像:

則圖像的每一個像素的橫向及縱向梯度近似值可以表示為:

梯度方向可以表示為:

2.3 灰度分析

將用邊緣檢測算子法提取到的煤塊和矸石圖像邊緣輪廓映射到原始灰度圖像上，可得到煤和矸石的圖像區域，即可以得到其灰度直方圖，煤塊的灰度分布曲線比較尖銳，煤矸石的比較平坦，由此可以看出煤塊和矸石的灰度概率分布不同，即他們灰度概率分布的均值與方差亦不同，通過分析灰度概率分布的均值與方差，就可以將煤塊與矸石區別開。設原始圖像M×N的灰度為f(i，j)，i=1，2，…，M;j=1，2，…，N，則其均值 μ 和方差 σ2分別為

根據以上公式，計算出煤塊和矸石的灰度概率分布的均值和方差，通過計算得出煤的均值和方差分別為147.3和90.5，矸石的均值和方差分別為165.4和71.2，將其作為標準值儲存在計算機中。在實現煤與矸石自動分選的操作過程中，將實際通過圖像分析得到的煤與矸石圖像的灰度概率分布的均值和方差與儲存的標準值進行比較，即可判斷出煤塊與矸石，再結合單片機技術與控制設置實現煤矸石的在線自動分選。

3 結束語

根據煤塊與矸石灰度與紋理的不用，運用圖像處理技術，實現了煤矸石的在線自動分選。該技術降低了人工選煤的勞動強度，改善了工人的工作環境，提高了煤塊和矸石分選的效率，實現了煤矸石的在線自動分選。

［1] 鄧仁健，周德如.基于人工降雨作用下煤矸石路堤污染物釋放研究［J] .河北工程大學學報:自然科學版，2009，26(1):94－96.

［2] 陳永春，李守勤，周春財.淮南礦區煤矸石的物質組成特征及資源化評價［J] .中國煤炭地質，2011，23(11):20－23.

［3] 李宏，郭粵蓮，李連娟.峰峰礦區煤矸石淋濾與水環境污染分析［J] .中國煤炭地質，2011，23(1):44－47.

［4] 趙小楠，韋魯濱，朱學帥，等.反傾角工作面物料輸送效果實驗［J] .黑龍江科技學院學報，2009，19(6):443－446.

［5] 蔣勇.數字圖像處理技術在煤矸石自動分選系統中的應用［D] .陜西:西安科技大學，2004.

［6] 王仁寶，歐陽名三，王爽.基于DSP與改進邊緣檢測算法的煤矸石自動分選系統［J] .嵌入式技術，2011，37(2):20－22.

［7] 王慧琴.數字圖像處理［M] .北京:北京郵電大學出版社，2006.

［8] 章毓晉.圖像工程(上冊)圖像處理(第2版)［M] .北京:清華大學出版社，2006.

［9] 劉富強，錢建生，王新紅，等.圖像處理與識別技術的煤礦矸石自動分選［J] .煤炭學報，2000，25(5):534－537.