基于机器视觉的煤岩界面识别研究.pdf

第 3 9卷 第 5期 2 0 1 3年 5月 工矿 自 动化 I ndus t r y a nd M i ne Aut o m a t i o n Vo L 3 9 No ． 5 M a y 2 0 1 3 文章 编 号 1 6 7 1 - 2 5 1 X 2 0 1 3 0 5 0 0 4 9 0 4 D OI 1 0 ． 7 5 2 6 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 3 。 0 5 ． 0 1 4 田子建 ， 彭霞 ， 苏波． 基于机器视觉的煤岩界面识别研究E l 3 ． 工矿 自动化， 2 0 1 3 ， 3 9 5 4 9 5 2 ． 基于机器视觉的煤岩界面识别研究 田子 建 ， 彭 霞。 ， 苏波 。 1 ． 中国矿业大学 北京机 电与信息工程学院， 北京 1 0 0 0 8 3 ； 2 ． 中煤科工集团常州 自动化研究院，江苏 常州 2 1 3 0 1 5 ； 3 ． 河南理工大学 电气工程与 自动化学院， 河南 焦作4 5 4 0 0 3 摘要 针对现有煤岩识别方法存在煤岩界面传感器结构复杂、 可靠性差、 普适性差等问题 ， 提 出了一种基 于机 器视 觉的 煤岩界 面识 别 系统设 计 方案 ， 给 出了系统 总体 结构 ， 分析 了 系统 识 别煤 岩界 面的 工作 原 理 ， 重 点讨 论 了 图像 特征 选取 和 分类 器的设 计 。该 系统根据 灰度 共 生矩 阵理论 提取 煤岩 图像 的 2 2 种 纹理 特征 ， 采 用增 z 减 r法搜 索出优选特征 ， 最后运用线性函数判别法构建煤岩分类器模 型。实验结果表明， 该 系统的煤 岩分类器模型性能稳定， 具有较强的识别能力。 关键 词 煤岩 界 面识别 ； 机 器视 觉 ； 特征 选 取 ；灰度 共 生矩 阵 ； 煤 岩 分类 器 中图分类 号 T D 6 7 文献标 志码 A 网络 出版 时间 2 0 1 3 0 4 2 8 0 9 1 5 网络 出版地 址 h t t p ／ ／ www ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 3 0 4 2 8 ． 0 9 1 5 ． 0 1 4 ． h t ml Re s e a r c h o f c o a l r o c k i nt e r f a c e i d e n t i f i c a t i o n b a s e d o n ma c hi n e v i s i o n TI AN Z i j i a n ， P ENG Xi a ， S U B o ’ 。 1 ． S c h o o l o f Me c h a n i c a l El e c t r o n i c a n d I n f o r ma t i o n En g i n e e r i n g ，Ch i n a Un i v e r s i t y o f Mi n i n g a n d Te c h n o l o g y Be n g ，Be i j i n g 1 0 0 0 8 3 ，Ch i n a ； 2 ． Ch a n g z h o u Au t o ma t i o n Re s e a r c h I ns t i t u t e o f CCTEG ，Cha ng z h ou 2 1 3 01 5，Chi na；3． Sc ho o l o f El e c t r i c a l En gi n e e r i n g a n d Aut o ma t i on He n a n Po l y t e c h n i c Un i v e r s i t y ，J i a o z u o 4 5 4 0 0 3 ，Ch i n a Ab s t r a c t I n v i e w o f pr o bl e m s t h a t c o a l r o c k i nt e r f a c e s e ns or ha s c o mpl i c a t e d s t r u c t u r e，1 O W r e l i a bi l i t y a nd uni ve r s a l i t y i n e x i s t i ng c o a l r o c k i d e n t i f i c a t i on me t ho d， t he p a pe r pr o po s e d a s o l ut i o n o f c oa l r o c k i n t e r f a c e i d e nt i f i c a t i on s ys t e m b a s e d o n m a c hi ne v i s i o n．I t ga v e ge ne r a l s t r uc t ur e o f t h e s ys t e m ，a n a l y z e d i t s wo r k i n g p r i n c i p l e a n d f o c u s e d o n d i s c u s s i o n o f i ma g e f e a t u r e s e l e c t i o n a n d c l a s s i f i e r d e s i g n ．Th e s y s t e m e x t r a c t s 2 2 t e x t u r e s o f c o a l - r oc k i ma g e s a c c or d i ng t o t he t he or y o f g r a y - l e v e l C O o c c ur r e n c e ma t r i x， e mpl o y s m e t ho d o f i nc r e a s i ng Z a nd d e c r e a s i ng r t o s e a r c h t he o pt i m i z e d f e a t u r e s ， a n d bui l d s c oa l r oc k c l a s s i f i e r mod e l b y l i ne a r f u nc t i on r e c o g ni t i o n．Th e e xp e r i me n t r e s u l t s s ho w t ha t t he c oa l r o c k c l a s s i f i e r mod e l of t h e s y s t e m ha s s t a b l e p e r f or ma nc e s a nd s t r on g i d e nt i f i c a t i o n a b i l i t y． Ke y wo r d sc o a l r oc k i nt e r f a c e i de n t i f i c a t i o n； m a c hi n e v i s i o n； f e a t ur e s e l e c t i o n； gr a y - l e ve l C O oc c u r r e nc e m a t r i x；c o a l r o c k c l a s s i f i e r 0 引言 煤岩界面识别是指采用一种方法 自动识别 出采 收稿 日期 基金项 目 KG2 0 1 1 作者简介 煤机滚筒截齿是否切入顶底板， 或者识别 出顶底板 残留煤的厚度 。煤岩界面识别是实现采煤机滚筒 自 动调高的关键技术 ， 对于减少采掘工作面作业人员、 2 01 3 - 0 2 - 0 4。 国家 自然科学基金资助重点项 目 5 1 1 3 4 0 2 4 ； 国家 自然基 金资助项 目 U1 2 6 1 1 2 5 ； 河 南省 高等学校 控制工 程重点 学科开放课 题 0 7 。 m-T 1 ] [ 1 9 6 4 一 ， 男 ， 湖南望城人， 副教授 ， 博 士， 主要研究方 向为矿井监控与通信 ， E - ma i l t i a n z j 0 7 2 6 1 2 6 ．com。 5 0 工矿 自动 化 2 0 1 3年第 3 9卷 实 现工 作面 无人 开采具 有重要 意义 。 国内外 已经提 出的煤 岩界 面识别 方法 包 括 射 线探 测 法 、 雷 达探 测法、 应力截齿法、 红外探测法 、 有功功率监测法 、 振 动 检测法 、 声 音 检测 法 、 粉 尘 检 测 法 等口 ～ ] 。 已有 的 煤岩界 面识 别方法 在实 际应 用 中存 在 以下 问题 ① 煤岩界面传感器结构复杂 ， 改造成本高。例如在 应 力截齿 法 中 ， 需要 对采煤 机滚 筒进行 机械 改造 ， 加 装测力截齿和测力传感器 ； 在振动测试法中， 需要在 采煤机上加装加速度、 扭振和扭矩等传感器。② 采 煤 机滚 筒在截 割过 程 中受 力复 杂 ， 滚 筒振动 剧烈 ， 磨 损严重 ， 容易导致机械构件 、 传感器和 电气线路受到 损坏， 可靠性差。③ 对于不同类型的滚筒 、 截齿， 传 感器的最佳类型和信号拾取点 的选择存在较 大区 别 ， 需 要进 行 个性 化 定 制 ， 系统 的 普适 性差 。 目前 ， 采煤机滚筒高度的调节绝大部分采用人工操作 ， 采 煤 机 司机 通过 目视 和听 噪音 的方 式来 判断采 煤机滚 筒 截割对 象 的类 型 。可 见 ， 人 眼视 觉 在煤 岩 界 面识 别 中发挥 了重要作用。随着 图像分析与识别技术的 发 展 ， 运 用机 器视觉 代 替 人 眼视 觉 实 现煤 岩 界 面 自 动 识别 的技术 条件 已经 具备 ， 而 且 该 方法 具 有 非 接 触 测量 、 易 于实施 、 通用性 强等 特点 。本文对 基 于机 器 视觉 的煤岩 界面识 别方法 的关键 技术 问题 进行 了 研 究 ， 并 给 出了实现 方案 。 1基 于机器视 觉 的煤岩界 面识 别原 理 煤 的种类 主要 有烟煤 、 无烟 煤和褐 煤 ， 顶 底板 岩 石 种类 主要有 泥岩 、 页岩 和砂岩 。现 场观察 发现 ， 煤 的颜色 、 光泽 、 纹理 、 断 口形 状等 与顶 底板 岩 石 明显 不 同 ， 并 且 同一 煤 层 或 岩 层 的上 述 物 理 特 征 基 本相同_ 3 ] 。煤 、 岩在 图像特征上 的稳定性和互异性 为煤岩 界面 的 图像 识别 提供 了先决条 件 。机器视 觉 即用机器替代人眼完成观测和判断， 常用 于不适合 人 眼识别 的危 险环 境 和 人 眼视 觉 难 以识 别 的 场合 。 基 于机 器视 觉 的煤 岩界 面识别 实质上 是一个 2 类 模 式识别问题 ， 相应的模式识别系统结构如图 1 所示。 从图 1 可看 出， 该识别系统工作流程分为 2 个阶段 煤岩分类器模型建立阶段和煤岩 自动识别阶段 。在 煤岩分类器设计阶段 ， 将事先采集到的多幅煤 、 岩图 像作为训练样本 ， 依次经过图像预处理、 图像特征提 取、 确定判别 函数 ， 从而建立煤岩分类器模型。在煤 岩 自动识别 阶段 ， 实 时 采 集滚 筒 截 割过 的煤 岩介 质 的图像， 经过预处理、 特征提取后输入到煤岩分类器 模型进行分类决策 ， 得到识别结果 。 臻 百 ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 一 图 1 煤岩界面模式识别系统结构 高精度数码照相机、 高品质光源 、 高性能嵌入式 处理器 为 在 线视 频 分 析 系统 的搭 建 提 供 了硬 件 支 撑 。基 于机 器视 觉的煤 岩界 面识 别 系统 的总体结 构 如 图 2所示 ， 系统 由光 源 、 成像 模 块 、 处 理模 块 和 防 爆 外 壳组 成 。光 源是 由多组 L E D 阵列 组成 的高亮 度环形 白光 照明灯 ， L E D阵 列点 亮 的数 量 由处 理模 块控制 ， 为采集煤岩图像提供合适照明。 图 2 基于机器视觉的煤岩界面识别 系统总体结构 成 像模块 采用 C C D相 机 ， 用 于采集 煤岩截 割 面 的图像 ， 具有 自动调焦和 自动调节曝光功能 ， 其采集 动作由处理模块触发。处理模块负责光源调节 、 图 像采集 、 图像 预处 理 、 煤 岩分类 器模 型建立 和分类 识 别任务 。为了满 足煤 矿 井 下 的 防爆要 求 ， 系统 外 壳 采用防爆外壳， 其中镶嵌有高透光视窗 。处理模块 通过通信接 口与采煤机控制器通信， 煤岩界面识 别 系统根 据采 煤机控 制系 统 的指令 完成 识别任 务 。在 煤岩分 类器 模型 建立 阶段 ， 煤 岩界 面 识 别 系统 在 采 煤机 控制 器 的监 视与控 制下分 别采 集多 幅煤和 岩的 图像作 为训练样 本 ； 在煤岩 自动识 别 阶段 ， 识别 结果 经通信接 口传至采煤机控制器 ， 采煤机控制器据此 调节滚 筒高 度 。 2关键 技术研 究 对 于基 于 机器 视 觉 的煤岩 界 面识 别 ， 关 键技 术 是找到能够有效 区分煤和岩的图像特征， 并设计合 理的煤岩分类器。 2 0 1 3年 第 5期 田子 建等 基 于机 器视 觉的煤 岩界 面识 别研 究 5 1 在机器视觉系统中 ， 所采集 图像的质量直接影 响到系统的检测性能 ， 在选择最佳硬件设置 的前提 下 ， 还 需对 图像 进行 增强 处理 ， 常用 的方 法包 括灰 度 值变换 、 辐射标定 、 平滑滤波等[ 4 ] 。对于增强后 的图 像 ， 提取 出与颜色 、 纹理 、 形态相关 的若干特征 。一 般来说 ， 这些特征的数 目是较大的， 即提取出的图像 特征空间是一个高维 的特征空间， 需对特征空 间进 行降维 ， 即选择或者优化组合 出对于区分不 同类别 最重要的特征 。由于煤 、 岩在纹理上存在较 为明显 的差 异 ， 本 文 研究 以纹 理 特 征 为 主 。灰 度共 生 矩 阵 是分析纹理特征的经典二 阶统计 法， 由于其描述纹 理特 征 的有 效 性 ， 在 纹 理 分 析 中得 到 了广 泛 应 用 。 本文基于灰度共生矩 阵， 对煤岩 图像 的纹理特征进 行了研究 。对于每一幅图像 ， 提取出灰度共生矩阵 ， 然后计算出角二 阶矩、 对 比度 、 相关性 、 熵 、 方差 、 均 值和、 方差和等 2 2个基于灰度共生矩阵的纹理特征 参 数作 为初 始特 征 ， 最后从 这 2 2个 纹理 特征 中选 择 出 d个特征用 于煤岩识别 。特征数 d的选择 根据 样本数来 确定 ， 一 般要 求样 本 数是 特征 数 的 5 ～ 1 O 倍 。特征选择的最优搜索算法是穷举算法 ， 需计 算 C d 种组合特征 的可分 性判据 ， 运算量过大 。本 文采用一种次优搜索算法增 z 减 r法 ， 具 体步 骤 如下 1 采用可分性判据 J z 对 2 2种特征单独使 用 的性 能进 行 评估 ， 选 择 可 分 性 判 据 最 大 的特 征 放 人 特 征组 中 ， 记 特征 组 中特征 数 k 1 。 2 从 未选人 的特 征 中选择 一个 新特 征加 入 到 特征组 中， 使 新 的特征组 的 J z 最 大， 重复 进行 Z 次 ， 直到 k Z 1 。 3 从特征组 中选择一个 特征剔 除， 使剩下的 特征 组 的 J z 最 大 ， 重 复 进 行 r r 。 ， 识 别未知样本为煤 ； 如果 ， 识别未知样本为岩 ； 如果 Y y 。 ， 表明 X落在分界线上 ， 其类别处于不确 定状态 ， 可将其归为煤、 岩 中的任一类 ， 也可以拒绝 识别 。由于煤 岩识 别 存 在 误判 的可 能 ， 应 用 时 可根 据 实际 的识别 率对 阈值 进 行调 整 ， 例如 当岩 被误 判 为煤的发生率较高时可适 当提高 阈值 y 。 。最后采 煤机控制器根据煤岩分类器的识别结果来调整滚筒 的高度 ， 但不是一种简单的反馈控制， 还要考虑到采 煤工艺对顶底板平整性要求 。 3 实验验 证 以焦煤 、 页岩作为研究对象进行实验研究 ， 具体 步 骤 如下 1 采集 4 0幅焦煤图像和 4 O幅页岩 图像作为 训 练样本 图像 。 2 对每幅图像 预处理后提取灰度共生矩阵 ， 计算出 2 2个纹理特 征作为样本特征 向量 的分量。 基于获得的煤、 岩样本集 ， 采用增 z 减 r法 取 z 一4 ， r 一3 ， ． ， z 一J 从 2 2个 特征 中搜 索 出 3个 特征 组 成 优 选特征 组 ， 搜索 出 的 3个 特征分别 是差 熵 、 逆差 矩 、 相异度 ， 这样样本特征空间从 2 2维降到了 3维。 3 采 用 F i s h e r 线性判 别法 建立 煤岩分 类器 模 型 ， 采用交叉验证评估煤岩分类器对未知样本 的预 测能力 。具体步骤 ① 将训练集中的 8 O个样本随 机分成 1 0个大小相等 的子集， 每个子集 中煤、 岩样 本的数量相等； ② 选择其中 9个子集作为训练集获 取煤岩分类器模型， 剩下的一个子集作为测试集 ， 统 计煤岩分类器对于测试集 的识别率； ③ 重复步骤② 1 O 次 ， 要求每次实验的测试集不同 ， 计算 出1 O 次实 第 3 9卷 第 5 期 2 O l 3年 5月 工矿 自 动化 I ndu s t r y a n d M i ne Au t oma t i o n Vol _ 3 9 NO ． 5 M a y 2 0 1 3 文章 编 号 1 6 7 1 2 5 1 X 2 0 1 3 0 5 0 0 5 2 0 3 DO I 1 0 ． 7 5 2 6 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 3 ． 0 5 ． 0 1 5 黄韶杰． 基于灰度阈值法的煤岩界面识别研究E J ] ． 工矿 自动化 ， 2 0 1 3 ， 3 9 5 5 2 5 4 ． 基于灰度阂值法的煤岩界面识别研究 黄韶 杰 1 ． 中国矿业大学 J B 京机电与信息工程学院 ， 北京 1 0 0 0 8 3 ； 2 ． 北京 天地 玛珂 电液控 制系 统有 限公 司 ， 北京 1 0 0 0 1 3 摘 要 针 对煤岩界 面识 别存 在 准确 性低 的 问题 ， 以颜 色 区分度较 高的 某工作 面煤岩 图像 为例 ， 采 用边 缘 检测法和灰度 阈值法分别对该图像进行了煤岩分割处理， 结果表 明， 当煤岩颜色的灰度差别较为明显时， 基 于灰度 阈值 法的煤 岩界 面识别 方案具 有较 高的识 别 准确 性 。 关 键词 煤岩界 面识 别 ；数 字图像 处理 ；灰度 阈值 ；边缘检 测 中图分类 号 TD 6 7 文献标 志码 A 网络 出版 时间 2 0 1 3 0 4 2 8 0 9 1 6 网络 出版 地址 h t t p ／ ／ w ww． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 3 0 4 2 8 ． 0 9 1 6 ． 0 1 5 ． h t ml Re s e a r c h o f c o a l r o c k i n t e r f a c e i de n t i f i c a t i o n b a s e d o n g r a y t hr e s h o l d me t h o d HUANG S h a o j i e ’ 。 1． Sc ho o l o f M e c h a ni c a l El e c t r o ni c a nd I nf or ma t i on Eng i ne e r i ng，Chi n a U n i v e r s i t y o f M i ni n g a n d Te c h n o l o g y Be i j i n g ，B e i j i n g 1 0 0 0 8 3 ， Ch i n a ；2． B e i j i n g Ti a n d i Ma r c o El e c t r o Hy d r a u l i c Co n t r o l S y s t e m C o． ，L t d ． ，Be i j i n g 1 0 0 0 1 3 ，Ch i n a Ab s t r a c t I n v i e w o f p r o b l e m o f l o w a c c u r a c y o f c o a l r o c k i n t e r f a c e i d e n t i f i c a t i o n，t h e p a p e r t o o k c o a l ～ r oc k i ma ge wi t h hi ghe r C O l O r d i s c r i mi n a t i o n o f a Co a l Fa c e a s a n e xa m p l e t o us e e dge de t e c t i on m e t h od a nd gr a y t hr e s h ol d me t hod t o ma ke c o a l r o c k s e g m e nt a t i o n p r oc e s s i ng f or t he i ma g e s e p a r a t e l y， a nd t h e pr o c e s s i n g r e s ul t s ho ws t ha t t he s c h e me of c oa l r o c k i n t e r f a c e i d e n t i f i c a t i o n ba s e d on g r a y t hr e s h ol d 收 稿 日期 2 0 1 3 0 卜2 4 。 作者简介 黄韶杰 1 9 8 4 一 ， 男 ， 河北邢台人 ， 博士研究生 ， 主要研究方 向为控制理论与控制工程 ， E ma i l h u a n g s h a o 1 6 3 ． t o m。 验的平均识别率作为本次交叉验证的识别率； ④ 重 复 步骤 ①一步 骤 ③ 1 0次 ， 计 算 1 0次 交 叉 验证 的 平 均 识别 率 。 实验得到平均识别率达到 9 3 ％， 表 明依据本文 方 法所 建立 的煤 岩分 类 器模 型性 能 稳定 ， 对 于焦 煤 和页岩具有较强的识别能力。 4结 语 在采煤工作面 ， 煤和顶底板岩 的纹理特征具有 稳定 性 和互 异性 ， 因此 ， 基 于机器视 觉 的煤岩界 面识 别方法是可行的， 且与传 统的煤岩界 面识别方法相 比具有非接触、 易于实施、 通用性强等特点， 其关键 技术是找出能够有效区分煤和岩的图像特征 。实验 结果表明， 基于机器视觉的煤岩界面识别系统的“ 灰 度共生 矩 阵 法 提 取 纹 理 特 征一 增 z 减 r法 优 选 特 征一线性 判别 函数法建立煤岩分类器模 型” 技术 方案 是可行 的 ， 且对 于焦煤 和页岩具有较强 的识别 能力 。 参 考 文 献 [ 1 ] 任芳 ， 杨兆建 ， 熊诗波． 国内外 煤岩界面识 别技术 研究 动态综述[ J ] ． 煤 ， 2 0 0 1 ， 1 0 4 5 4 5 5 ． [ 2 ] 梁义维． 采煤 机智能 调高控制 理论 与技 术[ D ] ． 太 原 太原理工大学 ， 2 0 0 5 ． E 3 ] 孙继平． 基于图像识别 的煤岩界 面识别 方法研 究[ J ] ． 煤炭科学技术 ， 2 0 1 1 ， 3 9 2 7 7 7 9 ． [ 4 ] 杨少荣 ， 吴迪靖 ， 段德山． 机器视觉算法 与应 用[ M] ． 北 京 清华大学出版社 ， 2 0 0 8 ． E 5 ] 杨 淑 莹． 模 式 识别 与 智能 计 算 Ma t 1 a b技术 实 现 [ M] ． 2版． 北京 电子工业 出版社 ， 2 0 1 1 ．