基于半监督聚类的煤泥浮选泡沫图像分类方法.pdf

工矿自动化 I n d u st r y a n d Min e Au t o ma t io n 第45卷第7期 2019年7月 Vo l, 45 No . 7 Ju l. 2019 文章编号1671-251X201907-0038-06DOI 10.13272/j. issn . 1671-251x . 17437 基于半监督聚类的煤泥浮选泡沫图像分类方法 曹文艳，王然风，樊民强，付翔，王宇龙 （太原理工大学矿业工程学院，山西太原 030024） 扫码移动阅读 摘要针对选煤厂煤泥浮选过程加药量依靠人工干预存在主观性、滞后性和粗放性的问题，提出了一种 基于半监督聚类的煤泥浮选泡沫图像分类方法。首先，采集已知加药比例与未知加药比例下的煤泥浮选泡 沫图像样本，并对泡沫图像进行预处理，提取泡沫的气泡个数、气泡面积、气泡周长等形态特征；然后，对已知 加药比例下泡沫图像形态特征样本进行标志，对未知加药比例下泡沫图像形态特征样本不做标志，并将已标 志泡沫图像形态特征样本与未标志泡沫图像形态特征样本进行混合；最后，利用基于高斯混合模型的半监督 聚类方法对混合样本进行聚类后得到各类簇，将各类簇内已标志泡沫图像形态特征样本的信息映射到未标 志泡沫图像形态特征样本。应用结果表明，该方法可为煤泥浮选生产过程加药量调整提供指导，降低了药剂 消耗量，提高了选煤厂浮选自动化水平和经济效益。 关键词选煤厂；煤泥浮选；浮选泡沫；加药量；图像特征提取；半监督聚类；高斯混合模型 中图分类号TD948 文献标志码A Coal slime flotation foam image classification based on semi-supervised clustering CAO Wen ya n , WANG Ra n f en g , FAN Min q ia n g , FU Xia n g , WANG Yu lo n g Co lleg e o f Min in g En g in eer in g , Ta iyu a n Un iv er sit y o f Tec h n o lo g y, Ta iyu a n 030024, Ch in a Abstract I n o r d er t o so lv e pr o blems o f su bjec t iv it y, h yst er esis a n d ex t en siv en ess ex ist ed in r ea g en t a mo u n t a d d it io n o f c o a l slime f lo t a t io n in c o a l pr epa r a t io n pla n t d epen d ed o n ma n u a l in t er v en t io n , a c o a l slime f lo t a t io n f o a m ima g e c la ss讦ic a t io n met h o d ba sed o n semi-su per v ised c lu st er in g w a s pr o po sed ・ Fir st ly, c o a l slime f lo t a t io n f o a m ima g es u n d er k n o w n r ea g en t -a d d it io n r a t io a n d u n k n o w n r ea g en t -a d d it io n r a t io a r e c o llec t ed , a n d t h e f o a m ima g es a r e pr epr o c essed t o ex t r a c t mo r ph o lo g ic a l c h a r a c t er ist ic s su c h a s bu bble n u mber , bu bble a r ea a n d bu bble per imet er . Th en , f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples u n d er k n o w n r ea g en t -a d d it io n r a t io a r e ma r k ed , w h ile f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples u n d er u n k n o w n r ea g en t -a d d it io n r a t io a r e n o t ma r k ed , a n d t h e ma r k ed f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples a n d t h e u n ma r k ed f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples a r e mix ed . Fin a lly, semi-su per v ised c lu st er in g met h o d ba sed o n Ga u ssia n mix t u r e mo d el is u sed t o c lu st er t h e mix ed sa mples, so a s t o g et v a r io u s c lu st er s, a n d in f o r ma t io n o f t h e ma r k ed f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples is ma pped t o t h e u n ma r k ed f o a m ima g e mo r ph o lo g ic a l c h a r a c t er ist ic sa mples in v a r io u s c lu st er s. Th e a pplic a t io n r esu lt s sh o w t h a t t h e met h o d c a n pr o v id e g u id a n c e f o r a d ju st men t o r ea g en t -a d d it io n a mo u n t in c o a l slime f lo t a t io n pr o d u c t io n pr o c ess, r ed u c e c o n su mpt io n o f r ea g en t , a n d impr o v e f lo t a t io n a u t o ma t io n lev el a n d ec o n o mic ben ef it o f c o a l pr epa r a t io n pla n t . Key words c o a l pr epa r a t io n pla n t ； c o a l slime f lo t a t io n ； f lo t a t io n f o a m ； r ea g en t -a d d it io n a mo u n t ； 收稿日期2019-05-13；修回日期2019-06-26；责任编辑盛男。 基金项目山西省科技计划研究项目201801D221358。 作者简介曹文艳1990-,女，山西大同人，博士研究生，主要研究方向为煤泥浮选自动化及图像视觉处理,E-ma il594030512q q . c o m. 引用格式曹文艳，王然风，樊民强，等基于半监督聚类的煤泥浮选泡沫图像分类方法口]・工矿自动化,2019,45738-42. CAO Wen ya n, WANG Ra n f en g, FAN Min q ia n g, et a l. Co a l slime f lo t a t io n f o a m ima g e c la ssif ic a t io n met h o d ba sed o n semi-su per v ised c lu st er in g CJ]. I n d u st r y a n d Min e Au t o ma t io n ,2019,457 38-42. 2019年第7期曹文艳等基于半监督聚类的煤泥浮选泡沫图像分类方法 39 ima g e f ea t u r e ex t r a c t io n; semi-su per v ised c lu st er in g; Ga u ssia n mix t u r e mo d el 0引言 煤泥浮选主要是在浮选机或浮选柱等浮选设备 中，利用煤颗粒表面亲疏水性质的差异，从煤泥中分 选出精煤和尾煤。煤泥浮选过程的主要操作变量包 括入料浓度、入料流量、浮选槽充气量及加药量，其 中入料浓度、入料流量和浮选槽充气量主要是从物 理层次影响煤泥浮选效果，而加药量则是影响煤泥 浮选效果的主要因素，其通过改变煤颗粒表面物理 化学性质来改变煤的可浮性口切。目前多数选煤厂 仍依靠有经验的浮选司机通过肉眼观察泡沫特征来 调节煤泥浮选过程加药量，该人工控制方式存在主 观随意性和滞后性，不能对泡沫特征进行量化描述， 无法实现对加药量的优化控制，造成浮选工况波动 大、浮选生产指标不合格、浮选药剂消耗量大、选煤 成本高。 近年来，许多学者对泡沫图像处理技术进行了 深入研究。文献［3］运用图像处理技术对浮选泡沫 图像进行分析，得出泡沫颜色、气泡个数、气泡大小、 泡沫稳定度、移动速度等物理参数，用以预测浮选泡 沫层精矿品位。文献［4］利用改进分水岭分割算法 提取泡沫形态特征，用来预测浮选回收率。文献［5］ 研究了气泡尺寸、形状特征与浮选工况之间的关系， 提出了一种基于纹理特征和对象先验知识的改进分 水岭浮选泡沫图像分割方法。文献［6-7］根据浮选 泡沫图像特点，深入研究了矿物浮选泡沫的动态特 征提取方法，并初步分析了浮选泡沫图像速度特征 与浮选生产指标之间的关系。文献［8-9］提出使用 空间灰度相关矩阵和领域灰度相关矩阵提取泡沫纹 理特征，研究了泡沫特征参数随浮选时间变化的关 系，定性地指出了各泡沫特征参数与泡沫纹理的相 关性。 本文在上述研究的基础上，通过提取泡沫图像 形态特征，利用基于高斯混合模型Ga u ssia n Mix t u r e Mo d el,GMM的半监督聚类方法对泡沫图 像形态特征进行聚类，进而将不同加药量下的泡沫 图像进行分类，为浮选过程加药量控制提供指导。 1泡沫形态与加药量关系机理分析 目前多数选煤厂煤泥浮选使用的药剂主要有捕 收剂和起泡剂。捕收剂的最大作用是改变煤颗粒表 面润湿性进而改变其亲疏水性，以此增加煤颗粒表 面性质的差异，使得承载精煤颗粒的气泡具有可浮 性，从而达到分选的目的。起泡剂可降低煤浆溶液 的表面张力，使进入煤浆的气体容易扩散到溶液中， 与煤浆融合形成气泡，增强气泡稳定性，使得浮选过 程有足够多气泡来保证精煤颗粒的吸附。 在浮选过程中，泡沫发挥着“托运”精煤的作用， 气泡的个数、尺寸等特征宜接关系到精煤的吸附效 率，而泡沫特征参数主要受加药量的控制。当捕收 剂过量时，泡沫层会变得紧密，这是由于煤颗粒表面 性质被改变，使得附着在气泡上的精煤过多，同时也 夹杂着大量矿泥；当捕收剂用量少时,泡沫表面颜色 会变浅且光滑，这主要是由于泡沫承载的精煤较少， 大量精煤流失。当起泡剂过量时，形成的气泡较小， 气泡含水过多，携带的精煤较少；当起泡剂用量少 时，形成的气泡较大，气泡壁较薄容易破裂，气泡不 稳定，原本附着在气泡上的精煤又回落到矿浆中。 泡沫形态与加药量存在一定关系皿⑷，因此可利用 泡沫形态特征来指导浮选过程加药量。 2煤泥浮选泡沫图像采集 煤泥浮选泡沫图像采集装置主要由光源、摄像 机、图像存储及计算处理服务器等组成，如图1所 示。泡沫产生设备为XJX-20机械搅拌自吸式浮选 机，利用旋转叶轮产生的负压，自吸气体和药剂形成 无污染且稳定的气泡与煤粒接触。光源为机器视觉 专用LED环形光源，能为摄像机提供亮度高且色温 稳定的照明，光强可根据环境变化进行调节。摄像 机采用35倍光学变焦、400万像素的I DS- 2DF9C435I H-DW黑光球机，其分辨率较高，具有 红外补光功能，可较清晰拍摄泡沫表层，获取泡沫图 像，输出图像质量高,且接口易于软件访问操作。图 像存储及计算处理服务器选用I BM E5-2609v 4服 务器,其存取和运算处理速度较快，能对泡沫图像进 行实时处理分析“⑷。 图1煤泥浮选泡沫图像采集装置 Fig . 1 Co a l slime f lo t a t io n f o a m ima g e c o llec t io n d ev ic e 在起泡剂与捕收剂比例分别为3 2,3 1, 1 1,1 3的加药条件下各采集10张泡沫图像样 本，在未知加药比例的情况下采集760张泡沫图像 40 工矿自动化2019年第45卷 样本。当起泡剂与捕收剂比例为3 2时，形成如 图2a 所示的a类泡沫，气泡尺寸合适、大小均匀， 气泡稳定，泡沫表面承载较多的矿物颗粒。当起泡 剂与捕收剂比例为3 1时，形成如图2b 所示的 b类泡沫，气泡多为长条形，气泡较稳定、光滑，泡沫 表面承载的精煤较少。当起泡剂与捕收剂比例为 1 1时，形成如图2c 所示的c类泡沫，泡沫层变 得紧密，气泡尺寸较小，多为碎泡，形状不规则，且有 连生体存在，气泡之间边缘不明显，气泡稳定度较 高，溢流速度慢，粘附在气泡上的精煤较多，但同时 夹杂着大量矿泥。当起泡剂与捕收剂比例为1 3 时，形成如图2d 所示的d类泡沫，气泡较大，气泡 壁较薄，容易破裂或发生兼并，气泡不稳定，泡沫表 面承载的精煤较少。 a a 类 b b 类 c c 类 d d 类 图2不同加药比例下煤泥浮选泡沫图像 Fig . 2 Co a l slime f lo t a t io n f o a m ima g es u n d er d if f er en t r ea g en t -a d d it io n r a t io 3煤泥浮选泡沫图像形态特征提取 首先对已知加药比例下获得的4类煤泥浮选泡 沫图像样本进行预处理,包括图像增强、图像去噪、 二值化、形态学处理等。预处理后煤泥浮选泡沫图 像如图3所示。 在实际浮选过程中泡沫大小不一,形状不规则。 为便于定量描述气泡尺寸，将单个气泡近似为椭圆， 如图4所示，长轴长为2加,短轴长为2札 煤泥浮选泡沫图像形态特征是反映浮选指标的 一个重要特征，其特征量包括气泡个数、气泡面积、 气泡周长等。在煤泥浮选过程中关注的不是单个气 泡形态，而是不同直径的气泡群体。本文采用平均 尺寸描述气泡的面积、周长。基于分水岭算法对泡 沫图像分割处理后，通过对泡沫图像中互不连通的 气泡区域进行标号,便可得到气泡个数;对气泡在水 平面投影的横截面积内的像素进行计算，得到气泡 a a 类 d d 类c c 类 图3预处理后煤泥浮选泡沫图像 Fig . 3 Co a l slime f lo t a t io n f o a m ima g es a f t er pr et r ea t men t b b 类 Fig . 4 Bu bble size 面积S xmn;图像分割后得到各气泡脊线，通过计 算气泡脊线的像素数得到气泡周长L Un 4m-n c i5-17\已知加药比例下4类泡沫形态特征 见表1。 同理，对未知加药比例下获得的760张煤泥浮 选泡沫图像样本预处理后进行特征提取。对已知加 药比例下4类煤泥浮选泡沫图像形态特征样本进行 标志，将a ,b ,c ,d类泡沫图像形态特征样本分别标 志为■，★，▲,・;未知加药比例下760张泡沫图像 形态特征样本不做标志。将已标志的泡沫图像形态 特征样本和未标志的泡沫图像形态特征样本混合。 4煤泥浮选泡沫图像形态特征半监督聚类 煤泥浮选过程中各类泡沫图像样本都是随机存 在且相互独立的，当泡沫图像样本足够多时，根据中 心极限定理，这些泡沫图像样本分布趋于高斯分布。 每类泡沫图像样本包含多个泡沫形态特征，可由一 个多维表示泡沫特征数高斯分布表示。半监督聚 类是有监督分类和无监督聚类相结合的一种方法， 在已标志的泡沫图像形态特征样本信息帮助下，可 获得比只用未标志的泡沫图像形态特征样本得到的 结果更好的簇。因此，为描述所有类型泡沫图像样 本的分布情况，通过基于GMM的半监督聚类方法 对泡沫图像样本进行拟合。 2019年第7期曹文艳等基于半监督聚类的煤泥浮选泡沫图像分类方法 41 表1不同类型泡沫形态特征 Ta ble 1 Mo r ph o lo g ic a l c h a r a c t er ist ic s o f d if f er en t t ypes o f f o a m a类泡沫b类泡沫c类泡沫d类泡沫 气泡气泡面积/气泡周长/气泡气泡面积/气泡周长/气泡气泡面积/气泡周长/气泡气泡面积/气泡周长/ 个数像素数像素数个数像素数像素数个数像素数像素数个数像素数像素数 531 083.453167. 409 4391 683.45324） lg jjp（z；） ii N K 工lg（艺M步根据最大后验概率确定新的聚 类中心、协方差矩阵和权重。重复E步和M步直到 收敛。 利用基于GMM的半监督聚类方法对已标志 和未标志的泡沫图像形态特征混合样本进行聚类， 得到各类簇，将各类簇内已标志泡沫图像形态特征 样本的信息映射到未标志泡沫图像形态特征样本， 结果如图6所示。 图5 EM算法流程 Fig . 5 EM a lg o r it h m f lo w 图6不同类型泡沫图像聚类分布 Fig . 6 Clu st er d ist r ibu t io n o f d if f er en t t ypes o f f o a m ima g es 5应用效果 山西汾西矿业（集团）有限责任公司柳湾选煤厂 利用图像采集装置（图7）获取煤泥浮选泡沫图像。 42 工矿自动化2019年第45卷 图像经过预处理、特征提取、半监督聚类分析等处理 后，用于判断并调整加药量若处理结果为a类泡沫 图像，说明当前加药量合适，无需做调整；若处理结 果为b类泡沫图像，说明捕收剂用量少，可适当加大 捕收剂用量;若处理结果为c类泡沫图像，说明捕收 剂用量过大，可适当降低捕收剂用量;若处理结果为 d类泡沫图像，说明起泡剂用量少，可适当加大起泡 剂用量。经过1个月测试，相比原有仅依靠浮选司 机观察来调节加药量，捕收剂、起泡剂消耗量分别降 低了 22,7. 67,提高了选煤厂浮选自动化水 平和经济效益。 图7现场应用 Fig . 7 Field a pplic a t io n 6结语 提出了一种基于半监督聚类的煤泥浮选泡沫图 像分类方法。对采集的煤泥浮选泡沫图像进行特征 提取，利用基于GMM的半监督聚类方法对泡沫图 像形态特征进行聚类，依据泡沫图像分类情况调整 加药量。应用结果表明，该煤泥浮选泡沫图像分类 方法可为煤泥浮选生产过程加药量调整提供指导， 降低了药剂消耗量，避免了仅依靠浮选司机观察来 调节加药量的主观性、滞后性和粗放性。 参考文献References 1]吴翠平，杨小平,许德平，等在线煤浆灰分测量的煤 泥浮选优化控制系统研究[J1高技术通讯,2003,13 885-90. WU Cu ipin g , YANG Xia o pin g , XU Depin g , et a l. St u d y o f a c o a l slu r r y f lo a t a t io n o pt imizin g c o n t r o l syst em ba sed o n a sh o n -lin e mea su r emen t J]. Ch in ese Hig h Tec h n o lo g y Let t e r s,2003,138 85-90. 2]史纪录，朱正军浮选自动加药装置的研制与应用 [J].选煤技术,2014368-71. SHI Jilu , ZHU Zh en g ju n* St u d y a n d a pplic a t io n o f f lo t a t io n a u t o ma t ic d o sin g d ev ic e]J]. Co a l Pr epa r a t io n Tec h n o lo g y,20143 *68-71. [3] 曾荣，沃国经.图像处理技术在镰选矿厂中的应用 [J]矿冶,2002,111.37-41. ZENG Ro n g , WO Gu o j in g . Applic a t io n o f t h e ima g e pr o c essin g t ec h n o lo g y in n ic k el c o n c en t r a t o r [ J Min in g Met a llu r g y2002,111 37-41. [4] 周开军，阳春华,牟学民，等一种基于图像特征提取 的浮选回收率预测算法高技术通讯，2009,19 9957-963. ZHOU Ka iju n , YANG Ch u n h u a ,MU Xu emin,et a l. A f lo t a t io n r ec o v er y pr ed ic t io n a lg o r it h m ba sed o n ima g e f ea t u r e ex t r a c t io n [ J ]. Ch in ese Hig h Tec h n o lo g y Let t er s,2009,199 957-963. [5] 李建奇，阳春华，曹斌芳，等面向参数测量的改进分 水岭浮选泡沫图像分割方法[J1仪器仪表学报， 2013,34634-41. LI Jia n q i, YANG Ch u n h u a, CAO Bin f a n g, et a l. I mpr o v ed w a t er sh ed seg men t a t io n met h o d f o r f lo t a t io n f r o t h ima g e ba sed o n pa r a met er mea su r emen t [ J Ch in ese Jo u r n a l o f Sc ien t if ic I n st r u men t,2013,346 34-41. [6 ] 牟学民，刘金平，桂卫华，等.基于SI FT特征配准的 浮选泡沫移动速度提取与分析[J1信息与控制， 2011,404525-531. MU Xu emin, LI U Jin pin g , GUI Weih u a , et a l. Flo t a t io n f r o t h mo t io n v elo c it y ex t r a c t io n a n d a n a lysis ba sed o n SI FT f ea t u r es r eg ist r a t io n [J]. I n f o r ma t io n a n d Co n t r o l,2011,404 525-531. [7] 桂卫华，阳春华，谢永芳，等矿物浮选泡沫图像处理 与过程监测技术[M].长沙中南大学出版社,2013. [8] 路迈西，王勇，王凡，等.利用阈值分割技术提取煤泥 浮选泡沫图像的物理特征[J1煤炭科学技术,2002, 30834-37. LU Ma ix i, WANG Yo n g , WANG Fa n , et a l. Th r esh o ld seg men t a t io n t ec h n o lo g y a pplied t o g et ph ysic a l f ea t u r es o f f o a m ima g e f r o m slime f lo a t a t io n [J]. Co a l Sc ien c e a n d Tec h n o lo g y, 2002, 30 8 34-37. [9] 刘文礼，路迈西，王凡，等煤泥浮选泡沫图像纹理特 征的提取及泡沫状态的识别[J1化工学报，2003,54 6830-835. LI U Wen li, LU Ma ix i, WANG Fa n , et a l. Ex t r a c t io n o f t ex t u r a l f ea t u r e a n d r ec o g n it io n o f c o a l f lo t a t io n f r o t h [ J Jo u r n a l o f Ch emic a l I n d u st r y a n d En g in eer in g ,2003,546 830-835. [10] 平翠霞.铝土矿浮选泡沫尺寸分布特征与浮选药剂添 加量关系模型[D1长沙冲南大学,2012. [11] 董志勇，王然风，樊民强，等基于PSO-LSSVM的煤 泥浮选药剂自动添加系统研究[J1煤炭工程,2017, 492117-120. 下转第65页 2019年第7期刘天奇水平管道空间煤尘爆炸火焰传播特性数值模拟 65 a n d it s c h a r a c t er ist ic s [J]. Jo u r n a l o f Ch in a Co a l So c iet y,2018,431 137-142. [4 ] ECKHOFF R K. Un d er st a n d in g d u st ex plo sio n s. Th e r o le o f po w d er sc ien c e a n d t ec h n o lo g y [ J ]・ Jo u r n a l o f Lo ss Pr ev en t io n in t h e Pr o c ess I n d u st r ies, 2009,221105-116. [5 ] HOUI M R W, ORAN E S. St r u c t u r e a n d f la me speed o f d ilu t e a n d d en se la yer ed c o a l-d u st ex plo sio n s [J]. Jo u r n a l o Lo ss Pr ev en t io n in t h e Pr o c ess I n d u st r ies, 2015,364214-222. [6]刘丹,司荣军冲击气流诱导对沉积煤尘参与瓦斯爆 炸的试验研究[J1煤炭科学技术, 2014,42 11 46-49. LI U Da n , SI Ro n g ju n . Ex per imen t a l st u d y o n g a s ex plo sio n w it h d epo sit ed c o a l d u st in d u c ed by impa c t f lo w [J]. Co a l Sc ien c e a n d Tec h n o lo g y,2014,4211 46-49. 7]蔡周全，罗振敏,程方明瓦斯煤尘爆炸传播特性的实 验研究[J] 煤炭学报,2009,347938-941. CAI Zh o u q u a n, LUO Zh en min , CHENG Fa n g min g . Ex per imen t a l st u d y o n pr o pa g a t io n c h a r a c t er ist ic s o g a s/c o a l d u st ex plo sio n [J]. Jo u r n a l o f Ch in a Co a l So c iet y,2009,347 938-941. [8]刘贞堂.瓦斯煤尘爆炸物证特性参数实验研究 上接第42页 DONG Zh iyo n g, WANG Ra n f en g, FAN Min q ia n g, et a l. Resea r c h o n a u t o ma t ic d o sin g syst em f o r c o a l slime f lo t a t io n ba sed o n PSO-LSSVM [J]. Co a l En g in eer in g ,2017,492 117-120. [12] 唐朝晖，王伟，刘金平，等基于泡沫尺寸PDF模型的 铜粗选过程加药量预测控制[J].中南大学学报自然 科学版,2015,463856-863. TANG Zh a o h u i, WANG Wei, LI U Jin pin g , et a l. Pr ed ic t iv e c o n t r o l o f r ea g en t -a d d it io n a mo u n t ba sed o n PDF mo d el o f bu bble size in c o pper r o u g h in g f lo t a t io n pr o c ess [J]. Jo u r n a l o f Cen t r a l So u t h Un iv er sit ySc ien c e a n d Tec h n o lo g y , 2015,46 3 856-863. [13] 肖金林，桂卫华.浮选泡沫图像监控系统在冬瓜山铜 矿的应用[J] 科协论坛下半月,2012670-71. 口 4]刘恒铜浮选泡沫图像监控系统的构件化软件设计 [D].长沙中南大学,2013. [15]欧阳长恒基于MATLAB的煤泥浮选泡沫图像分析 方法研究[D1徐州中国矿业大学,2017. 口 6]林小竹，谷莹莹,赵国庆煤泥浮选泡沫图像分割与特 征提取[J1 煤炭学报,2007,323304-30 LI N Xia o zh u, GU Yin g yin g, ZHAO Gu o q in g . Fea t u r e ex t r a c t io n ba sed o n ima g e seg men t a t io n o f c o a l 徐州中国矿业大学,2010. [9] 刘贞堂，张松山，喜润泽，等.受限空间煤尘爆炸残留 气体特征分析EJ1煤炭学报，2015, 40 7 1574-1579. LI U Zh en t a n g, ZHANG So n g sh a n , XI Ru n ze, et a l. An a lysis o n r esid u a l g a s c h a r a c t er ist ic s o f c o a l d u st ex plo sio n in c o n f in ed spa c e[J]. Jo u r n a l o f Ch in a Co a l So c iet y,2015,407-1574-1579. [10] 李海涛，陈晓坤，邓军，等湍流状态下竖直管道内甲 烷-煤尘预混特征及爆炸过程数值模拟[J].煤炭学 报,2018,4361769-1779. LI Ha it a o , CHEN Xia o k u n , DENG Ju n , et a l. Nu mer ic a l simu la t io n o n t h e pr emix pr o per t ies a n d ex plo sio n pr o c ess o f met h a n e/c o a l d u st mix t u r e in a v er t ic a l pipelin e u n d er t u r bu len t f lo w EJ]・ Jo u r n a l o f Ch in a Co a l So c iet y,2018,436 1769-1779. [I ll曹卫国，徐森，梁济元，等煤粉尘爆炸过程中火焰的 传播特性[J1爆炸与冲击,2014,345586-593. CAO Weig u o , XU Sen , LI ANG Jiyu a n , et a l. Ch a r a c t er ist ic s o f f la me pr o pa g a t io n d u r in g c o a l d u st c lo u d ex plo sio n [J]. Ex plo sio n a n d Sh o c k Wa v es, 2014,345-586-593. [12]程磊.受限空间煤尘爆炸冲击波传播衰减规律研究 [D1焦作河南理工大学,2011. f lo t a t io n f r o t h [J]. Jo u r n a l o f Ch in a Co a l So c iet y, 2007,323304-30 [17]林小竹，王彦敏,杜天苍，等基于分水岭变换的目标 图像的分割与计数方法[J1计算机工程, 2006,32 15181-183. LI N Xia o zh u, WANG Ya n min , DU Tia n c a n g , et a l. A seg men t a n d c o u n t met h o d ba sed o n w a t er sh ed t r a n sf o r ma t io n[J]. Co mpu t er En g in eer in g , 2006, 32 15181-183. 口刃 罗胜,郑蓿蓉,叶忻泉.基于EM和GMM相结合的自 适应灰度图像分割算法[J1光子学报,2009,386 1581-1585. LUO Sh en g, ZHENG Beir o n g, YE Xin q u a n . I ma g e seg me