中煤科工集团信息技术有限公司 任雷平 陕西省西安市 710054
摘要：针对井下带式输送机上存在水渍花纹而导致实时煤量检测不准确的问题，提出了一种结合图像纹理特征和分类算法的带式输送机煤量检测方法。首先对采集到的图像进行预处理，包括设定分析区域和高斯滤波去燥。然后通过灰度共生矩阵获取实时图像纹理特征，并采用支持向量机方法对图像纹理特征进行训练和分类，区分煤流、水渍花纹。在实时检测时，当检测为水渍、花纹时则不计算瞬时煤量，直接为0%；当检测到带式输送机带面为煤流时，则继续进行瞬时煤量计算。该算法在补连塔煤矿井下进行实施部署，运行结果表明，该方法提高了煤量检测准确率，减少了水渍和花纹对煤量检测的影响，为带式输送机节能优化控制提供可靠、准确的煤量数据。
关键字：煤量检测；水渍花纹；纹理特征；支持向量机；可靠性
1引言
带式输送机是煤矿生产环节的核心设备，整个带式输送机运输系统能耗占比最大（30%左右），因此有必要进行带式输送机调速控制，实现降低设备磨损和节能降耗的目的。实现带式输送机调速控制的关键是瞬时煤量，瞬时煤量检测的准确性[1-4]至关重要。目前，矿井用带式输送机上瞬时煤量检测方法，主要分为各类型皮带秤和非接触式的数字图像信号检测，与接触式的皮带秤检测方法相比，视频检测更加简单便捷[5-6]。孟凡芹等人根据带式输送机与煤流的反射率不同原理来检测煤流[7]。陶伟忠利用煤流颜色、运动和能量特征作为时域和频域特征来检测煤流[8]。郭富荣等人提出了基于统计变换直方图的煤炭识别算法的研究，该算法很大程度上解决了煤炭识别受天气光照影响大而识别困难的问题[9]，为煤流识别提供了新思路。章华等人提出的基于灰度共生矩阵(GLCM)的煤与岩石图像纹理分类方法[10-11]，研究煤与岩识别，该方法简单高效。基于此，本文为了解决在视频瞬时煤量检测中，由于受到井下环境影响，带式输送机上出现水渍花纹等干扰信息，图像处理过程中会将水渍花纹识别为煤的问题，提出了基于纹理特征与分类的煤量检测算法。该算法首先进行图像去噪和设定检测区域等预处理，然后通过灰度共生矩阵获取实时图像纹理特征，并采用支持向量机方法对图像纹理特征进行训练和分类，当检测为水渍、花纹时则不计算瞬时煤量，直接为0%；当检测到带式输送机带面为煤流时，则继续进行瞬时煤量计算。该算法在补连塔煤矿井下进行实施部署，运行结果表明，该方法提高了煤量识别准确率，为煤炭企业节约了能源。
2基于视频的煤量检测系统
基于图像的实时煤量检测系统，主要由井下带式输送机、井下IPC（数字摄像仪）和井上煤量计算终端组成。其系统如图1所示，数字摄像仪与带式输送机成一定的角度，目的是让数字检测仪获取的图像达到最优画质。视频信号上传至煤量计算终端，计算终端实时处理视频图像，获取带式输送机上的瞬时煤量，瞬时煤量作为带式输送机调速控制的核心输入和反馈控制的核心依据。
.png)
图2 基于纹理特征分类的煤量检测模型
在进行煤流图像处理时，为了提高识别的准确率，首先进行了图像数字信号预处理。图像预处理主要是进行了图像分析区域设定和高斯滤波去燥处理。图像分析区域获取主要是剔除视频范围内不必要区域干扰，高斯去燥是为了减少井下粉尘对视频图像的影响。
3.1 灰度共生矩阵特征提取
在对现场大量视频实验处理后，发现水渍花纹纹理和各种负载情况下的煤流纹理有着较大区别，水渍花纹图像表现为规则的长条形纹理，而真实的煤流呈现块状。根据这个特点，本文采用灰度共生矩阵对此进行描述。依据现场采集的图像中符合某种距离的两个像素出现相同灰度级的概率来提取图像关键区域纹理特征，可以综合反映了图像灰度分布关于方向、亮度、变换幅度和局部领域的综合信息[12]。
取带式输送机图像中任一坐标点其灰度值为及偏离它一定距离方向的另一坐标的像素，则组成对了点对，现令在整个图像上按照特定方向和距离移动，得到不同的点，最后统计图像中相距的两像素灰度值同时出现的频次概率。若图像灰度级数为，对整个矩阵统计出每一点对应出现的次数，将出现的次数归一化获取每个点对应出现的概率。为了更加方便地以共生矩阵描述煤与水渍花纹图像的纹理情况，本文从灰度共生矩阵计算了能量、熵以及对比度、相关性。
1）通过能量特性，反应了带式输送机瞬时图像灰度分布均匀程度和纹理粗细程度。灰度共生矩阵的数值越接近，计算的能量值越小，表示带式输送机图像纹理越精细；反之计算的能量值越大，表示像素灰度值分布均匀和规则。.png)
3.2 支持向量机分类
支持向量机（SVM）最大的优势是可将多维的特征输入映射到高维特征空间中，从而将原来不可分的数据获得新的特征，这样更加有利于进行分类，具有良好的适应性和泛化能力。
通过支持向量机可求解能够最大间隔地划分训练数据集的分割超平面。针对带式输送机瞬时图像，主要采用线性分类原理。
.png)
根据上述处理过程，本文选自径向基函数作为核函数，由于该核函数具有训练过程快和参数少的特性。通过100张图像进行分类测试，准确率已经达到89.7%。
3.3瞬时煤量检测
当判断为煤流时，则启动煤量检测算法。煤量检测算法依据煤流的流动性和颜色特性进行检测。本文采用三帧差分法和RGB颜色特征进行瞬时煤量大小识别，其识别原理如下：
(1)采集连续相邻的三帧图像，；分别取当前帧与上帧图像、当前帧与下帧图像的差，记为，；继而利用逻辑或运算方法对，的结果进行计算，并将计算的结果做为最终的运动目标，标记为。其具体计算公式如下：
.png)
（3）将获取的运动区域图像和颜色区域图像进行逻辑与获取煤量区域图。为了更加准确的获取煤流大小，利用煤量区域图的面积与设定的最大区域面积进行对比计算，过程如下。
.png)
5结束
本文在分析煤矿带式输送机存在水渍花纹对煤量检测影响的情况下，提出了一种结合图像纹理特征和分类算法的带式输送机煤量检测方法。该方法主要利用灰度共生矩阵和支持向量机对视频图像进行纹理特征提取和对特征进行分类，分辨出煤流和花纹水渍图像，若检测为水渍、花纹时则不计算瞬时煤量，直接为0%；当检测到带式输送机带面为煤流时，则继续进行瞬时煤量计算。该算法在补连塔煤矿井下进行实施部署，运行结果表明：该方法使用性强，准确率高，从而为带式输送机调速控制提供可靠的数据来源。
参考文献
[1]王海军.带式输送机机载煤量自动匹配控制及节能分析[J].煤炭科学技术，2013，(41)：247-249.
[2]高兴源. 带式输送机节能降耗控制方法探究[J]. 能源与节能,2016(05):92-93.
[3]王浩然，于文，尉涛. 带式输送机智能调速系统的应用[J]. 煤矿机电,2016,03:73-76.
[4]许军. 大距离胶带运输机动态调速效益分析[J]. 选煤技术,2017(03):71-74+86.
[5]杨成龙，李铮.智能视频分析技术在带式输送机中的应用[J].能源与节能，2017，(137)：42-43+47.
[6]陶伟忠，任雷平，赵国伟. 基于视频识别的皮带运输系统的自适应控制方法[P]. 陕西：CN105217271A,2016-01-06.
[7]孟凡芹，王耀才.煤矿井下带式输送机煤流图像识别方法的研究[J].煤炭学报.2003,28(1):91-95.
[8]陶伟忠.基于视频的煤矿带式输送机自动调速控制系统[J].煤炭科学技术.2017(5).
[9]郭富荣，申闫春.基于统计变换直方图的煤炭识别算法的研究[J].计算机仿真.2013,30(11):169-172.
[10]章华，李振璧，姜媛媛.基于图像纹理的煤岩识别研究[J].煤炭技术，2015,34(7):120-121.
[11]吴开兴，宋剑.基于灰度共生矩阵的煤与矸石自动识别研究[J].煤炭工程，2015,28(2):98-101.
[12]侯群群，王飞，严丽.基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 国土资源遥感,2013，25(4):26-32.
[13]孙继平，佘杰 .基于支持向量机的煤岩图像特征抽取与分类识别[J].煤炭学报.2013,38(2):508-512.
[14]康树强.基于图像处理的皮带煤量动态计量技术及在皮带调速系统中的应用研究[D].山东科技大学，24-41.