(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210470859.3 (22)申请日 2022.04.28 (71)申请人 安徽理工大 学 地址 232001 安徽省淮南市泰丰大街168号 (72)发明人 程刚　陈杰　宋东华　崔中胜　 曹建兵　王朝　 (74)专利代理 机构 六安众信知识产权代理事务 所(普通合伙) 34123 专利代理师 鲁晓瑞 (51)Int.Cl. B07C 5/34(2006.01) B07C 5/02(2006.01) B07B 15/00(2006.01) B07B 1/28(2006.01) G06V 10/30(2022.01)G06V 10/44(2022.01) G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于太赫兹成像的煤矸石识别分选装 置及方法 (57)摘要 本发明公开了一种基于太赫兹成像的煤矸 石识别分选装置及方法， 装置通过振动筛分装置 一侧设置有与振动筛分装置配合的物料物料传 送装置， 物料传送装置的上下方位置分别设置有 相互配合的太赫兹光源及太赫兹线阵相机， 物料 传送装置的输入端设置有与物料传送装置相配 合的排队装置， 物料传送装置的输出端设置有与 其配合的分选装置， 太赫兹线阵相机及分选装置 分别与计算机线性连接， 通过计算机机器视觉领 域的图像处理技术， 本发明提出一种算法来提取 原始太赫兹图像中的煤和矸石的灰度和纹理特 征， 利用支持向量机的机器学习从而达到煤矸石 识别分选的目的， 能够安全有效全面的对煤矸石 进行识别分选， 进一步提高了煤和矸石识别的精 度和分选的效率。 权利要求书2页 说明书8页 附图4页 CN 114887924 A 2022.08.12 CN 114887924 A 1.一种基于太赫兹成像的煤矸石识别分选装置， 其特征在于： 包括有振动筛分装置， 所 述振动筛分装置一侧设置有与振动筛分装置配合的物料物料传送装置， 所述物料传送装置 的上下方位置 分别设置有相互配合的太赫兹光源及太赫兹线阵相机， 所述物料传送装置的 输入端设置有与 物料传送装置相配合的排队装置， 所述物料传送装置的输出端设置有与其 配合的分选装置， 太赫兹线阵相机及分选装置分别与计算机线性连接 。 2.根据权利要求1所述的一种基于太赫兹成像的煤矸石识别分选装置， 其特征在于： 所 述振动筛分装置的下方位置装设有与其配合发粉煤皮带， 所述振动筛分装置、 物料传送装 置、 分选装置均连接着除尘装置， 所述除尘装置一侧设置有与振动筛分装置配合的防护装 置， 所述除尘装置下部分别设有与物料传送装置相配合设置的矸石皮带、 精煤皮带。 3.一种基于太赫兹成像的煤矸石识别分选方法， 其特 征在于： 包 含以下步骤： S1： 选取经过破碎处理的原煤中的煤块和矸石若干， 按照特征提取步骤， 得到煤和矸石 的7个特征量组成煤和矸石的训练集， 并且依据各特征线性离散度选取最佳特征组合， 以最 佳特征组合训练分类模型； S2： 建立煤和矸石的太赫兹图像数据库， 对煤和矸石的太赫兹图像进行标注， 选择高斯 核函数在训练集上进 行训练， 将训练好的分类模型， 在测试集上进 行测试， 用于实际煤矸石 识别； S3： 分选装置通过计算机图像处理模块发送的数据信 息对物料传送装置上的煤和矸石 进行定位并识别分选 。 4.根据权利要求3所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 所 述S3步骤中分选装置对煤和矸石进行定位是通过获得煤和矸石的图像质心位置进行煤和 矸石的定位， 其中质心位置坐标提取公式为： 其中， I(x,y)表示图像I在x,y处的像素值， 为质心坐标， S为目标区域。 5.根据权利要求3所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 所 述S3步骤中分选装置在分选处 理过程中， 会进行二次分类， 从矸石中进一 步识别分选出煤 。 6.根据权利要求3所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 所 述S1步骤中所述特 征提取步骤 包括有如下步骤： A1： 从太赫兹成像系统中获取原始煤和矸石的太赫兹图像， 将原始太赫兹图像进行预 处理， 获得去噪后的太赫兹图像； A2： 对去噪后的煤和矸石的太赫兹图像进行边 缘检测， 以便特 征提取和分类识别； A3： 根据上述去噪后的煤和矸石的太赫兹图像灰度直方图的差异进行提取 特征。 7.根据权利要求6所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 所权　利　要　求　书 1/2 页 2 CN 114887924 A 2述步骤A1中采用中值滤波对原始太赫兹图像进行去噪处理， 消除脉冲噪声对图像的影响， 提高太赫兹图像的清晰度， 中值滤波 去噪处理公式为： f(x,y)＝median[g(k,l)](k,l)∈Sxy 其中， g(x,y)为中值滤波去噪处理后的图像， f(x,y)为去噪前原始图像， SXY为模板滤波 窗口； 步骤A2中对去噪后的煤和矸石的太赫兹图像采用Sob el算子对去噪后的太赫兹图像 进行边缘检测， Sob el算子是一种主要用作边缘检测的离散微分算子， 根据像素点上下、 左 右邻点灰度加权 差， 对图像做加权平 滑处理， 然后再做微分运 算。 8.根据权利要求6所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 所 述步骤A3中通过灰度直方图的差异 来进行提取特征的步骤为： 对每一个煤和矸石的太赫兹 图像截取为256*256像素的图像， 利用Mat lab软件对图像处理分析， 统计 分析煤和矸石的灰 度特征量， 本发明采用煤和矸石的灰度均值 μ和方差σ2来代表煤和矸石的灰度特征， 所述灰 度特征提取公式如下： 其中， g(x,y)为太赫兹图像的灰度， 图像的长度和宽度均为 N。 9.根据权利要求6所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 本 发明还包括对去噪后的煤和矸石的太赫兹图像的纹理特征参数提取， 本发明采用基于灰度 共生矩阵的理论来研究煤和矸石的纹理特征提取， 通过煤和矸石的灰度共生矩阵可以提取 出能量、 对比度、 相关性、 均匀性和熵作为纹理特征参数， 灰度共生矩阵P(i,j|d, θ )是指灰 度级i的点在离开了某个特定的位置d＝(Δx,Δy)到 达了灰度级j的概 率； 其中， (x,y)为像素点的坐标， Δx和Δy的范围由像素间距d和角度 θ两个参数所确定； i,j分别用于像素的灰度做出表 示； d是指两个不同像素之间的方向和距 离； θ 是指灰度共生矩阵产生的相应方向。 10.根据权利要求6所述的一种基于太赫兹成像的煤矸石识别分选方法， 其特征在于： 本发明还包括通过特征提取建立煤和矸石识别特征的训练集和测试集及其分类识别模型， 具体为采用支持向量机(Support  Vector Machine， SVM)分类器的分类模型， 本发明所采用 的SVM模型的决策超平面与核函数的计算公式分别为： 决策超平面： 核函数： 权　利　要　求　书 2/2 页 3 CN 114887924 A 3