杨慧刚1, 乔志敏2
(1.菏泽学院 蒋震机电工程学院, 山东 菏泽 274015; 2.太原工业学院 自动化系, 山西 太原 030003)
摘要:针对传统煤与矸石分选方法存在效率低、污染环境、成本高等问题,设计了一种基于X射线和机器视觉的煤与矸石识别分选系统。该系统首先利用机器视觉技术获取煤和矸石图像,用图像处理算法得到煤和矸石的厚度信息;然后采用X射线扫描并获取煤和矸石图像,经处理后得到图像的灰度值信息;最后综合灰度值信息和厚度信息确定煤和矸石的分离阈值,实现煤和矸石的分离。实验结果表明,该系统利用分离阈值能有效识别煤和矸石,且识别率高,识别精度满足工业生产要求。
关键词:煤炭开采; 煤和矸石识别; 煤和矸石分选; 分离阈值; X射线; 机器视觉
随着采煤机械化程度的提高,加之常年对煤炭的深度开采,使得优质煤越来越少,剩余的煤中含矸石量逐年增加,这无疑加大了后期煤炭加工的难度。为了获得高精度优质煤,需要研究一种有效的煤与矸石分选方法。目前,煤和矸石的提取方式主要有3种:人工排矸法、机械湿选法、γ射线分选法。但是这3种方法都存在一些缺陷:人工排矸法无法保证煤矸分选的质量,工人长期处在恶劣的工作环境下,对身心健康造成极大危害;机械湿选法浪费大量的水资源,对环境造成极大的污染;γ射线是天然放射源,穿透能力强,一旦丢失会产生难以预计的后果[1-3]。鉴此,本文设计了一种基于X射线和机器视觉的煤与矸石分选系统[4],该系统设备简单,投资成本低,分选效率高,具有一定的实用价值。
1.1 硬件设计
基于X射线和机器视觉的煤与矸石分选系统硬件主要由上位机、X射线源、CCD摄像机、X射线线阵探测器X-Card、数据采集卡X-DAQ、胶带传感器、PLC设备、气动调节阀等组成,如图1所示。
图1 基于X射线和机器视觉的煤与矸石分选系统硬件组成
系统的主要目标是实现对煤和矸石的识别和分选,提高煤的质量及更有效地利用矸石。系统分为3个部分[5]:检测部分、识别控制部分和执行分选部分。
(1) 检测部分:包括胶带传感器、X射线源、X射线线阵探测器X-Card、数据采集卡X-DAQ、CCD摄像机等。工作流程:混有矸石的块状原煤经过筛选处理后,首先从进料斗落到运输胶带上,接着由排队机构进行顺序排列和对中,以便物料能一一进入出料斗。煤和矸石从出料斗中自由落下,在落下的同时, X射线探测设备采集煤或矸石衰减图像信息,由CCD摄像机拍摄煤或矸石的侧面图像信息,并将2组信息传送到识别控制部分。
(2) 识别控制部分:包括上位机,它是整个系统的核心,主要通过上位机对采集到的数据进行分析处理,发出分选信号。
(3) 执行分选部分:包括PLC设备、气动调节阀等,通过PLC软件对煤和矸石进行判断。如果判断目标为矸石,则经过一定时间延迟后,上位机发出控制信号,打开气动调节阀,击打下落的矸石使其偏离,并落入矸石料斗;如果判断目标为煤,则不发出控制信号,气动调节阀不动作,煤块自然落入煤料斗。
1.2 软件设计
基于X射线和机器视觉的煤与矸石分选系统选用Microsoft Visual Studio 2010作为开发工具。从长远考虑,系统软件采用面向对象方法进行程序设计。用面向对象程序设计方法设计出的软件系统可移植性高,而且利于后续软件功能的完善。系统软件设计流程如图2所示。
图2 基于X射线和机器视觉的煤与矸石分选系统软件设计流程
软件功能包括:① 控制X射线源实现电流和电压的设定。② 对数据采集卡模块进行初始化设置。③ 对CCD摄像机进行初始化设置。④ 实时控制煤和矸石图像数据的采集、显示和处理。⑤ 对图像识别结果和数据进行统计、保存。⑥ 控制声光报警。⑦ 友好的人机交互。
根据系统以上功能要求,开发的系统主界面如图3所示。
由于煤和矸石所含元素、密度不同[6],对X射线的吸收系数不同,X射线衰减程度也会不同,基于X射线和机器视觉的煤与矸石分选系统就是根据这一原理来剔除矸石含量较高的劣质煤。X射线具有强穿透力,在穿透煤和矸石后有一定的衰减,煤和矸石对X射线的衰减程度不同,射线在穿透物体过程中会与物质发生相互作用,因吸收和散射而使其强度减弱。利用探测器采集到衰减后的X射线,经过数据采集卡处理得到图像,由图像处理算法[7]得到不同的灰度值信息。同时利用机器视觉技术[8]获得煤和矸石的图像,经过图像处理算法得到煤和矸石的厚度信息。综合灰度值信息和厚度信息确定煤和矸石的分离阈值,然后利用气动调节阀打击矸石,最终实现煤和矸石的分离。
图3 基于X射线和机器视觉的煤与矸石分选系统主界面
3.1 X射线扫描成像原理
理论和研究表明,射线的波长、被透射物体的厚度和密度会造成同一射线不同的衰减[9]。当窄束、单能X射线透过一层均匀厚度的物质时,入射强度只随穿透物体的厚度增加并按指数规律迅速衰减[10],即
(1)
式中:I和I0分别为射线束入射物体前和透射物体后的强度;u为被检测物质的有效线性衰减系数,表示单位时间内X射线通过单位长度物质的衰减系数,u与被照射物质的物理状态和化学成分有关;d为被检测物体的厚度。
在探测器上安装有12个探测器卡X-Card,12个探测器卡并行排列,组成一条扫描直线,与数据采集卡X-DAQ通过通道J3,J10,J11连接,每个通道连接4个探测器卡。数据采集卡中像素数据设置为16位,采集数据范围为0~65 535。由于单个探测器卡上有128个探测点(即像素点),所以,每扫描一次,就有1 536个数据点生成,这1 536个数据点排成一行,形成扫描图像的某一行像素点。
因为煤块和矸石在漏斗中以初速度为0自由下落,在下落初期可以近似当作匀速运动。根据线动成面的原理,运动过程中探测器卡多次扫描检测,即可获取一个平面,即一幅图像。系统采用抓取帧的方式获取所需要的图像,一帧即为一幅图像,每一幅图像由512行数据组成,即每个图像探测器卡将采集512次像素数据,最后每帧图像的像素将组成1 536×512的像素点阵。
3.2 煤和矸石图像灰度直方图及灰度值统计
煤和矸石的X射线扫描图像如图4所示,根据图4绘制出对应的直方图,如图5所示。
图4 煤和矸石的X射线扫描图像
图5 根据图4绘制的煤和矸石图像灰度直方图
通过比较煤和矸石的灰度直方图,可以看出有2个波峰,左侧波峰为矸石对应的数值,分布在[40,60]之间,右侧波峰为煤块对应的数值,分布在[55,100]之间。为了得到煤和矸石具体的灰度值分布,将煤和矸石图像分开绘制直方图,如图6、图7所示。
图6 煤块图像灰度直方图图7 矸石图像灰度直方图
由图6,图7可以看出,煤和矸石有各自的像素灰度值范围,矸石像素灰度值大约在[40,60]之间,峰值灰度值大约为45。煤块像素灰度值大约在[55,100],峰值灰度值大约为70。因此,在同一帧图像中可以看出煤块和矸石的灰度值存在明显区别。
采集煤块和矸石图像进行多次实验,得到煤块和矸石的灰度值分布范围分别为100~55,60~40。
由于受现实中各块煤与矸石大小和厚度差异的影响,它们有重叠的灰度值范围。如图5中煤和矸石的灰度值在[55,60]的范围内重叠,所以,只靠灰度值来区分煤和矸石是不可行的。
3.3 机器视觉测量煤和矸石的厚度原理
机器视觉[11]的利用为如何计算煤和矸石的厚度信息,实现精确的阈值锁定提供了可行的方法。CCD摄像机从下落的煤和矸石的侧面拍摄图像,获得两者的侧面图像信息。通过计算侧面图像的面积可以估算出煤和矸石的厚度,将此厚度纳入分离阈值的考量范围。
利用图像分割算法对煤和矸石图像进行二值化[12],通过扫描统计目标区域的像素,得到的像素数目[13]就是煤或矸石图像的面积s。式(2)中m,n代表像素点在图像中的位置坐标。
(2)
煤和矸石实际的面积求取步骤如下:
(1) 固定CCD摄像机的位置。
(2) 测量多组煤或矸石的面积ai,拍摄煤或矸石的图像,利用图像处理算法求取图像面积si。
(3) 计算CCD摄像机的放缩比[14]ni,ni=ai/si,求取放缩比的平均值ni/i。其中i表示被测对象,即煤或矸石的数量。
(4) 利用放缩比平均值N计算煤和矸石实际的面积S,S=Ns。
为了获得煤和矸石的厚度,把煤和矸石近似成圆形。利用上文获得的煤和矸石的面积,计算煤和矸石的厚度。
3.4 阈值确定
采集煤和矸石的灰度值和厚度值信息各20组,拟合得到煤和矸石的X射线衰减曲线,如图8所示。
由X射线衰减公exp(-uh)得到煤和矸石的衰减系数计算公式。其中,f,fg,fc分别表示煤或矸石的灰度值;k表示拟合曲线的斜率;u、uc,ug为线衰减系数,表示单位时间内X射线通过单位长度物质的衰减系数,可通过计算组成物质的各成份含量求得。
图8 煤块和矸石的X射线衰减曲线
当f在小范围取值时,对数函数变化较小,而且系统中采集图像灰度值都较小,因此,为了实验及计算方便,系统中采用式(3)作为判别式,综合灰度值和厚度值信息,消除煤和矸石的厚度对识别准确率的影响,实现对不同大小煤和矸石的识别。同时得到煤和矸石的识别阈值T0。
T=fh
(3)
为了求取煤和矸石的分离阈值,各采集20组煤和矸石,测量它们的灰度值和厚度值,利用式(3)处理获得部分数据,得出煤和矸石的阈值T。数据见表1、表2。
表1 矸石阈值T
将表1、表2的数据绘制成散点图,如图9所示。其中煤块的T值总体在800以上,矸石的T值总体在800以下。
表2 煤块阈值T
图9 识别阈值散点图
在散点图中设置识别阈值T0=800,运用判别式T=fh计算得到煤和矸石的T值,与识别阈值T0进行比较。当T<800时,判断目标为矸石,此时控制终端发送信号给分离执行机构,控制气动调节阀动作,改变矸石的下落轨迹,使矸石下落到盛放矸石的小车中;当检测到T>800时,则判断目标为煤块,此时分离执行机构不动作,煤块自然落入盛放煤块的小车中,从而实现煤和矸石的分选。实验结果表明,可以通过设置识别阈值T0=800来达到自动分选煤和矸石的目的[15]。
基于X射线和机器视觉的煤与矸石分选系统利用视觉图像识别煤和矸石的厚度,与X射线图像进行数据融合得出识别决策信息,减小了煤和矸石的厚度对识别精确度的影响,提高了煤和矸石的识别准确率,具有一定的应用推广价值。
参考文献:
[1] 叶大武.2006年中国选煤和煤炭质量概况[J].选煤技术,2007(4):1-5.
[2] 陈永春,李守勤,周春财.淮南矿区煤矸石的物质组成特征及资源化评价[J].中国煤炭地质,2011,23(11):20-23.
[3] 李宏,郭粤莲,李连娟.峰峰矿区煤矸石淋滤与水环境污染分析[J].中国煤炭地质,2011,23(1):44-47.
[4] WANG Renbao, LIANG Zhe. Automatic separation system of coal gangue based on DSP and digital image processing[C]//Photonics and Opto-electronics Symposium on Digital Object Identifier, Wuhan, 2011.
[5] 于国防,邹士威,秦聪. 图像灰度信息在煤矸石自动分选中的应用研究[J].工矿自动化,2012,38(2):36-39.
[6] 程学珍,王伟,卫阿盈. 煤与矸石在线分选系统设计[J].工矿自动化,2013,39(8):95-98.
[7] 秦小卫. 图像处理与识别技术在煤矿矸石自动分选系统中的应用 [J].黑龙江科技信息,2013(34):88.
[8] ZHAO Yiding, SUN Mingfeng. Imagine processing and recognition system based on DaVinci technology for coal and gangue[J]. Applied Mechanics and Materials, 2011, 130-134:2107-2110.
[9] 范建中, 杨金文. 用X射线实验仪研究X射线的衰减规律[J]. 太原师范学院学报(自然科学版),2011,10(3):95-98.
[10] BARRY A W, NIPIER T M. Mineral Processing Technology [M]. New York :Elsevier Science & Technology Books, 2006:373-377.
[11] CHAN J P, PALMER G S. Machine vision-applications in industry [C]// IEEE Colloquium on Application of Machine Vision, 2011:1-6.
[12] 龚爱平. 基于嵌入式机器视觉的信息采集与处理技术研究[D]. 杭州: 浙江大学, 2013.
[13] MERVA J, KELLETT P. Current trends in machine vision[J] . Photonics Spectra, 2007, 41(1):65-67.
[14] CALLAGHAN M J, MCGINNITY T M, MCDAID L. Third order loose coupled hybrid intelligent system for machine vision applications [C]// IEEE International Conference on Systems, Man and Cybernetics, 2004:3680-3685.
[15] 何晓明.基于X射线的煤与矸石自动识别方法研究[D].沈阳:东北大学,2013.
Design of separation system of coal and gangue based on X-ray and machine vision
YANG Huigang1, QIAO Zhimin2
(1.Jiangzhen Electrical Engineering Institute, Heze University, Heze 274015, China;2.Department of Automation, Taiyuan Institute of Technology, Taiyuan 030003, China)
Abstract:In view of problems of low efficiency, environmental pollution and high cost existed in traditional coal and gangue separation method, a separation system of coal and gangue based on X-ray and machine vision was designed. The system uses machine vision to obtain visual images which were identified through image processing algorithm to get the thickness of coal and gangue. Then X-ray was used to scan and obtain coal and gangue images which were identified through the image processing algorithm to get the gray value. Finally, the gray value was combined with thickness of coal and gangue to draw the sorting threshold, so as to separate the gangue from the coal. The test result shows that the system can recognize coal and gangue effectively through the threshold with high recognition rate, and recognition precision meets requirements of industrial production.
Key words:coal mining; coal and gangue recognition; coal and gangue separation; separation threshold; X-ray; machine vision
文章编号:1671-251X(2017)03-0085-05
DOI:10.13272/j.issn.1671-251x.2017.03.020
收稿日期:2016-09-16;
修回日期:2016-11-14;责任编辑:张强。
作者简介:杨慧刚(1989-),男,山东菏泽人,助教,硕士,现主要从事智能控制、工业机器人、机器视觉、虚拟现实(VR)、增强现实(AR)等方面的研发工作,E-mail:yang123gang@126.com。
中图分类号:TD948
文献标志码:A
网络出版:时间:2017-02-28 17:17
网络出版地址:http://kns.cnki.net/kcms/detail/32.1627.TP.20170301.1515.020.html
杨慧刚,乔志敏.基于X射线和机器视觉的煤与矸石分选系统设计[J].工矿自动化,2017,43(3):85-89.