双能X射线煤矸识别:多维度图像分析与特征选择
需积分: 34 148 浏览量
更新于2024-08-06
1
收藏 3.84MB PDF 举报
"该研究论文探讨了一种煤矸双能X射线图像的多维度分析识别方法,旨在提高煤和矸石的分离效率和精度。文章指出,采用双能X射线成像技术可以减少环境因素如粉尘和光照强度的影响,但探测器采集的数据会受到余晖效应、厚度效应和射束硬化效应的困扰。为了解决这些问题,研究者提出了一种新方法,结合R值图像与高、低能图像的特征进行分析。首先,他们通过双能X射线系统获取高、低能图像,并计算R值图像。接着,他们研究了煤和矸石的关键物理属性(如密度和灰分含量)与图像特征之间的关系,提取出8个特征参量。通过Relief算法评估这些特征的重要性,以此构建分类试验。在试验中,采用PSO-SVM分类模型,以[Rc, Glc, Gl, Ra]作为特征输入,对不同煤种与矸石混合物进行识别,得到了高达99.4%的识别率。进一步的验证表明,这种方法对于肥煤、焦煤和气煤混合矸石的识别率分别达到了98.89%、100%和99.44%。此方法通过多维度分析和特征选择,有效地降低了双能X射线成像的缺陷影响,实现了高效、高精度的煤矸识别,同时减少了参数调整的需求,增强了识别模型的泛化能力。"
本文的核心知识点包括:
1. 双能X射线成像技术:这是一种无接触、非破坏性的检测方法,能穿透煤和矸石,不受外界因素干扰,用于获取物体内部信息。
2. 余晖效应、厚度效应和射束硬化效应:双能X射线探测器在采集数据时可能出现的缺陷,影响图像质量和分析准确性。
3. R值图像:通过比值法计算高、低能图像的像素值比,反映材料的密度信息,有助于区分煤和矸石。
4. 物理属性与图像特征的关系:煤和矸石的密度、灰分含量等关键属性与图像特征有密切联系,可以作为识别的依据。
5. 多维度分析:结合R值图像、高能图像和低能图像的特征,从多个角度进行分析,提高识别精度。
6. 特征提取与选择:通过Relief算法确定特征的重要性和有效性,提取出8个特征参量,构建强特征组合。
7. PSO-SVM分类模型:采用粒子群优化支持向量机模型,对特征进行分类,表现出优异的识别性能。
8. 高识别率:该方法在不同煤种混合矸石的识别中达到高精度,如肥煤98.89%、焦煤100%、气煤99.44%。
9. 泛化能力提升:以灰分和密度为参考选择特征阈值,减少了因煤质差异导致的参数调整,提高了模型在不同条件下的适用性。
2020-05-25 上传
2023-05-09 上传
2023-07-18 上传
2023-05-11 上传
2023-07-08 上传
2023-05-22 上传
2023-05-10 上传
2023-07-09 上传
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
weixin_38603704
- 粉丝: 7
- 资源: 971
最新资源
- Hadoop生态系统与MapReduce详解
- MDS系列三相整流桥模块技术规格与特性
- MFC编程:指针与句柄获取全面解析
- LM06:多模4G高速数据模块,支持GSM至TD-LTE
- 使用Gradle与Nexus构建私有仓库
- JAVA编程规范指南:命名规则与文件样式
- EMC VNX5500 存储系统日常维护指南
- 大数据驱动的互联网用户体验深度管理策略
- 改进型Booth算法:32位浮点阵列乘法器的高速设计与算法比较
- H3CNE网络认证重点知识整理
- Linux环境下MongoDB的详细安装教程
- 压缩文法的等价变换与多余规则删除
- BRMS入门指南:JBOSS安装与基础操作详解
- Win7环境下Android开发环境配置全攻略
- SHT10 C语言程序与LCD1602显示实例及精度校准
- 反垃圾邮件技术:现状与前景