当前位置：首页 > 产品中心

煤矸石的纹理特征

煤矸石的纹理特征

煤与矸石图像特征分析及试验研究

2021年12月13日探讨了煤和矸石共420张图像的2个灰度特征和4个纹理特征的分布情况，并分别模拟生产中的光照、淋水、粉尘环境对煤和矸石进行了图像采集，研究其对煤矸图像特征的影基于机器学习的煤矸识别算法，如:改进SVM算法 [45],需人工利用图像处理、模式识别技术手动提取煤和矸石图像表面纹理、灰度值等浅层特征,过基于TWRN优化CNN的煤矸识别方法研究2018年7月2日摘要: 研究煤和矸石在不同照度下的响应特性，设计了差异照度煤矸图像采集系统，进行了煤矸图像采集实验，建立了煤矸灰度子图像数据库，对数据库中的子图像的灰度、纹不同照度下煤矸图像灰度及纹理特征提取的实验研究2024年11月17日针对煤矸激光散斑特点，基于灰度区域大小矩阵（Graylevel size zone matrix， GLSZM）提出了激光散斑图像纹理特征提取方法，并结合传统方法提取纹理特征和灰基于激光散斑成像的煤矸特征提取与识别方法2017年5月26日本文通过融合LBP和GLCM的纹理特征提取方法，分析煤与矸石表面的纹理差异，提高识别效率。 LBP是一种用来描述图像局部纹理特征的不相关算子，它主要通过对图像任煤与矸石图像纹理特征提取方法2020年7月7日煤独特的光学纹理是区分煤与矸石最明显的视觉特征。目前的研究代表了在煤和矸石的光学结构中实施多重分形分析的尝试。首先，应用分形理论验证煤和矸石图像的多尺度特基于光学纹理多重分形特性的煤矸石判别分析,International

煤矸石识别方法研究现状与展望

2019年5月3日煤矸石识别特征选取是煤矸石识别方法的主要研究内容，主要包括密度、硬度、灰度、纹理等。本文从煤矸石识别特征出发，对现有煤矸石识别方法进行了梳理和总结，并对 2018年1月12日摘要：为了提高煤与矸石的识别率，运用自制的煤矸自动分选装置，研究了煤与矸石图像的自动识别技术，介绍了煤与矸石图像的灰度特征以及基于灰度共生矩阵的煤与矸石基于机器视觉的煤矸特征提取与分类研究2024年2月8日摘要煤矸石快速精准的识别对提升煤炭产能有着极大的影响，而现有的煤矸识别分选方法在分选设备、准确率以及效率上尚有不足。提出了一种基于深度学习的激光雷达双基于激光雷达的双通道伪彩图像煤矸识别方法 Researching2023年12月26日摘要: 为进一步提升基于图像特征的煤矸石分选识别率，将分形维数的分析方法与图像处理和识别技术相结合，选取煤矸石图像的细观孔隙结构特征作为主要研究对象和识别基于分形维数及细观孔隙结构特征的煤矸石识别研究2022年12月5日【摘要】：针对综放开采煤矸石识别准确率低的问题,提出了煤矸石图像特征提取方法,并构建了相应的煤矸石识别模型。照度值是影响成像质量的重要因素。基于图像处理技术的煤矸石图像特征提取与识别模型 2023年4月17日 2)煤和矸石各特征参数在含水率较低时，均变化相对稳定。在含水率较高时，矸石的灰度、纹理特征参数的变化相对于煤更加明显，可见其图像特征受外在水分含量变化的影响比煤大。 3)煤与矸石图像9个特征参数的偏差值外在水分对煤矸图像特征影响的试验研究

优化 NP－FSVM 的煤矸光电智能分选技术研究

集煤矸石的图像ꎬ综合研究了煤矸石的灰度与纹理特征 ꎬ提出一种多特征融合的基于粒子群算法优化的法平面型隶属度函数模糊支持向量机(PSO－NP－ FSVM)煤矸石分选方法ꎮ提取煤矸石煤矸石是采煤过程和洗煤过程中排放的固体废物，是一种在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石，包括巷道掘进过程中的掘进矸石、采掘过程中从顶板、底板及夹层里采出的矸石以及洗煤过程中挑出的洗矸石。其煤矸石百度百科2019年1月16日变换特征和分形特征中挑选出10个特征作为识别特征,作为煤矸石图像分类识别的基础。伍云霞和田一民[33]提出用字典学习算法提取煤岩图像特征。王培珍等[34]利用行程长不同照度下煤矸图像灰度及纹理特征提取的实验研究2019年8月15日针对煤矸石分割图像，选取煤矸石图像的HOG特征及灰度共生矩阵，分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别；分别建立浅煤矸石图像分类方法2019年2月11日仅依靠煤矸石的X射线图像灰度值差异进行识别对煤矸石的块度要求较高，纹理是由基本单元周期性或随机重复而产生的特殊图案，它具有微观无规则性而宏观上有规律性的特基于 PSO 优化 NPFSVM 的煤矸光电智能分选技术研究2023年4月17日针对设计及试验过程中遇到的问题，进一步提出了机器人刚柔耦合动力学模型和误差传递规律、基于深度学习和多特征融合的煤矸石识别算法、考虑外部负载干扰的并联机器煤矸分拣机器人设计与关键技术分析

一种基于X射线图像的煤矸识别方法与流程 X技术网

2019年8月13日纹理是由基本单元周期性或随机重复而产生的特殊图案，它具有微观无规则性而宏观上有规律性的特点。本发明综合考虑了煤矸石的灰度与纹理特征，提出一种多特征融合的 2024年12月27日基于人工智能技术的煤矸石检测系统则通过深度学习、机器学习等技术对煤矸石样品的特征该方法能够有效区分煤矸与其他物体的纹理特征，但要求图像具有较好的纹理基于嵌入式平台的轻量级煤矸检测方法研究豆丁网2024年9月1日资源浏览阅读173次。 "该研究提出了一种基于灰度共生矩阵的煤与矸石纹理特征自动识别方法，通过分析灰度共生矩阵的原理和特征参数，提取图像的角二阶距、相关性、对灰度共生矩阵在煤矸石识别中的应用研究 CSDN文库2025年1月12日 2 特征提取：通过算法提取煤矸石的特征，如形状、颜色、纹理等，为后续的识别和分类提供依据。3 分类与识别：利用机器学习算法和深度学习模型对提取的特征进行训练《基于机器视觉的煤矸目标识别与定位方法研究》豆丁网2021年8月4日摘要：基于光学图像的煤矸石识别方法具有设备简单、易实现、绿色环保等优势，是实现智能化煤矸石分选的重要途径。该类方法分为两种研究路径，一种是需要人为提取特基于光学图像的煤矸石识别方法综述2019年5月21日摘要：现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值，利用图像处理和模式识别技术对煤矸石进行识别分选，分选的煤矸石粒度为25～150 mm,而对于150 mm以上基于机器视觉的多机械臂煤矸石分拣机器人系统研究

采用部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别 hqu

2018年12月8日后，根据灰度共生矩阵纹理特征分析理论，分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性．最后，对煤和煤矸石各100张样本采集图像进行处理， 2020年12月31日现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值，利用图像处理和模式识别技术对煤矸石进行识别分选，分选的煤矸石粒度为25～150mm,而对于150mm以上的煤矸石机器人抓矸石基于机器视觉的多机械臂煤矸石分拣机器人系统因此对煤和煤矸石的图像灰度和纹理分析将有助于它们的识别。本文利用灰度共生矩阵所提取的3个特征并结合SVM进行分类,并且研究了目标定位算法,取得了较好的效果。在计算灰度共生基于机器视觉的煤矸石分选算法的研究百度学术2021年10月30日 30本发明的有益效果：1直接对获取的图像利用深度目标检测算法来进行煤矸石的识别，不需要电压数据所以节省了部分硬件装置，且采用的深度检测算法更专注于图像本一种基于机器视觉的煤矸石识别方法及系统与流程2020年2月28日煤矸石快速高效的分离是提高煤质的主要途径，将推动洁净煤技术的发展 [1]。目前γ射线透射法和X射线透射法煤矸分选技术比较成熟，但存在辐射危害，应用上受到了限制 [2]。将激光三维扫描测量体积与动态称重相结煤矸智能分选的机器视觉识别方法与优化2020年8月10日 12 改进的特征融合neck 相较于大多数目标检测任务,煤矸石检测任务有其特殊性。煤矸石检测基本上对应的是小尺度物体,且煤与矸石在颜色、纹理、形状等特征上差异较小, 一种基于深度学习的煤矸石检测方法

一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法

2022年2月19日 [0069][0070] 统计每个煤和煤矸石的灰度和纹理特征，结果如图13所示；发现煤和煤矸石图像在均值、对比度和熵值方面存在较大差异，可以使用均值、对比度和熵值作为煤 2017年10月21日 1一种遥感图像中区分煤矿区的煤堆和煤矸石区域的方法，其特征在于，包括下列步骤：S1：确定待处理的遥感图像中的煤矿区：S101：通过分水岭法对待处理的遥感图像一种遥感图像中区分煤矿区的煤堆和煤矸石区域的方法技术 2018年1月12日结果表明：基于BP神经网络的纹理和灰度特征的综合分类方法提高了煤与矸石的识别率选取合适的学习速率在提高BP神经网络学习速度的同时还提高了识别率，识别率基于机器视觉的煤矸特征提取与分类研究2022年12月5日利用图像识别技术实现煤矸石识别是智能综放开采的发展方向之一。【摘要】：针对综放开采煤矸石识别准确率低的问题,提出了煤矸石图像特征提取方法,并构建了相应的基于图像处理技术的煤矸石图像特征提取与识别模型构建 2022年9月8日对于强度较低的煤矸石混凝土来说,强度主要受煤矸石粗集料宏观指标影响,煤矸石形状特征为次要影响因素。煤矸石混凝土CM5 强度最低,是由于煤矸石M5 压碎指标最高,此时煤矸石粗集料理化性质和形状特征对混凝土强度的影响参考网以上煤矸石分选方法主要是根据煤和矸石的纹理特征值，利用图像处理和模式识别技术对煤矸进行识别分选，分选的煤矸石粒度为25～150 mm,而对于150 mm以上的煤矸石仍依靠人工进行分基于机器视觉的多机械臂煤矸石分拣机器人系统研究百度文库

面向煤矸识别的目标检测算法道客巴巴

2024年9月24日由于煤矸石的复杂性和多样性，现有的目标检测算法仍存在一定的局限性，如对光照变化的鲁棒性不足、对不同煤矸石纹理和颜色的适应能力有限等。在特征提取阶段，我 2023年4月17日 2)煤和矸石各特征参数在含水率较低时，均变化相对稳定。在含水率较高时，矸石的灰度、纹理特征参数的变化相对于煤更加明显，可见其图像特征受外在水分含量变化的影响比煤大。 3)煤与矸石图像9个特征参数的偏差值外在水分对煤矸图像特征影响的试验研究集煤矸石的图像ꎬ综合研究了煤矸石的灰度与纹理特征 ꎬ提出一种多特征融合的基于粒子群算法优化的法平面型隶属度函数模糊支持向量机(PSO－NP－ FSVM)煤矸石分选方法ꎮ提取煤矸石优化 NP－FSVM 的煤矸光电智能分选技术研究煤矸石是采煤过程和洗煤过程中排放的固体废物，是一种在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石，包括巷道掘进过程中的掘进矸石、采掘过程中从顶板、底板及夹层里采出的矸石以及洗煤过程中挑出的洗矸石。其煤矸石百度百科2019年1月16日变换特征和分形特征中挑选出10个特征作为识别特征,作为煤矸石图像分类识别的基础。伍云霞和田一民[33]提出用字典学习算法提取煤岩图像特征。王培珍等[34]利用行程长不同照度下煤矸图像灰度及纹理特征提取的实验研究2019年8月15日针对煤矸石分割图像，选取煤矸石图像的HOG特征及灰度共生矩阵，分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别；分别建立浅煤矸石图像分类方法