CN111160064B - 煤岩组分识别方法 - Google Patents

煤岩组分识别方法 Download PDF

Info

Publication number
CN111160064B
CN111160064B CN201811314253.0A CN201811314253A CN111160064B CN 111160064 B CN111160064 B CN 111160064B CN 201811314253 A CN201811314253 A CN 201811314253A CN 111160064 B CN111160064 B CN 111160064B
Authority
CN
China
Prior art keywords
coal
judging
vitrinite
gray
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811314253.0A
Other languages
English (en)
Other versions
CN111160064A (zh
Inventor
白向飞
王越
陈洪博
张宇宏
武琳琳
丁华
麻栋
吴洋
涂华
高燕
王晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCTEG China Coal Research Institute
Original Assignee
CCTEG China Coal Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CCTEG China Coal Research Institute filed Critical CCTEG China Coal Research Institute
Priority to CN201811314253.0A priority Critical patent/CN111160064B/zh
Publication of CN111160064A publication Critical patent/CN111160064A/zh
Application granted granted Critical
Publication of CN111160064B publication Critical patent/CN111160064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种煤岩组分自动识别方法，该方法包括：1)图像采集；2)灰度累积频率曲线的获取；3)灰度累积频率曲线的处理以及区域划分；4)显微组分的进一步细分。该方法对反射色和形态参数进行定量处理，并建立合理的、合乎逻辑的识别模式，极大提高的煤岩显微组分识别的精度，识别的速度也有明显的提高。这对实现煤岩显微组分智能化识别、降低测试主观影响、提高不同实验室的可对比度、提高测试效率均有显著的积极影响。

Description

煤岩组分识别方法
技术领域
本发明属于煤岩组分识别及分离领域，尤其涉及一种煤岩组分自动识别的方法。
背景技术
近年来，我国清洁能源持续扩容，清洁低碳、安全高效的能源体系正加快构建。2012年以来，我国煤炭消费比重下降8.1个百分点，清洁能源消费比重提高6.3个百分点。从最近公布的数据来看，我国能源结构正由煤炭为主向多元化转变，能源发展动力正由传统能源增长向新能源增长转变。
虽然如此，煤炭在我国能源结构中依然占据较大比例。在短期内，我国以煤炭为主要能源的格局依然难以改变。我国煤炭资源储量丰富，并且有以下特点：资源的可获取性强、利用的经济性好、具有可清洁性，保障性强。煤炭资源可以满足74％的电力、8亿多吨粗钢、24亿吨水泥、7000万吨合成氨以及煤制油、烯烃、乙二醇、甲醇等现代煤化工产业发展需要。《能源发展战略行动计划(2014-2020年)》提出，到2020年，国内一次能源消费总量控制在48亿吨标准煤左右，煤炭消费比重控制在62％以内，仍是我国的主体能源。
发明内容
在煤炭的利用过程中，经常需要分析、测试待利用煤炭的岩石组成、变质程度以及对煤炭进行分类，这一手段通常称为“煤岩识别(煤岩分析)”。煤岩识别(或称煤岩分析，petrographic analysis of coal)是指以光学显微镜为主要工具，兼用肉眼和其他手段，对煤的岩石组成、结构、性质、煤化度作定性描述和定量测定的方法。最常规的分析项目是煤岩显微组分和矿物质的测定、镜质体反射率测定、显微煤岩类型测定和宏观描述。前三项(即煤岩显微组分和矿物质的测定、镜质体反射率测定、显微煤岩类型测定)已有国际标准(ISO 7401)，中国也已制订了国家标准(GB/T 6948《煤的镜质体反射率显微镜测定方法》、GB/T 8899《煤的显微组分组和矿物测定方法》、GB/T 15590《显微煤岩类型测定方法》)。
煤炭的宏观分类与微观分类。
宏观分类。煤是一种固体可燃有机岩。煤岩学是把煤作为一种有机岩石，以物理方法为主研究煤的物质成分、结构、性质、成因及合理利用的科学。宏观上对煤炭进行分类可以分为四类：镜煤、丝炭、亮煤、暗煤。分别介绍如下。
1)镜煤
镜煤的颜色深黑、光泽强，是煤中颜色最深和光泽最强的成分。
镜煤特点包括:(1)质地纯净，结构均一，具贝壳状断口和内生裂隙。(2)镜煤性脆，易碎成棱角状小块。(3)在煤层中，镜煤常呈凸透镜状或条带状，条带厚几毫米至1～2cm，有时呈线理状存在于亮煤和暗煤之中。镜煤的显微组成单一，主要是植物的木质显微组织经凝胶化作用形成的。性质:挥发分产率(Vdaf)、氢含量高，粘结性强，矿物质含量少。
2)丝炭
丝炭外观象木炭，颜色灰黑，具明显的纤状结构和丝绢光泽，丝炭疏松多孔，性脆易碎，能染指。丝炭的胞腔有时被矿物质充填，称为矿化丝炭，矿化丝炭坚硬致密，比重较大。在煤层中丝炭的数量一般不多，常呈扁平透镜体，在显微镜下观察，丝炭的显微组成也是单一的，是简单的煤岩成分，主要是植物木质纤维组织在缺水的多氧环境中缓慢氧化或由于森林火灾所形成。丝炭特点:(1)在煤层中，丝炭常呈扁平透镜体沿煤层的层理面分布，厚度多在1～2mm至几毫米之间，有时能形成不连续的薄层；个别地区，丝炭层的厚度可达几十厘米以上。(2)丝炭的孔隙度大，吸氧性强，丝炭多的煤层易发生自燃。丝炭性质:致密坚硬、比重大，氢含量低、碳含量高，挥发分产率(Vdaf)低，无粘结性，可选性差，孔隙大。
3)亮煤
亮煤的光泽仅次于镜煤，一般呈黑色，亮煤的组成比较复杂。它是在覆水的还原条件下，由植物的木质纤维组织经凝胶化作用，并掺入一些由水或风带来的其它组分和矿物杂质转变而成。亮煤特点:(1)较脆易碎，断面比较平坦。(2)比重较小。(3)亮煤的均一程度不如镜煤，表面隐约可见微细层理。(4)亮煤有时也有内生裂隙，但不如镜煤发育。(5)常呈较厚的分层，有时甚至组成整个煤层。在煤层中，亮煤是最常见的宏观煤岩成分。亮煤的性质接近镜煤，但质量比镜煤差。
4)暗煤
暗煤的光泽暗淡，一般呈灰黑色。暗煤的组成比较复杂。它是在活水有氧的条件下，富集了壳质组、惰性组或掺进较多的矿物质转变而成。含惰性组或矿物质多的暗煤。暗煤的特点:(1)致密坚硬，比重大，韧性大，不易破碎，断面比较粗糙。(2)一般不发育内生裂隙。(3)在煤层中，暗煤是常见的宏观煤岩成分，常呈厚、薄不等的分层，也可组成整个煤层。暗煤的性质:取决于各组分的含量，如富含稳定组分，挥发分产率(Vdaf)、氢含量相对较高，粘结性较强；富含丝炭化组分，矿物含量高，密度大，挥发分产率(Vdaf)低、弱粘结。
微观分类。一般在显微镜下才能识别的煤的成分，叫显微成分。由植物转变成的是有机显微成分，而矿物质是无机显微成分。微观上对煤炭进行分类可以分为三类：镜质组(又称凝胶化组分)、惰质组(又称丝质组、丝炭化组分)、壳质组(又称稳定组分)。分别介绍如下。
1)镜质组。镜质组是煤中最常见最重要的显微组分组。它是由植物的根、茎、叶在覆水的还原条件下，经过凝胶化作用而形成。镜质组可分为三种显微组分，即:结构镜质体、无结构镜质体和碎屑镜质体。
2)惰质组。又称丝质组，是煤中常见的显微组分组。它是由植物的根，茎、叶等组织在比较干燥的氧化条件下，经过丝炭化作用后在泥炭沼泽中沉积下来所形成；也可以由泥炭表面经炭化、氧化、腐败作用和真菌的腐蚀所造成。真菌菌类体在原来植物时就已是惰质组，惰质组还可以由镜质组和壳质组经煤化作用形成。惰质组在透射光下为黑色不透明，反射光下为亮白色至黄白色；碳含量最高、氢含量最低、氧含量中等；，磨蚀硬度和显微硬度高。突起高，挥发分低，没有任何粘结性。
3)壳质组。又称稳定组、类脂组。壳质组包括孢粉体、角质体、木栓质体、树脂体、渗出沥青体、荧光质体、藻类体、碎屑壳质体、沥青质体和叶绿素体等。它们是由比较富氢的植物物质，如孢粉质、角质、木栓质、树脂、蜡、香胶、胶乳、脂肪和油所组成；此外，蛋白质、纤维素和其它碳水化合物的分解产物也可参与壳质组的形成。壳质组含有大量的脂肪族成分，其中脂肪蜡可溶于有机溶剂，而木栓质角质则不溶。壳质组组分的氢含量高，加热时能产出大量的焦油和气体，粘结性较差或没有。
煤炭的四种宏观组分与三种微观组分(显微组分)之间的关系可参见附图1。如前所述，显微成分包括有机显微成分和无机显微成分(即矿物质)。在油浸反射光下，煤中的无机组分(矿物质)在反射率和形貌方面与煤中的有机显微组分有部分重叠，油浸反射光也不是鉴定矿物质的最佳条件。而煤中的矿物质也可以通过测定灰分和灰成分确定。现有的煤岩显微组分分类方案并适应基于数字图像处理技术的煤岩显微组分自动识别要求，因而本方案提出一种去矿物质基的有机显微组分识别方案。煤炭显微组分分类是以显微镜油浸反射光下的特征为主，结合透射光和荧光特征进行分类，主要根据煤中有机显微组分的颜色、反射力、突起、形态、结构特征，划分为显微组分组；再根据细胞结构保存程度、形态、大小以及光性特征的差别，划分为显微组分和显微亚组分。但是，当前的有机显微组分鉴别方案在图像自动处理中存在诸多不足，列于如下的表1。
表1煤有机显微组分特征及图像识别难点
Figure BDA0001855843470000051
Figure BDA0001855843470000061
针对上述不足，本公开提出一种煤岩组分自动识别的方法。
本发明的实施例提供一种煤岩组分自动识别方法，所述方法包括：1)图像采集；2)灰度累积频率曲线的获取；3)灰度累积频率曲线的处理以及区域划分；4)显微组分的进一步细分；其中，所述步骤3)包括：获取灰度累积频率曲线，对所述灰度累积频率曲线进行数学处理，所述数学处理包括平滑、作切线，若未得到3条切线，则停止；若得到3条切线，则继续下述步骤；得到所述3条切线后，所述3条切线相交形成2个交点，将灰度值大于上述2个交点中右侧交点的区域划分为A区，将灰度值在上述2个交点之间的区域划分为B区，将灰度值小于上述2个交点中左侧交点的区域划分为C+D区；所述步骤4)包括：对于上述步骤3)的A区，进一步进行如下细分：判断是否有胞壁，有胞壁(A1)则判定为火焚丝质体和火焚半丝质体；无胞壁(A2)则判定为分泌体、粗粒体、微粒体、碎屑惰质体、氧化丝质体和氧化半丝质体；对于上述步骤3)的B区，进一步进行如下细分：判断球形度是否约为1，是，则判定为团块镜质体(B1)；否，则判定为第一结构镜质体(结构镜质体-1)、均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B2)；所述球形度定义为：球形度
Figure BDA0001855843470000071
其中，e：考察对象的球形度，S：考察对象的面积，C：考察对象的周长。
根据本发明的一种实施方式，例如，在上述方法中，在判定所述A1、所述A2区之后，所述步骤4)进一步包括：对于所述有胞壁(A1)部分，进一步判断是否反射率高且突起高，是，则判定为火焚丝质体(A11)；否，则判定为火焚半丝质体(A12)；对于所述无胞壁(A2)部分，进一步判断其球形度是否约为1，是，则判定为分泌体、粗粒体、微粒体和碎屑惰质体(A21)；否，则判定为粗粒体、氧化丝质体和氧化半丝质体(A22)；对于所述A21部分，进一步判断其突起是否高，是，则判定为分泌体(A211)；否，则判定为粗粒体、微粒体和碎屑惰质体(A212)；对于所述A22部分，进一步判断其等效直径是否大于30μm，是，则判定为粗粒体(A221)；否，则判定为氧化丝质体和氧化半丝质体(A222)；对于所述A212部分，进一步判断其等效直径是否大于10μm，是，则判定为粗粒体(A2121)；否，则判定为微粒体或碎屑惰质体(A2122)；对于所述A2122部分，进一步判断其等效直径是否小于1μm，是，则判定为微粒体(A21221)；否，则判定为碎屑惰质体(A21222)；
所述“反射率高”的判定标准：若在灰度分布曲线(反射率分布图)右侧20％范围内，即256灰阶下灰度值大于205，则认为“反射率高”；否则，若在灰度分布曲线(反射率分布图)左侧80％范围内，即256灰阶下灰度值小于或等于205，则认为不满足“反射率高”；上述“突起高”的判断标准：以反射率梯度大为标准，若反射率梯度△≥0.05，则认为“突起高”，否则认为不满足“突起高”；所述“球形度”的定义如下：球形度
Figure BDA0001855843470000081
其中，e：考察对象的球形度，S：考察对象的面积，C：考察对象的周长；所述等效直径的计算方法为：等效直径＝组分的不规则面积/π。
根据本发明的一种实施方式，例如，在上述方法中，在判定所述B1、所述B2区之后，所述步骤4)进一步包括：对于所述B2部分，判断是否有细胞结构，是，则判定为第一结构镜质体(结构镜质体-1)(B21)；否，则判定为均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B22)；对于所述B22部分，判断其均质系数是否约为0.33，是，则判定为均质镜质体或胶质镜质体(B221)；否，则判定为基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B222)；对于所述B221部分，判断其是否尺寸大，是，则判定为均质镜质体(B2211)；否，则判定为胶质镜质体(B2212)；对于所述B222部分，判断其等效直径是否小于10μm，是，则判定为碎屑镜质体(B2221)；否，则判定为基质镜质体和第二结构镜质体(结构镜质体-2)；
其中，所述均质系数＝灰度标准差/平均灰度；所述“尺寸大”的判定标准：若考察对象的长宽比(L/W)≥12，则认为“尺寸大”；否则，若考察对象的长宽比(L/W)<12，则认为不满足“尺寸大”；所述等效直径＝组分的不规则面积/π。
根据本发明的一种实施方式，例如，在上述方法中，将所述C+D区判定为低反射率矿物、壳质组和黏合胶。
根据本发明的一种实施方式，例如，在上述方法中，将所述C+D区进一步进行如下细分：在标准图像采集模式下，所述标准图像采集模式即蓝宝石标准样品图像的灰度值为100(256灰阶)、曝光时间为100ms，测试煤岩光片的灰度值，将灰度值低于40的部分判定为黏合胶区域，即D区，而灰度值大于等于40的区域判定为低反射率矿物和壳质组，即C区。
根据本发明的一种实施方式，例如，在上述方法中，所述C区的低反射率矿物的体积分数MM按照下面的方式确定：若显微组分和矿物的相对密度分别为1.35和2.8，所述低反射率矿物的质量分数＝1.08Ad+0.55St,d，其中，Ad——干燥基灰分产率(质量分数)；St,d——干燥基全硫含量(质量分数)，所述MM的计算公式如下：
Figure BDA0001855843470000091
若显微组分和矿物的相对密度不同于上述假定值，则用实际的显微组分相对密度替换上述公式中的1.35、用实际的矿物相对密度替换上述公式中的2.8。
根据本发明的一种实施方式，例如，在上述方法中，所述步骤1)包括：利用偏光显微镜显微数码摄像机进行图像采集，所述显微数码摄像机的灰阶至少在8位以上(256灰阶)，图像分辨率至少1600×1200；按照GB/T 8899-2013《煤的显微组分组和矿物测定方法》测试图像采集的点距和行距，点距为0.4mm～0.6mm，行距不小于点距，保证至少500个有效测区均匀布满全片；图像采集条件为：显微镜的入射光强以蓝宝石标准样品为标准，曝光时间选择100ms；拍摄的图像为灰度图；所述蓝宝石标准样品即：标准物质编号GBW13403，反射率标准值Ro max为0.59％，图像的灰度值在256灰阶中为100。
根据本发明的一种实施方式，例如，在上述方法中，惰质组、镜质组、壳质组及均质镜质体的体积百分比按照如下公式计算：
Figure BDA0001855843470000101
Figure BDA0001855843470000102
壳质组(vol)＝100-惰质组(vol)-镜质组(vol)-MM(vol)
Figure BDA0001855843470000103
其中，所述SA为所述A区中曲线与横轴之间部分的面积，所述SB为所述B区中曲线与横轴之间部分的面积，所述SC为所述C区中曲线与横轴之间部分的面积，所述MM(vol)如权利要求6所述定义。
本发明的实施例还提供一种用于实现上述煤岩组分自动识别方法的装置，所述装置包括一偏光显微镜，所述偏光显微镜包括放置煤岩样品的自动载物台和调焦设备，所述偏光显微镜的放大倍数在10倍以上或者20倍以上。
根据本发明的一种实施方式，例如，所述装置还包括用于采集所述偏光显微镜所成煤岩样品显微图像的数码相机、对所述数码相机采集的所述显微图像进行调用的图像调用设备、对所述图像调用设备调用的所述图像进行灰度测量并形成灰度-反射率工作曲线以及灰度校正曲线的反射率测定设备。
以下将对上述方法及装置进行更具体的描述。
本发明实施例提供的一种煤岩组分自动识别方法主要包括以下步骤：1.图像采集；2.灰度累积频率曲线的获取；3.灰度累积频率曲线的处理以及区域划分；4.显微组分的进一步细分。详述如下。
1)图像采集
利用目前主流的偏光显微镜(蔡司、徕卡)及主流的显微数码摄像机进行图像采集，显微摄像机的灰阶至少在8位以上(256灰阶)，图像分辨率至少1600×1200。按照GB/T8899-2013《煤的显微组分组和矿物测定方法》测试图像采集的点距和行距，点距一般以0.4mm～0.6mm，行距不小于点距，保证至少500个有效测区(图像)均匀布满全片。图像采集条件为：显微镜的入射光强以蓝宝石标准样品(标准物质编号：GBW13403，反射率标准值(Ro max)为0.59％)图像的灰度值为100(256灰阶)为标准，曝光时间选择100ms。拍摄的图像为灰度图。
2)灰度累积频率曲线的获取
提取采集的图像的灰度值，获取灰度累积频率曲线，如附图2所示。
3)灰度累积频率曲线的处理以及区域划分
原始获取的灰度累积频率曲线一般是一条分阶段的曲线(如附图2中的实线所示，一般分为三个阶段；在很少的情况下，灰度累积频率曲线难以合理地划分为三个阶段，这些情况下不适合用本发明实施例提供的方法)。但一般情况下该曲线的拐点并不明显。因此，为了基于灰度累积频率曲线对煤样品进行分区，就需要对该原始获取的曲线进行数学处理。处理方法一般包括两个步骤：平滑、作切线。平滑可以采用图处理中常规做法，可以选择五点三次平滑处理、五点两次平滑处理、七点两次平滑处理等方法，在数学处理程序例如Matlab中实现。平滑处理后，分别对三个阶段的平滑曲线作切线，三条切线相交形成两个交点，该两个交点即作为区域分界点，如附图2所示。在附图2中，灰度值大于右侧交点的区域(即右侧交点以右的区域)为A区；两个交点之间的区域为B区；灰度值小于左侧交点的区域(即左侧交点以左的区域)为C+D区。记录三部分(A区、B区、(C+D)区)的面积(即曲线与横轴之间部分的面积)，分别记做SA、SB、SC+D。如果该煤样品是单煤，那么可直接确定A区为惰质组、B区为镜质组，(C+D)区为低反射率矿物、壳质组和黏合胶。但是我国的商品煤多以混煤为主，高变质煤的镜质组与低变质煤的惰质组的反射率(灰度值)存在重叠情况，因而上述直接确定法(即直接确定A区为惰质组、B区为镜质组，(C+D)区为低反射率矿物、壳质组和黏合胶)对混煤的判别存在较大误差；此外，仅仅划分到显微组分组对应用的指导不足，很多应用场景需要划分到显微组分。因此，需要对上述A区、B区和(C+D)区进行进一步的细分。
4)显微组分的进一步细分
对照附图3，对于上述A区，进一步进行如下细分：
判断是否有胞壁，有胞壁(A1)则判定为火焚丝质体和火焚半丝质体；无胞壁(A2)则判定为分泌体、粗粒体、微粒体、碎屑惰质体、氧化丝质体和氧化半丝质体。
对于上述有胞壁(A1)部分，进一步判断是否反射率高、突起高，是，则判定为火焚丝质体(A11)；否，则判定为火焚半丝质体(A12)。上述“反射率高”的判定标准：是在灰度分布曲线(反射率分布图)右侧20％范围内，即256灰阶下灰度值大于205，则认为“反射率高”；否则，若在灰度分布曲线(反射率分布图)左侧80％范围内，即256灰阶下灰度值小于或等于205，则认为不满足“反射率高”。上述“突起高”的判断标准：以反射率梯度大为标准，若反射率梯度△≥0.05，则认为“突起高”，否则认为不满足“突起高”。
对于上述无胞壁(A2)部分，进一步判断其球形度是否约为1，是，则判定为分泌体、粗粒体、微粒体和碎屑惰质体(A21)；否，则判定为粗粒体、氧化丝质体和氧化半丝质体(A22)。上述“球形度”的定义如下：
球形度
Figure BDA0001855843470000121
e：考察对象的球形度
S：考察对象的面积
C：考察对象的周长
对于上述A21部分，进一步判断其突起是否高，是，则判定为分泌体(A211)；否，则判定为粗粒体、微粒体和碎屑惰质体(A212)；突起是否高，以反射率梯度大为标准，若反射率梯度△≥0.05，则认为突起高，否则认为突起不高。
对于上述A22部分，进一步判断其等效直径是否大于30μm，是，则判定为粗粒体(A221)；否，则判定为氧化丝质体和氧化半丝质体(A222)；等效直径的计算方法为：等效直径＝组分的不规则面积/π。
对于上述A212部分，进一步判断其等效直径是否大于10μm，是，则判定为粗粒体(A2121)；否，则判定为微粒体或碎屑惰质体(A2122)。其中，等效直径＝组分的不规则面积/π。
对于上述A2122部分，进一步判断其等效直径是否小于1μm，是，则判定为微粒体(A21221)；否，则判定为碎屑惰质体(A21222)。
对照附图4，对于上述B区，进一步进行如下细分：
判断球形度是否约为1，是，则判定为团块镜质体(B1)；否，则判定为第一结构镜质体(结构镜质体-1)、均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B2)。
对于上述B2部分，判断是否有细胞结构，是，则判定为第一结构镜质体(结构镜质体-1)(B21)；否，则判定为均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B22)。
对于上述B22部分，判断其均质系数是否约为0.33，是，则判定为均质镜质体或胶质镜质体(B221)；否，则判定为基质镜质体、第二结构镜质体(结构镜质体-2)和碎屑惰质体(B222)。其中，均质系数＝灰度标准差/平均灰度。
对于上述B221部分，判断其是否尺寸大，是，则判定为均质镜质体(B2211)；否，则判定为胶质镜质体(B2212)。上述“尺寸大”的判定标准：若考察对象的长宽比(L/W)≥12，则认为“尺寸大”；否则，若考察对象的长宽比(L/W)<12，则认为不满足“尺寸大”。
对于上述B222部分，判断其等效直径是否小于10μm，是，则判定为碎屑镜质体(B2221)；否，则判定为基质镜质体和第二结构镜质体(结构镜质体-2)；其中，等效直径＝组分的不规则面积/π。
对于上述(C+D)区，可直接判定为低反射率矿物、壳质组和黏合胶。由于(C+D)区的经济价值较低，在通常的情况下，不对其进行进一步的细分也可以满足应用的要求。若要进一步细分，则可以按照如下方式进行：在标准图像采集模式(蓝宝石标准样品图像的灰度值为100(256灰阶)，曝光时间为100ms)下，测试煤岩光片的灰度值，根据经验值，将灰度值低于40的部分判定为黏合胶区域(即如图2所示的D区(SD)为黏合胶区域)，而灰度值大于等于40的C区判定为低反射率矿物和壳质组。对于C区的低反射率矿物的体积分数(MM)则可以按照下面的方式确定：
假定显微组分和矿物的相对密度分别为1.35和2.8，矿物质的质量分数＝1.08Ad+0.55St,d
Ad——干燥基灰分产率(质量分数)；St,d——干燥基全硫含量(质量分数)。
Figure BDA0001855843470000141
惰质组、镜质组、壳质组、及均质镜质体的体积百分比按照如下公式计算(其中SA、SB、SC+D即灰度累积频率曲线图中各分区曲线与横轴之间部分的面积)：
Figure BDA0001855843470000142
Figure BDA0001855843470000143
壳质组(vol)＝100-惰质组(vol)-镜质组(vol)-MM(vol)
Figure BDA0001855843470000144
其余显微组分的计算方法与此类似。
需要说明的是，本发明的煤岩组分自动识别方法所采用的装置为本领域已有的装置。例如，该装置可以包括一偏光显微镜，该偏光显微镜包括放置煤岩样品的自动载物台和调焦设备，其放大倍数在10倍以上或者20倍以上；该装置还包括用于采集上述偏光显微镜所成煤岩样品显微图像的数码相机、对上述数码相机采集的显微图像进行调用的图像调用设备、对上述图像调用设备调用的图像进行灰度测量并形成灰度-反射率工作曲线以及灰度校正曲线的反射率测定设备、以及其他实现本发明的方法必须的设备。
本发明的有益效果：
现有的煤岩组分自动识别技术依靠手工识别，即靠人眼识别和经验判断进行识别，这种方法对人员专业素质要求极高。煤岩显微组分的特征主要靠反射色和形态特征进行识别，但是由于人眼对不同形态的认知不同，识别结果存在一定的主观差异。此外，人眼对不同煤岩组分的反射色为定性化感知，对反射率信息利用不足。
而本发明采用的识别模式，将煤岩显微组分识别两大核心参数：对反射色和形态参数进行定量处理，并建立合理的、合乎逻辑的识别模式，极大提高的煤岩显微组分识别的精度，识别的速度也有明显的提高。这对实现煤岩显微组分智能化识别、降低测试主观影响、提高不同实验室的可对比度、提高测试效率均有显著的积极影响。
附图说明
图1为煤炭的四种宏观组分与三种微观组分(显微组分)之间的关系图；
图2为灰度累积频率曲线、其处理与区域划分；
图3为A区的进一步细分流程图；
图4为B区的进一步细分流程图；
图5为本发明一实施例获取的煤岩图像，其中上图为镜质组，下图为惰质组。
具体实施方式
下文将结合具体实施例对本发明的制备方法做更进一步的详细说明。应当理解，下列实施例仅为示例性地说明和解释本发明，而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。
下述实施例中所使用的实验方法如无特殊说明，均为常规方法；下述实施例中所用的试剂、材料等，如无特殊说明，均可从商业途径得到。
本发明的上述煤岩组分识别方法的一个具体实例为：
在ZEISS Imager A2m显微镜及PixeLink PL-B872显微数码相机采集煤岩图像。显微镜的入射光强以蓝宝石标准样品(标准物质编号：GBW13403，反射率标准值(Ro max)为0.59％)图像的灰度值为100(256灰阶)为标准，曝光时间选择100ms。拍摄的图像的灰阶为8位(256灰阶)，图像分辨率为1600×1200。
按照GB/T 8899-2013《煤的显微组分组和矿物测定方法》采集图像，点距和行距均为0.4mm～0.6mm，采集500幅图像。典型图像如图5所示，其中上图为镜质组，下图为惰质组。
按照上文所述的煤岩组分识别方法进行显微组分分离，结果如表2所示。
表2煤的显微组分组和矿物测定结果
Figure BDA0001855843470000161
Figure BDA0001855843470000171
以上，对本发明的实施方式进行了说明。但是，本发明不限定于上述实施方式。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种煤岩组分自动识别方法，其特征在于，所述方法包括：1)图像采集；2)灰度累积频率曲线的获取；3)灰度累积频率曲线的处理以及区域划分；4)显微组分的进一步细分；
其中，所述步骤3)包括：获取灰度累积频率曲线，对所述灰度累积频率曲线进行数学处理，所述数学处理包括平滑、作切线，若未得到3条切线，则停止；若得到3条切线，则继续下述步骤；得到所述3条切线后，所述3条切线相交形成2个交点，将灰度值大于上述2个交点中右侧交点的区域划分为A区，将灰度值在上述2个交点之间的区域划分为B区，将灰度值小于上述2个交点中左侧交点的区域划分为C+D区；
所述步骤4)包括：对于上述步骤3)的A区，进一步进行如下细分：判断是否有胞壁，有胞壁A1则判定为火焚丝质体和火焚半丝质体；无胞壁A2则判定为分泌体、粗粒体、微粒体、碎屑惰质体、氧化丝质体和氧化半丝质体；对于上述步骤3)的B区，进一步进行如下细分：判断球形度是否为1，是，则判定为团块镜质体B1；否，则判定为第一结构镜质体、均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体和碎屑惰质体B2；所述球形度定义为：球形度
Figure FDA0004148423170000011
其中，e：考察对象的球形度，S：考察对象的面积，C：考察对象的周长。
2.根据权利要求1所述的方法，其特征在于，在判定所述A1、所述A2区之后，所述步骤4)进一步包括：对于所述有胞壁A1部分，进一步判断是否反射率高且突起高，是，则判定为火焚丝质体A11；否，则判定为火焚半丝质体A12；对于所述无胞壁A2部分，进一步判断其球形度是否为1，是，则判定为分泌体、粗粒体、微粒体和碎屑惰质体A21；否，则判定为粗粒体、氧化丝质体和氧化半丝质体A22；对于所述A21部分，进一步判断其突起是否高，是，则判定为分泌体A211；否，则判定为粗粒体、微粒体和碎屑惰质体A212；对于所述A22部分，进一步判断其等效直径是否大于30μm，是，则判定为粗粒体A221；否，则判定为氧化丝质体和氧化半丝质体A222；对于所述A212部分，进一步判断其等效直径是否大于10μm，是，则判定为粗粒体A2121；否，则判定为微粒体或碎屑惰质体A2122；对于所述A2122部分，进一步判断其等效直径是否小于1μm，是，则判定为微粒体A21221；否，则判定为碎屑惰质体A21222；
所述“反射率高”的判定标准：若在灰度分布曲线右侧20％范围内，即256灰阶下灰度值大于205，则认为“反射率高”；否则，若在灰度分布曲线左侧80％范围内，即256灰阶下灰度值小于或等于205，则认为不满足“反射率高”；上述“突起高”的判断标准：以反射率梯度大为标准，若反射率梯度△≥0.05，则认为“突起高”，否则认为不满足“突起高”；所述“球形度”的定义如下：球形度
Figure FDA0004148423170000021
其中，e：考察对象的球形度，S：考察对象的面积，C：考察对象的周长；所述等效直径的计算方法为：等效直径＝组分的不规则面积/π。
3.根据权利要求1或2所述的方法，其特征在于，在判定所述B1、所述B2区之后，所述步骤4)进一步包括：对于所述B2部分，判断是否有细胞结构，是，则判定为第一结构镜质体B21；否，则判定为均质镜质体、胶质镜质体、基质镜质体、第二结构镜质体和碎屑惰质体B22；对于所述B22部分，判断其均质系数是否约为0.33，是，则判定为均质镜质体或胶质镜质体B221；否，则判定为基质镜质体、第二结构镜质体和碎屑惰质体B222；对于所述B221部分，判断其是否尺寸大，是，则判定为均质镜质体B2211；否，则判定为胶质镜质体B2212；对于所述B222部分，判断其等效直径是否小于10μm，是，则判定为碎屑镜质体B2221；否，则判定为基质镜质体和第二结构镜质体；
其中，所述均质系数＝灰度标准差/平均灰度；所述“尺寸大”的判定标准：若考察对象的长宽比L/W≥12，则认为“尺寸大”；否则，若考察对象的长宽比L/W<12，则认为不满足“尺寸大”；所述等效直径＝组分的不规则面积/π。
4.根据权利要求1或2所述的方法，其特征在于，将所述C+D区判定为低反射率矿物、壳质组和黏合胶。
5.根据权利要求1或2所述的方法，其特征在于，将所述C+D区进一步进行如下细分：在标准图像采集模式下，所述标准图像采集模式即蓝宝石标准样品图像的灰度值在256灰阶下为100、曝光时间为100ms，测试煤岩光片的灰度值，将灰度值低于40的部分判定为黏合胶区域，即D区，而灰度值大于等于40的区域判定为低反射率矿物和壳质组，即C区。
6.根据权利要求5所述的方法，其特征在于，所述C区的低反射率矿物的体积分数MM按照下面的方式确定：若显微组分和矿物的相对密度分别为1.35和2.8，所述低反射率矿物的质量分数＝1.08Ad+0.55St,d，其中，Ad——干燥基灰分产率质量分数；St,d——干燥基全硫含量质量分数，所述MM的计算公式如下：
Figure FDA0004148423170000031
若显微组分和矿物的相对密度不同于上述假定值，则用实际的显微组分相对密度替换上述公式中的1.35、用实际的矿物相对密度替换上述公式中的2.8。
7.根据权利要求1或2所述的方法，其特征在于，所述步骤1)包括：利用偏光显微镜显微数码摄像机进行图像采集，所述显微数码摄像机的灰阶至少在256灰阶的8位以上，图像分辨率至少1600×1200；按照GB/T 8899-2013《煤的显微组分组和矿物测定方法》测试图像采集的点距和行距，点距为0.4mm～0.6mm，行距不小于点距，保证至少500个有效测区均匀布满全片；图像采集条件为：显微镜的入射光强以蓝宝石标准样品为标准，曝光时间选择100ms；拍摄的图像为灰度图；所述蓝宝石标准样品即：标准物质编号GBW13403，反射率标准值Ro max为0.59％，图像的灰度值在256灰阶中为100。
8.根据权利要求1或2所述的方法，其特征在于，惰质组、镜质组、壳质组及均质镜质体的体积百分比按照如下公式计算：
Figure FDA0004148423170000041
Figure FDA0004148423170000042
壳质组＝100-惰质组-镜质组-MM，以上均为体积比，
Figure FDA0004148423170000043
其中，所述SA为所述A区中曲线与横轴之间部分的面积，所述SB为所述B区中曲线与横轴之间部分的面积，所述SC为所述C区中曲线与横轴之间部分的面积，所述MM(vol)定义为：
Figure FDA0004148423170000044
Figure FDA0004148423170000045
CN201811314253.0A 2018-11-06 2018-11-06 煤岩组分识别方法 Active CN111160064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811314253.0A CN111160064B (zh) 2018-11-06 2018-11-06 煤岩组分识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811314253.0A CN111160064B (zh) 2018-11-06 2018-11-06 煤岩组分识别方法

Publications (2)

Publication Number Publication Date
CN111160064A CN111160064A (zh) 2020-05-15
CN111160064B true CN111160064B (zh) 2023-05-02

Family

ID=70554361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811314253.0A Active CN111160064B (zh) 2018-11-06 2018-11-06 煤岩组分识别方法

Country Status (1)

Country Link
CN (1) CN111160064B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150579B (zh) * 2020-08-31 2024-03-26 中国煤炭地质总局勘查研究总院 高焦油产率煤炭资源的圈定方法及装置
CN113076832B (zh) * 2020-11-06 2022-07-08 长江大学 多模式有机组分显微识别方法
CN112710638B (zh) * 2020-12-19 2022-05-13 华中科技大学 基于光致发光光谱全面解析的煤质快速检测方法
CN113177965A (zh) * 2021-04-09 2021-07-27 上海工程技术大学 基于改进U-net网络的煤岩全组分提取方法及其应用

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4030837A (en) * 1975-09-29 1977-06-21 Nippon Steel Corporation Method and apparatus for automatically measuring distribution of reflectance of coals
CN1123910A (zh) * 1993-12-10 1996-06-05 索拉克有限公司 用于煤素质分析和测定煤中镜煤素质的反射率的自动方法
JP2006352601A (ja) * 2005-06-17 2006-12-28 Noritsu Koki Co Ltd 画像処理装置及びその方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4030837A (en) * 1975-09-29 1977-06-21 Nippon Steel Corporation Method and apparatus for automatically measuring distribution of reflectance of coals
CN1123910A (zh) * 1993-12-10 1996-06-05 索拉克有限公司 用于煤素质分析和测定煤中镜煤素质的反射率的自动方法
JP2006352601A (ja) * 2005-06-17 2006-12-28 Noritsu Koki Co Ltd 画像処理装置及びその方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
The concentrate ash content analysis of coal flotation based on froth images;Jiakun Tan 等;Minerals Engineering;第92卷;9-20 *
煤中有机显微组分自动识别初步研究;丁华 等;煤质技术(第01期);1-5 *
煤岩CT图像二值化阀值选取及三维重构技术研究;张青成 等;CT理论与应用研究;23(01);45-51 *

Also Published As

Publication number Publication date
CN111160064A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN111160064B (zh) 煤岩组分识别方法
Quinn Ceramic petrography: the interpretation of archaeological pottery & related artefacts in thin section
Tomer et al. Flow cytometric analysis of normal human megakaryocytes
CN106023158B (zh) Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法
Dayet et al. Manganese and iron oxide use at Combe-Grenal (Dordogne, France): A proxy for cultural change in Neanderthal communities
JP2014137344A (ja) 焼結鉱の顕微鏡画像解析方法
Koval et al. Optical microscopy as a new approach for characterising dust particulates in urban environment
CN105092461B (zh) 一种基于图像的金属腐蚀高通量表征实验装置
Senftle et al. Organic petrographic approach to kerogen characterization
Santacreu Identifying spathic calcite recipe in archaeological ceramics: possibilities and limitations
Donskoi et al. Novel developments in optical image analysis for iron ore, sinter and coke characterisation
CN111693736A (zh) 一种用于原子力显微镜表征的锂离子电池电极片的截面样品及其制备方法
Aiba et al. Dental microwear texture analysis in two ruminants, Japanese serow (Capricornis crispus) and sika deer (Cervus nippon), from central Japan
CN103983492B (zh) 一种玉石无损检测样品模型及其制作方法
Borrego et al. Influence of particle and surface quality on the vitrinite reflectance of dispersed organic matter: comparative exercise using data from the qualifying system for reflectance analysis working group of ICCP
O’Brien et al. Semi-automated petrographic assessment of coal by coal grain analysis
Hemleben Spine and pustule relationships in some recent planktonic foraminifera
Rorvik et al. Characterization of green anode materials by image analysis
CN107167400B (zh) 一种石油包裹体中原油密度的检测方法
de Villiers et al. Flow cytometry as an analytical method of drug-induced apoptosis in 3D bioprinted melanoma cells
Dugolinsky Chemistry and morphology of deep-sea manganese nodules and the significance of associated encrusting protozoans on nodule growth
CN203894090U (zh) 一种玉石无损检测样品模型
US8062894B2 (en) Generation of fluorescent microbead cellular surrogate standards
CN112284993A (zh) 一种白云岩中继承型孔隙识别方法
Hotta et al. Effect of dewaxing procedures of cold isostatically pressed silicon nitride ceramics on its microstructure and fracture strength

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant