CN114387428A - 基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 - Google Patents
基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 Download PDFInfo
- Publication number
- CN114387428A CN114387428A CN202111510475.1A CN202111510475A CN114387428A CN 114387428 A CN114387428 A CN 114387428A CN 202111510475 A CN202111510475 A CN 202111510475A CN 114387428 A CN114387428 A CN 114387428A
- Authority
- CN
- China
- Prior art keywords
- coal
- millimeter wave
- ore
- dimensional image
- antenna array
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波成像和光学图像的煤矸石识别方法、计算机装置和存储介质,煤矸石识别方法包括对煤矿石进行毫米波成像,获得毫米波数据,对毫米波数据进行三维重建,获得三维图像,从三维图像中提取出二维图像,根据二维图像中的像素值分布,识别出煤矿石的成分等步骤。本发明能够通过二维图像的像素点的幅度展示煤矿石中的煤矸石成分和煤炭成分;由于是利用了煤炭成分和煤矸石成分的电磁散射特性实现高效准确的识别,因此受光照等环境因素的干扰程度低,而且毫米波属于非电离辐射,不会对人体健康产生损害,避免对煤矿石进行化学试验,污染程度低,对环境友好。本发明广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种基于毫米波成像和光学图像的煤矸石识别方法、计算机装置和存储介质。
背景技术
在开采的原始煤矿石中常常含有一定量的煤矸石,其主要成分是Al2O3、SiO2、S以及其它重金属,煤炭与煤矸石的混合物在燃烧过程中会释放有害物质,污染环境,因此,煤炭与煤矸石的区分对于提高煤炭质量与燃烧效率、预防大气污染与保护环境等方面都具有重要意义。
现有的煤矸石识别技术一直面临着一些技术难题。例如,采用人工分拣的方式需要高昂的人力成本;诸如X射线、γ射线、激光射线等射线投射技术中的射线属于电离辐射,会损害工作人员的健康;湿法选煤是目前广泛使用的煤矸石识别技术之一,但需要消耗大量的水资源,且产生的污水等废弃物会对环境造成污染。综上所述,传统煤矸石识别方法难以同时满足高效、准确、安全、环保的需求。
发明内容
针对上述难以高效、准确、安全、环保地识别煤矿石中的煤矸石等至少一个技术问题,本发明的目的在于提供一种基于毫米波成像和光学图像的煤矸石识别方法、计算机装置和存储介质。
一方面,本发明实施例包括一种基于毫米波成像和光学图像的煤矸石识别方法,包括:
对煤矿石的目标区域进行毫米波成像,获得毫米波数据;
对所述毫米波数据进行三维重建,获得三维图像,并压缩为二维图像;
获得煤矿石的目标区域的光学图像,并提取煤矿石的轮廓;
估计煤矿石的煤炭含量,区分煤炭和煤矸石。
进一步地,所述对煤矿石进行毫米波成像,获得毫米波数据,包括:
设置毫米波天线阵列;所述毫米波天线阵列包括多个自发自收的天线阵元;
控制所述毫米波天线阵列向所述煤矿石发射毫米波信号;
控制所述毫米波天线阵列接收所述煤矿石反射的回波信号;
对所述回波信号进行处理,获得基带信号;所述基带信号作为所述毫米波数据。
进一步地,所述毫米波信号是线性调频信号。
进一步地,所述对所述毫米波数据进行三维重建,获得三维图像,并压缩为二维图像包括:
对所述基带信号进行所述天线阵元的成像孔径的二维傅里叶变换;
将所述二维傅里叶变换的结果与相乘后,进行从非均匀ky到均匀ky的插值;其中,e表示自然对数的底,j表示虚数单位,ky表示所述毫米波信号在垂直于所述毫米波天线阵列所在平面的方向上的波数,R0表示所述煤矿石的中心点到所述毫米波天线阵列所在平面的距离;
对所述插值的结果进行以所述毫米波信号的波数为参数的三维逆傅里叶变换,获得所述三维图像。
对所述三维图像,在距离维取最大值,获得所述二维图像;所述距离维是垂直于所述毫米波天线阵列所在平面的维度。
进一步地,所述获得煤矿石的光学图像,并提取煤矿石的轮廓,包括:
利用光学摄像头获得煤矿石的光学图像;
随机选择起始的种子像素;
计算种子像素与相邻8像素的灰度值之差,合并相同区域的像素;
提取煤矿石的轮廓。
进一步地,所述估计煤矿石的煤炭含量,区分煤炭和煤矸石,包括:
识别出所述二维图像中的第一区域和第二区域;所述第一区域为所述二维图像中煤矿石轮廓内像素值幅度小于阈值的像素组成的区域,所述第二区域为所述二维图像中煤矿石轮廓内像素值幅度不小于所述阈值的像素组成的区域;
将所述第一区域确定为对应所述煤矿石中由煤炭成分组成的区域;
将所述第二区域确定为对应所述煤矿石中由煤矸石成分组成的区域。
进一步地,所述基于毫米波成像和光学图像的煤矸石识别方法还包括:
计算第一比值和第二比值;所述第一比值为所述第一区域的面积与所述煤矿石轮廓内面积的比值,所述第二比值为所述第二区域的面积与所述煤矿石轮廓内面积的比值;
将所述第一比值确定为所述煤矿石中的煤炭含量;
将所述第二比值确定为所述煤矿石中的煤矸石含量。
进一步地,所述基于毫米波成像和光学图像的煤矸石识别方法还包括:
识别出所述煤矿石中的煤炭和煤矸石;所述煤炭为所述二维图像中煤炭含量大于阈值的煤矿石,所述煤矸石为所述二维图像中煤炭含量不大于阈值的煤矿石。
另一方面,本发明实施例还包括一种计算机装置,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行实施例中的基于毫米波成像和光学图像的煤矸石识别方法。
另一方面,本发明实施例还包括一种存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行实施例中的基于毫米波成像和光学图像的煤矸石识别方法。
本发明的有益效果是:实施例中的基于毫米波成像和光学图像的煤矸石识别方法,利用了煤矿石中的煤炭成分和煤矸石成分对毫米波的电磁波散射特性存在明显差异,通过对煤矿石进行毫米波成像并进一步处理得到二维数据,将煤炭成分和煤矸石成分的差异体现在二维图像的像素点值特征中,从而能够通过二维图像的像素点的幅度展示煤矿石中的煤矸石成分和煤炭成分。结合光学图像中的轮廓提取方法,可以估计煤矿石的煤炭含量,从而区分煤炭和煤矸石。由于是利用了煤炭成分和煤矸石成分的电磁散射特性实现高效准确的识别,因此受温度等环境因素的干扰程度低,而且毫米波属于非电离辐射,不会对人体健康产生损害,避免对煤矿石进行化学试验,污染程度低,对环境友好。
附图说明
图1为实施例中基于毫米波成像和光学图像的煤矸石识别方法的流程图;
图2为实施例中基于毫米波成像和光学图像的煤矸石识别方法的原理图;
图3为实施例中一种用来执行基于毫米波成像和光学图像的煤矸石识别方法的装置结构图;
图4为图3中的装置工作原理图;
图5为实施例中进行毫米波成像的煤矿石实物图;
图6为实施例中对煤矿石实物进行毫米波成像处理所得的二维图像示意图;
图7为对图6进行轮廓提取的效果图;
图8为识别出图6中的煤炭含量并标记出来的效果图。
具体实施方式
本实施例中,参照图1,基于毫米波成像和光学图像的煤矸石识别方法包括以下步骤:
S1.对煤矿石的目标区域进行毫米波成像,获得毫米波数据;
S2.对毫米波数据进行三维重建,获得三维图像,并压缩为二维图像;
S3.获得目标区域的光学图像,并提取煤矿石的轮廓;
S4.估计煤矿石的煤炭含量,区分煤炭和煤矸石。
在执行步骤S1,也就是对煤矿石进行毫米波成像,获得毫米波数据这一步骤时,具体可以执行以下步骤:
S101.设置毫米波天线阵列;毫米波天线阵列包括多个自发自收的天线阵元;
S102.控制毫米波天线阵列向煤矿石发射毫米波信号;
S103.控制毫米波天线阵列接收煤矿石反射的回波信号;
S104.对回波信号进行处理,获得基带信号;基带信号作为毫米波数据。
步骤S1中,煤矿石的目标区域可以是指毫米波天线阵列发射信号所指向的区域,步骤S3中在获得光学图像时,将视野设定为将目标区域包括在内。
步骤S101中,可以参照图2设置毫米波天线阵列。图2中,毫米波天线阵列包括多个自发自收的天线阵元,每个天线阵元以一个黑点表示。各天线阵元都在一个平面上,各天线阵元之间分布形成一个矩形阵列。图2中的椭球表示一块煤矿石。以煤矿石中的一点为原点,具体地可以选择煤矿石的几何中心为原点,建立xyz空间直角坐标系,其中垂直于毫米波天线阵列所在平面的轴为y轴,x轴和z轴形成的平面与毫米波天线阵列所在平面平行,且各个天线阵元分别沿着平行于x轴和z轴的方向排布。固定毫米波天线阵和煤矿石的位置和朝向,建立坐标系之后,煤矿石的重心到毫米波天线阵列所在平面之间的距离为定值R0。煤矿石表面的点可以表示为坐标(x,y,z),天线阵元所在位置可以表示为坐标(x′,R0,z′)。
步骤S102中,所使用的毫米波天线阵列使用了主动式毫米波成像技术,可以主动向煤矿石发射毫米波信号,然后在步骤S103中,由毫米波天线阵列接收煤矿石反射的回波信号。其中,可以使用频率为30GHz-100GHz的线性调频信号作为毫米波信号。也可以使用被动式毫米波成像技术的毫米波天线阵列,毫米波天线阵列本身不向煤矿石发射毫米波信号,只是接收煤矿石辐射出的或者反射的毫米波信号。
步骤S104中,毫米波天线阵列将接收到的回波信号发送到计算机或者专用的设备中,由计算机或者专用设备对回波信号进行降噪和解调等处理,获得基带信号。所获得的基带信号可以作为步骤S2-S4中所要处理的毫米波数据,因此本实施例中可以不区分基带信号和毫米波数据。
在执行步骤S2,也就是对毫米波数据进行三维重建,获得三维图像,并压缩为二维图像这一步骤时,具体可以执行以下步骤:
S201.对基带信号进行天线阵元的成像孔径的二维傅里叶变换;
S203.对插值的结果进行以毫米波信号的波数为参数的三维逆傅里叶变换,获得三维图像。
步骤S201-S203的原理可以通过以下公式表示:
该公式中,g(x,y,z)表示图2所示坐标系中,重建所得的三维图像对应煤矿石表面点(x,y,z)处的值,因此g(x,y,z)中的坐标(x,y,z)遍历煤矿石的部分或者全部表面时,全体g(x,y,z)能够表示三维图像。s(x′,z′,k)表示(x′,z′)处的毫米波数据,k=2πf/c,其中f为毫米波信号的频率,c为光速。
FFTx,z{·}表示成像孔径的二维傅里叶变换,即FFTx,z[s(x′,z′,k)]表示步骤S201中在xz平面对基带信号s(x′,z′,k)进行二维傅里叶变换。
因子中,e表示自然对数的底,j表示虚数单位,ky表示毫米波信号在垂直于毫米波天线阵列所在平面的方向上,即图2中y方向上的波数,即毫米波信号的波数k在y轴的分量,同理也有波数k在x轴的分量kx以及波数k在z轴的分量kz,满足
表示步骤S202中,将二维傅里叶变换的结果FFTx,z[s(x′,z′,k)]与因了相乘后,进行从非均匀ky到均匀ky的插值。 表示步骤S203中,对插值的结果进行以毫米波信号的波数kx、ky和kz为参数的三维逆傅里叶变换,获得三维图像g(x,y,z)。
步骤S201-S203的原理在于:所要获得的三维图像g(x,y,z)实际上可以理解为煤矿石表面点(x,y,z)的散射系数,而毫米波信号的波数为k时,毫米波天线阵列上的点(x′,z′)(毫米波天线阵列上的点的y坐标为定值,可以不考虑)接收到的基带信号可以表示为复信号s(x′,z′,k),从而表示为s(x′,z′,k)=∫∫∫g(x,y,z)e-j2kRdxdydz,该三重积分的积分限是煤矿石表面的部分或全部,其中R表示目标到阵元直接的双程距离,满足对基带复信号s(x′,z′,k)的水平维即图2中的x方向,以及竖直维即图2中的z方向,做二维傅里叶变换可以得到相应的频域信号,该过程通过公式表示为:
基于驻定相位原理,可以得到:
因此,重建后的三维图像可以表示为:
S204.以平行于毫米波天线阵列所在平面的方向,从三维图像中提取二维数据,获得二维图像。
执行步骤S204时,可以从三维图像中提取对应y坐标为定值的二维数据,每个y坐标的定值对应一个二维图像,通过设置一个或多个具体的y坐标值,可以从三维图像中提取出一个或多个二维图像。可选地,可以从三维图像中提取出距离维最大处的二维数据,即对应y坐标值最大的二维数据作为二维图像。
由于煤矿石中,煤炭成分和煤矸石成分对毫米波的电磁波散射特性存在明显差异,因此毫米波成像处理所得的三维数据中,由煤炭成分反射毫米波形成的回波信号对应的部分,与煤矸石成分反射毫米波形成的回波信号对应的部分的数据特征也有显著不同,其可以体现在二维图像的像素点值特征中,具体地,可以通过二维图像的像素点的幅度区分该像素点是对应煤矸石成分反射毫米波形成的信号还是煤炭成分反射毫米波形成的信号。
在执行步骤S3,也就是获得煤矿石的光学图像,并提取煤矿石的轮廓时,具体可以执行以下步骤:
S301.通过光学摄像头获得煤矿石的光学图像;
S302.随机对光学图像进行扫描,找到一个还没有赋予属性的像素作为种子像素,设该像素为(x0,y0);
S303.以(x0,y0)为中心,判断(x0,y0)的8邻域像素(x,y)与种子像素的灰度值之差的绝对值是否小于某个阈值,如果满足条件,将(x,y)与(x0,y0)合并,同时将(x,y)压入堆栈;
S304.从堆栈中取出一个像素,把它当作(x0,y0)返回到步骤S303;
S305.当堆栈为空时返回到步骤S302;
S306.重复步骤S302-S305直到光学图像中的每个点都有归属时,生长结束。
通过执行步骤S301-S306,可以获得光学图像中煤矿石的轮廓,进而可以确定毫米波图像中煤矿石的轮廓。
在执行步骤S4,也就是估计煤矿石的煤炭含量,区分煤炭和煤矸石时,具体可以执行以下步骤:
S401.识别出二维图像中的第一区域和第二区域;第一区域为二维图像中像素值幅度小于阈值的像素组成的区域,第二区域为二维图像中像素值幅度不小于阈值的像素组成的区域;
S402.将第一区域确定为对应煤矿石中由煤炭组成的区域;
S403.将第二区域确定为对应煤矿石中由煤矸石组成的区域。
二维图像中的各像素点的幅度可以通过0-255的灰度值表示,也可以归一化后以0-1的数值表示。步骤S401中,可以对二维图像中的各像素点的幅度以归一化数值0-1表示,其中0表示最深,1表示最浅。可以设定一个阈值,例如0.6,如果二维图像中一个像素点的像素值幅度小于该阈值,那么可以判断该像素点属于第一区域,反之判断该像素点属于第二区域,从而将二维图像划分为第一区域和第二区域。本实施例中,煤矿石中的煤炭成分反射的毫米波回波信号对应较深的像素点,煤矿石中的煤矸石成分反射的毫米波回波信号对应较浅的像素点,因此步骤S402中,将第一区域确定为对应煤矿石中由煤炭组成的区域,步骤S403中,将第二区域确定为对应煤矿石中由煤矸石组成的区域。在输出二维图像后,无论是通过肉眼还是通过计算机图像识别,都可以直观快速地判断出二维图像中对应煤炭成分的部分以及对应煤矸石成分的部分。
本实施例中,在执行步骤S1-S4的基础上,还可以执行以下步骤:
步骤S404中,S1为煤矿石轮廓内第一区域的面积,S2为煤矿石轮廓内第二区域的面积,在近似认为煤矿石中煤炭和矸石的质量比例均匀分布的情况下,可以不考虑y轴维度,因此第一比值可以表示煤矿石中的煤炭含量,第二比值可以表示煤矿石中的煤矸石含量,通过执行步骤S404,可以在不对煤矿石进行化验的情况下,估算煤矿石中煤炭和煤矸石的含量。
S405.若某块煤矿石中的煤炭含量大于某个阈值,则判定该块矿石属于煤炭;否则属于煤矸石。
本实施例中,也可以使用如图3所示的装置,来代替图2所示的毫米波天线阵列,执行本实施例中的基于毫米波成像和光学图像的煤矸石识别方法。图3中,l表示煤矿石,2表示一维毫米波天线阵列,3表示光学摄像头,4表示传送带,5表示计算机,7表示为天线阵列支架。其中,传送带4形成的平面与xz平面平行,一维毫米波天线阵列2包括多个沿着x轴分布的毫米波天线阵元。计算机5可以控制一维毫米波天线阵列2、光学摄像头3、传送带4的工作,天线阵列支架7可以将一维毫米波天线阵列2支撑在距离传送带所在平面上方R0处。
煤矿石1安放在传送带4上,以传送带4上安放的多块煤矿石1作为所要进行毫米波成像的视野来看,当传送带沿着z轴方向运动的时候,传送带4上安放的多块煤矿石1相对一维毫米波天线阵列2运动,相当于一维毫米波天线阵列2扫过传送带4上安放的多块煤矿石1,因此如图4所示,一维毫米波天线阵列2等效成为一个与xz平面平行的二维毫米波天线阵列,从而形成图2所示的毫米波天线阵列与煤矿石之间的位置关系。根据上述对基于毫米波成像和光学图像的煤矸石识别方法的原理说明,可知图3所示的装置能够执行本实施例中的基于毫米波成像和光学图像的煤矸石识别方法,而且通过传送带4的运动来使一维毫米波天线阵列2等效成二维毫米波天线阵列,能够避免设置过多的毫米波天线阵元,降低装置的复杂度。
以下通过实验来验证本实施例中的基于毫米波成像和光学图像的煤矸石识别方法的可行性。采用32~37GHz频段的毫米波信号,天线阵元采用线极化的的波导缝隙天线,竖直方向的采样点为383个,采样间距为5mm,水平方向的采样点为251个,采样间距4mm;即图2中每列沿着z轴分布的天线阵元中包含383个天线阵元,相邻的两个天线阵元之间的距离为5mm,每行沿着x轴分布的天线阵元中包含251个天线阵元,相邻的两个天线阵元之间的距离为4mm。
为了提高效率,可以参照图5,将25块煤矿石嵌套在泡沫板上,平行于毫米波天线阵列放置,泡沫板与毫米波天线阵列的间距为0.5m。这样,可以控制毫米波天线阵列同时对25块煤矿石进行毫米波成像,而不用对各块煤矿石逐块进行成像。同时对25块煤矿石进行成像,并经过步骤S1-S3处理所得到的二维图像中,可以分割成25份,每份分别与相应的一块煤矿石对应。
图5中,每块煤矿石上都有标记,其中,经过测定,煤炭用符号“C”标记,煤矸石用符号“S”标记,无法区分的煤矿石用符号“?”标记。
对图5所示的25块煤矿石同时毫米波成像的结果如图6所示。从图6中可以看出,煤炭与煤矸石的像素幅度有着明显的区别,表明了步骤S1-S2的可行性。
对图5进行轮廓提取,所得结果如图7所示。从图7中可以看出,采样的轮廓提取算法可以从煤矿石的光学图像中准确地提取出煤矿石的轮廓,表明了步骤S3的可行性。
直观地,可以取一个固定的阈值区分煤矿石中的煤炭成分和煤矸石成分,例如将阈值设置为0.6。在矿石边缘清晰可辨的条件下,可以根据像素幅度的分布进一步地估计每块矿石的煤炭含量,标注在图6中每块煤矿石的左上角,得到如图8所示的直观显示结果,使得本技术领域人员能够从图8快速了解到各块煤矿石中的煤炭含量和煤矸石含量。
同时,从图5和图8可以看出,煤炭和煤矸石的煤炭含量有着明显的区别,可以设置一个固定的阈值以区分煤炭和煤矸石,例如将阈值设置为0.65。当煤炭含量大于0.65时,判定该块煤矿石为煤炭,否则为煤矸石。
可以通过编写执行本实施例中的基于毫米波成像和光学图像的煤矸石识别方法的计算机程序,将该计算机程序写入至计算机装置或者存储介质中,当计算机程序被读取出来运行时,执行本实施例中的基于毫米波成像和光学图像的煤矸石识别方法,从而实现与实施例中的基于毫米波成像和光学图像的煤矸石识别方法相同的技术效果。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本实施例描述的过程的操作,除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,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,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述基于毫米波成像和光学图像的煤矸石识别方法包括:
对煤矿石的目标区域进行毫米波成像,获得毫米波数据;
对所述毫米波数据进行三维重建,获得三维图像,并压缩为二维图像;
获得所述目标区域的光学图像,并提取煤矿石的轮廓;
估计煤矿石的煤炭含量,区分煤炭和煤矸石。
2.根据权利要求1所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述对煤矿石的目标区域进行毫米波成像,获得毫米波数据,包括:
设置毫米波天线阵列;所述毫米波天线阵列包括多个自发自收的天线阵元;
控制所述毫米波天线阵列向所述煤矿石发射毫米波信号;
控制所述毫米波天线阵列接收所述煤矿石反射的回波信号;
对所述回波信号进行处理,获得基带信号;
所述基带信号作为所述毫米波数据。
3.根据权利要求2所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述毫米波信号是线性调频信号。
5.根据权利要求1所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述从所述三维图像中提取出二维图像,包括:
以平行于所述毫米波天线阵列所在平面的方向,从所述三维图像中提取二维数据,获得所述二维图像;所述二维图像为所述三维图像中距离维最大处的二维数据;所述距离维是垂直于所述毫米波天线阵列所在平面的维度。
6.根据权利要求1所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述获得所述目标区域的光学图像,并提取煤矿石的轮廓,包括:
利用光学摄像头获得煤矿石的光学图像;
随机选择起始的种子像素;
计算种子像素与相邻8像素的灰度值之差,合并相同区域的像素;
提取煤矿石的轮廓。
7.根据权利要求1所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述估计煤矿石的煤炭含量,区分煤炭和煤矸石,包括:
识别出所述二维图像中的第一区域和第二区域;所述第一区域为所述二维图像中煤矿石轮廓内像素值幅度小于阈值的像素组成的区域,所述第二区域为所述二维图像中煤矿石轮廓内像素值幅度不小于所述阈值的像素组成的区域;
将所述第一区域确定为对应所述煤矿石中由煤炭成分组成的区域;
将所述第二区域确定为对应所述煤矿石中由煤矸石成分组成的区域。
8.根据权利要求7所述的基于毫米波成像和光学图像的煤矸石识别方法,其特征在于,所述估计煤矿石的煤炭含量,区分煤炭和煤矸石,还包括:
计算第一比值和第二比值;所述第一比值为所述第一区域的面积与所述煤矿石轮廓内面积的比值,所述第二比值为所述第二区域的面积与所述煤矿石轮廓内面积的比值;
将所述第一比值确定为所述煤矿石中的煤炭含量;
将所述第二比值确定为所述煤矿石中的煤矸石含量;
将所述煤炭含量大于阈值的煤矿石判定为煤炭;
将所述煤炭含量不大于阈值的煤矿石判定为煤炭。
9.一种计算机装置,其特征在于,包括存储器和处理器,所述存储器用于存储至少一个程序,所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述基于毫米波成像和光学图像的煤矸石识别方法。
10.一种存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项所述的基于毫米波成像和光学图像的煤矸石识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111510475.1A CN114387428A (zh) | 2021-12-10 | 2021-12-10 | 基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111510475.1A CN114387428A (zh) | 2021-12-10 | 2021-12-10 | 基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387428A true CN114387428A (zh) | 2022-04-22 |
Family
ID=81195534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111510475.1A Pending CN114387428A (zh) | 2021-12-10 | 2021-12-10 | 基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387428A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338732A (zh) * | 2016-08-23 | 2017-01-18 | 华讯方舟科技有限公司 | 一种毫米波三维全息成像方法及*** |
CN110807428A (zh) * | 2019-11-05 | 2020-02-18 | 南方科技大学 | 煤类样品的识别方法、装置、服务器及存储介质 |
CN112102288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 水体识别和水体变化检测方法、装置、设备及介质 |
CN112541886A (zh) * | 2020-11-27 | 2021-03-23 | 北京佳力诚义科技有限公司 | 一种激光雷达和相机融合人工智能矿石识别方法和装置 |
CN213409465U (zh) * | 2020-09-25 | 2021-06-11 | 安徽新同力智能装备有限公司 | 智能矿物分选装置 |
-
2021
- 2021-12-10 CN CN202111510475.1A patent/CN114387428A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106338732A (zh) * | 2016-08-23 | 2017-01-18 | 华讯方舟科技有限公司 | 一种毫米波三维全息成像方法及*** |
CN110807428A (zh) * | 2019-11-05 | 2020-02-18 | 南方科技大学 | 煤类样品的识别方法、装置、服务器及存储介质 |
CN112102288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 水体识别和水体变化检测方法、装置、设备及介质 |
CN213409465U (zh) * | 2020-09-25 | 2021-06-11 | 安徽新同力智能装备有限公司 | 智能矿物分选装置 |
CN112541886A (zh) * | 2020-11-27 | 2021-03-23 | 北京佳力诚义科技有限公司 | 一种激光雷达和相机融合人工智能矿石识别方法和装置 |
Non-Patent Citations (1)
Title |
---|
王贺 等: "图像处理与识别技术在煤矿矸石自动分选***中的应用研究", 《电子测试》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI566204B (zh) | 三維物件識別技術 | |
US20150253863A1 (en) | Image Processor Comprising Gesture Recognition System with Static Hand Pose Recognition Based on First and Second Sets of Features | |
US10621740B2 (en) | 3D modeling method based on point cloud data | |
CN103971127B (zh) | 一种前视雷达成像海面目标关键点检测识别方法 | |
EP3136392A1 (en) | Method and system for embedding and retrieving information through marker transformation | |
KR20190092550A (ko) | 전자파 흡수율(sar) 요건들을 충족시키도록 송신기 출력 전력을 제한하기 위한, 인체에 대한 휴대용 디바이스들의 송신기 안테나들의 근접도의 결정 | |
CN107680125B (zh) | 在视觉***中自动选择三维对准算法的***和方法 | |
WO2018196245A1 (zh) | 一种近景微波成像方法及*** | |
CN114283155B (zh) | 矿石图像的分割方法、装置及计算机可读存储介质 | |
CN107079112B (zh) | 一种分割图像数据的方法、***及计算机可读存储介质 | |
US20140254324A1 (en) | System and method for classification of objects from 3d reconstruction | |
CN108202328B (zh) | 机器人自适应取放物体的方法、装置、机械臂及存储介质 | |
Saab et al. | Novel RFID-based pose estimation using single stationary antenna | |
CN112508926A (zh) | 金属冲压件表面划痕检测方法、***、装置和存储介质 | |
Karakuş et al. | A generalized Gaussian extension to the Rician distribution for SAR image modeling | |
CN110392239B (zh) | 指定区域监控方法及装置 | |
CN112154479A (zh) | 提取特征点的方法、可移动平台及存储介质 | |
CN114387428A (zh) | 基于毫米波成像和光学图像的煤矸石识别方法、装置和存储介质 | |
JP6185807B2 (ja) | シワ状態分析方法及びシワ状態分析装置 | |
CN110879397B (zh) | 障碍物识别方法、设备、存储介质及装置 | |
JPWO2019234852A1 (ja) | レーダ信号画像化装置、レーダ信号画像化方法およびレーダ信号画像化プログラム | |
JP5640345B2 (ja) | 信号特定装置及び方法並びに信号特定制御プログラム | |
CN116299441A (zh) | 逆合成孔径雷达图像序列的三维重构方法、装置及介质 | |
US20230045344A1 (en) | Generation of synthetic images of abnormalities for training a machine learning algorithm | |
CN113409270B (zh) | 一种粗骨料粒形级配分析方法、装置及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220422 |
|
RJ01 | Rejection of invention patent application after publication |