论文部分内容阅读
煤炭占中国能源的75%以上,是当今和未来几十年内中国最主要的能源。燃烧是煤炭最主要的利用方式,劣质煤在燃烧过程中释放的有害物质造成了严重的环境污染,通过煤炭燃前分选加工以获取洁净燃料是解决这一问题的合理选择。煤矸石分选是煤矿生产过程中不可缺少的环节,特别是在当今强调实行友好环境生产以及社会和谐相处,实现科学的可持续发展的前提下,该项生产环节显得尤为重要。传统的选煤理论和技术面临着严峻的挑战,因而,采用先进方法将矸石从煤中挑选出来,成为洁净煤分选中的重要课题之一。为此,提出了以人工智能、模式识别为理论基础,以数字图像处理为关键技术,并引用小波分析作为图像处理的核心算法,以Smart ARM2200为开发平台的煤矸石自动分选的解决方案。本文针对煤矸石图像处理过程中存在的问题,研究了煤矸石的数字特征,利用小波的“显微镜”特性和类人视觉特点解决煤矸石的分析和识别问题,以提高系统的识别能力,主要通过图像平滑、快速多尺度边缘检测、自适应阈值图像分割、EZW图像压缩、灰度比较,对煤矸石图像进行了处理,提取了煤矸石的特征,并计算出其特征值作为识别分选的依据。理论分析和研究结果表明,采用小波变换的方法处理煤矸石图像,可以有效地提高煤矸石的识别率。本系统硬件方面以Smart ARM2200实验板为开发平台,把小波变换理论和最先进的电子信息技术相结合,完成了一套全新的煤矸石在线实时自动识别分选系统的设计。设计时充分利用了开发板上丰富的资源,在节约了成本、缩短了开发周期的同时有效地提高了煤矸石的识别可靠性。最后并对该系统进行了测试,结果表明,系统能够达到预期的目的。