基于深度学习的微细粒矿物识别研究
发布时间：2021-06-15 12:28
煤炭作为我国重要基础能源,在一次能源的生产消耗中长期占据主导地位。在煤炭的生成、开采过程中,不可避免的混入了各种矿物杂质,燃煤过程造成的环境污染大多与此有关。因此,利用分选加工方式去除煤中矿物,对煤炭进行洁净处理,是煤炭行业与环境和谐发展的必然选择。煤粉颗粒粒度分布与煤中矿物组分信息反映了煤炭分选的整体质量,随着人工智能的快速发展,将深度学习技术应用在煤炭分选加工过程中,可以获取准确的煤粉粒度及其组分信息,实现提高选煤生产效率,降低生产能耗,提升资源利用率的目标。煤粉颗粒粒度检测的前提为颗粒分割,但由于颗粒中存在相互粘连、粒度分布不均匀等问题,以及利用扫描电子显微镜采集细粒级煤粉图像时造成的边缘效应,传统图像分割算法很难达到理想的分割效果。针对现有算法的不足,本文提出了基于深度学习的煤粉颗粒分割算法,对颗粒图像进行准确分割;同时,为了评价选煤工艺的分选效果,判别选煤过程是否有效地去除了煤中矿物杂质,本文提出了基于深度学习的煤中组分识别算法,对选煤产物中各类矿物组分进行识别检测。本文具体的研究工作和创新点如下:一、针对煤粉颗粒分割过程中存在的颗粒粘连、小颗粒漏分割以及边缘定位不准问题,本...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
存在边缘效应的煤粉颗粒及其分水岭分割结果
2数据集及相关基础知识介绍11图2-1SEM采集的煤粉颗粒图像Figure2-1ImagesofpulverizedcoalparticlescollectedbySEM2.1.2煤中组分图像数据采集煤中矿物成分主要以无机质的形式赋存在煤中，工业上常通过测量选煤样品的灰分、硫分等来判断煤中矿物是否有效去除，但过程繁琐耗时，效率不高。随着现代分析仪器的快速发展，结合SEM背散射成像技术和能谱仪(EDS)元素分析技术可以快速直观的分析煤中硫、铁、硅等无机矿物的分布情况，对煤中矿物定性分析。本文煤中组分识别任务采集了煤炭分选产物的背散射图像及其能谱元素面分布图作为原始数据。煤中组分图像数据的收集，首先需要将样品通过Buehler公司生产的冷镶嵌机-真空渗透仪固定，在真空环境下将其镶入树脂中；然后利用自动磨抛机对镶嵌样品打磨抛光，制备成品；最后利用配备了EDS的SEM(Quanta250,FEI)采集样品表面的背散射图像和元素分布能谱图。在能谱分布图中，不同元素在显示器上以不同颜色显示其分布范围，煤中矿物由于其组成元素不同，可以通过元素能谱图识别图中各类矿物。最终在显示终端收集到100张高质量的矿物表面SEM背散射图像及其对应的元素分布能谱图，采集图片样例如图2-2、2-3所示，图2-2中(a)为选煤产物表面的背散射图像，(b)图为(a)图中各矿物的组成元素的元素面能谱分布图，图2-3为图2-2背散射图像中各矿物颗粒组成元素单独分布能谱图。(a)(b)图2-2煤中矿物背散射图像和元素面分布能谱图Figure2-2Backscatterimageandelementaldistributionenergyspectrumofmineralsincoal
2数据集及相关基础知识介绍11图2-1SEM采集的煤粉颗粒图像Figure2-1ImagesofpulverizedcoalparticlescollectedbySEM2.1.2煤中组分图像数据采集煤中矿物成分主要以无机质的形式赋存在煤中，工业上常通过测量选煤样品的灰分、硫分等来判断煤中矿物是否有效去除，但过程繁琐耗时，效率不高。随着现代分析仪器的快速发展，结合SEM背散射成像技术和能谱仪(EDS)元素分析技术可以快速直观的分析煤中硫、铁、硅等无机矿物的分布情况，对煤中矿物定性分析。本文煤中组分识别任务采集了煤炭分选产物的背散射图像及其能谱元素面分布图作为原始数据。煤中组分图像数据的收集，首先需要将样品通过Buehler公司生产的冷镶嵌机-真空渗透仪固定，在真空环境下将其镶入树脂中；然后利用自动磨抛机对镶嵌样品打磨抛光，制备成品；最后利用配备了EDS的SEM(Quanta250,FEI)采集样品表面的背散射图像和元素分布能谱图。在能谱分布图中，不同元素在显示器上以不同颜色显示其分布范围，煤中矿物由于其组成元素不同，可以通过元素能谱图识别图中各类矿物。最终在显示终端收集到100张高质量的矿物表面SEM背散射图像及其对应的元素分布能谱图，采集图片样例如图2-2、2-3所示，图2-2中(a)为选煤产物表面的背散射图像，(b)图为(a)图中各矿物的组成元素的元素面能谱分布图，图2-3为图2-2背散射图像中各矿物颗粒组成元素单独分布能谱图。(a)(b)图2-2煤中矿物背散射图像和元素面分布能谱图Figure2-2Backscatterimageandelementaldistributionenergyspectrumofmineralsincoal
【参考文献】：
期刊论文
[1]不同参数选择对场发射扫描电镜图像的影响[J]. 高翔,朱紫瑞,孙伟. 广州化工. 2019(18)
[2]燃煤电厂非传统大气污染物控制展望[J]. 王圣. 中国电力. 2018(08)
[3]基于深度学习U-Net模型的石块图像分割算法[J]. 徐江川,金国强,朱天奕,余芬芬,郭杰,金一,竺长安. 工业控制计算机. 2018(04)
[4]图像处理技术在矿石粒度检测中的应用[J]. 商梦石,贾瑞强,张海林. 矿产综合利用. 2016(06)
[5]基于小波域非对称广义高斯模型的煤岩识别算法[J]. 孙继平,陈浜. 煤炭学报. 2015(S2)
[6]筛分法测定钛精矿粒度分布[J]. 刁源生. 中国粉体技术. 2015(03)
[7]基于背散射电子图像的矿渣-水泥复合体系反应程度的定量分析[J]. 张倩倩,魏亚. 硅酸盐学报. 2015(05)
[8]背散射成像及能谱分析在细粒煤流化床分选中的应用[J]. 王震威,王帅,于冰,王超,魏华. 河北师范大学学报(自然科学版). 2014(03)
[9]分散类样品的扫描电镜图像缺陷原因及解决方法[J]. 唐晓山. 分析仪器. 2012(03)
[10]背散射电子图像分析在水泥基材料微观结构研究中的应用[J]. 王培铭,丰曙霞,刘贤萍. 硅酸盐学报. 2011(10)
博士论文
[1]基于机器视觉的煤质快速分析方法研究[D]. 张泽琳.中国矿业大学 2014
硕士论文
[1]破碎流程建模及优化技术研究[D]. 刘达.北京化工大学 2012
[2]基于数字图像处理的油菜种子信息研究[D]. 李锦卫.湖南农业大学 2007
[3]煤的可磨性指数变化及破碎机理研究[D]. 张妮妮.浙江大学 2006
本文编号：3231053
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
存在边缘效应的煤粉颗粒及其分水岭分割结果
2数据集及相关基础知识介绍11图2-1SEM采集的煤粉颗粒图像Figure2-1ImagesofpulverizedcoalparticlescollectedbySEM2.1.2煤中组分图像数据采集煤中矿物成分主要以无机质的形式赋存在煤中，工业上常通过测量选煤样品的灰分、硫分等来判断煤中矿物是否有效去除，但过程繁琐耗时，效率不高。随着现代分析仪器的快速发展，结合SEM背散射成像技术和能谱仪(EDS)元素分析技术可以快速直观的分析煤中硫、铁、硅等无机矿物的分布情况，对煤中矿物定性分析。本文煤中组分识别任务采集了煤炭分选产物的背散射图像及其能谱元素面分布图作为原始数据。煤中组分图像数据的收集，首先需要将样品通过Buehler公司生产的冷镶嵌机-真空渗透仪固定，在真空环境下将其镶入树脂中；然后利用自动磨抛机对镶嵌样品打磨抛光，制备成品；最后利用配备了EDS的SEM(Quanta250,FEI)采集样品表面的背散射图像和元素分布能谱图。在能谱分布图中，不同元素在显示器上以不同颜色显示其分布范围，煤中矿物由于其组成元素不同，可以通过元素能谱图识别图中各类矿物。最终在显示终端收集到100张高质量的矿物表面SEM背散射图像及其对应的元素分布能谱图，采集图片样例如图2-2、2-3所示，图2-2中(a)为选煤产物表面的背散射图像，(b)图为(a)图中各矿物的组成元素的元素面能谱分布图，图2-3为图2-2背散射图像中各矿物颗粒组成元素单独分布能谱图。(a)(b)图2-2煤中矿物背散射图像和元素面分布能谱图Figure2-2Backscatterimageandelementaldistributionenergyspectrumofmineralsincoal
2数据集及相关基础知识介绍11图2-1SEM采集的煤粉颗粒图像Figure2-1ImagesofpulverizedcoalparticlescollectedbySEM2.1.2煤中组分图像数据采集煤中矿物成分主要以无机质的形式赋存在煤中，工业上常通过测量选煤样品的灰分、硫分等来判断煤中矿物是否有效去除，但过程繁琐耗时，效率不高。随着现代分析仪器的快速发展，结合SEM背散射成像技术和能谱仪(EDS)元素分析技术可以快速直观的分析煤中硫、铁、硅等无机矿物的分布情况，对煤中矿物定性分析。本文煤中组分识别任务采集了煤炭分选产物的背散射图像及其能谱元素面分布图作为原始数据。煤中组分图像数据的收集，首先需要将样品通过Buehler公司生产的冷镶嵌机-真空渗透仪固定，在真空环境下将其镶入树脂中；然后利用自动磨抛机对镶嵌样品打磨抛光，制备成品；最后利用配备了EDS的SEM(Quanta250,FEI)采集样品表面的背散射图像和元素分布能谱图。在能谱分布图中，不同元素在显示器上以不同颜色显示其分布范围，煤中矿物由于其组成元素不同，可以通过元素能谱图识别图中各类矿物。最终在显示终端收集到100张高质量的矿物表面SEM背散射图像及其对应的元素分布能谱图，采集图片样例如图2-2、2-3所示，图2-2中(a)为选煤产物表面的背散射图像，(b)图为(a)图中各矿物的组成元素的元素面能谱分布图，图2-3为图2-2背散射图像中各矿物颗粒组成元素单独分布能谱图。(a)(b)图2-2煤中矿物背散射图像和元素面分布能谱图Figure2-2Backscatterimageandelementaldistributionenergyspectrumofmineralsincoal
【参考文献】：
期刊论文
[1]不同参数选择对场发射扫描电镜图像的影响[J]. 高翔,朱紫瑞,孙伟. 广州化工. 2019(18)
[2]燃煤电厂非传统大气污染物控制展望[J]. 王圣. 中国电力. 2018(08)
[3]基于深度学习U-Net模型的石块图像分割算法[J]. 徐江川,金国强,朱天奕,余芬芬,郭杰,金一,竺长安. 工业控制计算机. 2018(04)
[4]图像处理技术在矿石粒度检测中的应用[J]. 商梦石,贾瑞强,张海林. 矿产综合利用. 2016(06)
[5]基于小波域非对称广义高斯模型的煤岩识别算法[J]. 孙继平,陈浜. 煤炭学报. 2015(S2)
[6]筛分法测定钛精矿粒度分布[J]. 刁源生. 中国粉体技术. 2015(03)
[7]基于背散射电子图像的矿渣-水泥复合体系反应程度的定量分析[J]. 张倩倩,魏亚. 硅酸盐学报. 2015(05)
[8]背散射成像及能谱分析在细粒煤流化床分选中的应用[J]. 王震威,王帅,于冰,王超,魏华. 河北师范大学学报(自然科学版). 2014(03)
[9]分散类样品的扫描电镜图像缺陷原因及解决方法[J]. 唐晓山. 分析仪器. 2012(03)
[10]背散射电子图像分析在水泥基材料微观结构研究中的应用[J]. 王培铭,丰曙霞,刘贤萍. 硅酸盐学报. 2011(10)
博士论文
[1]基于机器视觉的煤质快速分析方法研究[D]. 张泽琳.中国矿业大学 2014
硕士论文
[1]破碎流程建模及优化技术研究[D]. 刘达.北京化工大学 2012
[2]基于数字图像处理的油菜种子信息研究[D]. 李锦卫.湖南农业大学 2007
[3]煤的可磨性指数变化及破碎机理研究[D]. 张妮妮.浙江大学 2006
本文编号：3231053
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3231053.html
