煤矸分选机器人图像识别方法和系统 论文

现有煤矸分选主要有人工分选和机械分选，这些方式存在劳动强度大、能耗高、易造成环境污染等问题。近年来，煤矸分选机器人的研究受到业内广泛关注。在煤矸分选机器人技术中，煤矸的准确识别是一个关键且具有较大难度的问题。

研究人员针对这一挑战，研究了基于图像的煤矸识别方法，并开发了相应的识别系统。系统的核心是图像识别技术，通过非线性低通滤波等方法对采集到的图像进行降噪处理，最终得出最佳处理效果。在实验室搭建的图像采集系统中，研究团队选取了韩城矿区的煤和矸石样本，通过系统获取样本图像并建立了样本图像库。随后，研究人员分析了煤和矸石在灰度和纹理方面的物理特性，得出了在灰度和纹理参数上的显著差异。灰度均值和最大频数对应的灰度值在灰度分析中具有更高的区分度，而纹理对比度和熵则在纹理分析中表现出更高的区分效果。

为了提高识别精度，研究团队选择了最小二乘支持向量机（LS-SVM）作为煤和矸石图像识别的分类器，并通过不同特征参数组合对分类器进行训练。使用灰度均值和最大频数对应的灰度值组成的灰度特征，纹理对比度和熵组成的纹理特征，以及最大频数对应的灰度值和纹理对比度组成的联合特征作为输入向量，分别对分类器进行训练和优化。有关具体的煤矸分选识别代码，可在此处获取更多信息。

若对灰度图像识别技术有更深入的兴趣，相关内容可参阅此链接。所述的图像识别方法在其他领域如水下巡检机器人和煤矿救援机器人环境目标图像识别中也有类似应用，进一步彰显了该技术的广泛适用性。