煤岩界面的高光谱识别原理

被引:31
作者
杨恩
王世博
葛世荣
张昊
机构
[1] 中国矿业大学机电工程学院
基金
国家重点研发计划;
关键词
高光谱; 煤岩识别; 差异谱带; 识别模型;
D O I
暂无
中图分类号
TD821 [煤矿开采理论]; TQ533 [煤的分析与检验];
学科分类号
081901 [采矿工程]; 082903 [林产化学加工工程];
摘要
为研究以物性成分为辨识依据的煤岩高光谱识别技术,对来自我国不同煤矿生产线的煤岩试样在350~2 500 nm波段范围进行了反射光谱的采集。通过分析代表性样品的光谱反射率曲线,得出了煤岩的主要吸收谱带,发现了岩在2 200 nm附近表现为强吸收,而煤在此波长点附近吸收不明显,原因为岩中含Al-OH振动结构的矿物含量较高,而煤中此类矿物含量较低。以此2 200 nm附近煤岩吸收差异性为煤岩识别的基本原理,通过初步预处理和包络线去除预处理的方法,在全波段和2 150~2 250 nm吸收谷特征谱带,采用了4种识别算法模型,对训练集光谱数据进行训练,预测测试集光谱类型。测试集试样类型总体识别精度达到90%左右,且具有较好的一致性,识别速度达到毫秒级,实时性好,这些原理和识别方法为实际工程应用提供了参考。
引用
收藏
页码:646 / 653
页数:8
相关论文
共 11 条
[1]
基于Curvelet变换和压缩感知的煤岩识别方法 [J].
伍云霞 ;
张宏 .
煤炭学报, 2017, 42 (05) :1331-1338
[2]
光谱特征提取对近似矿物光谱差异性影响分析.[J].赵恒谦;赵学胜;岑奕;杨杭;.光谱学与光谱分析.2017, 03
[3]
岩矿石NIR光谱特征与地球化学异常成分之间的关系:以内蒙古朱拉扎嘎金矿为例 [J].
丛丽娟 ;
贾志业 ;
梁秀娟 ;
夏玲燕 ;
李逸川 ;
余学中 ;
赵廷严 .
地学前缘, 2017, 24 (05) :299-305
[4]
煤岩界面识别的声学建模 [J].
杨文萃 ;
邱锦波 ;
张阳 ;
张福建 ;
刘星 .
煤炭科学技术, 2015, 43 (03) :100-103
[5]
基于小波的煤岩图像特征抽取与识别 [J].
孙继平 ;
佘杰 .
煤炭学报, 2013, 38 (10) :1900-1904
[6]
基于主成分分析和BP神经网络的煤岩界面识别 [J].
张宁 ;
任茂文 ;
刘萍 .
工矿自动化, 2013, 39 (04) :55-58
[7]
近红外分析中光谱预处理及波长选择方法进展与应用 [J].
褚小立 ;
袁洪福 ;
陆婉珍 .
化学进展, 2004, (04) :528-542
[8]
基于切割力响应的煤岩界面识别技术研究 [J].
廉自生 ;
刘混举 ;
李文英 .
山西机械, 1999, (02)
[9]
The ASTER spectral library version 2.0.[J].A.M. Baldridge;S.J. Hook;C.I. Grove;G. Rivera.Remote Sensing of Environment.2008, 4
[10]
RBF神经网络学习算法在模式分类中的应用研究 [D]. 
穆云峰 .
大连理工大学,
2006