目錄
前言
第1章 放頂煤開采技術(shù)概述 1
1.1 放頂煤開采技術(shù)原理及發(fā)展 1
1.1.1 放頂煤開采原理 1
1.1.2 綜放工作面作業(yè)流程 2
1.2 放煤理論及放煤工藝 3
1.2.1 四要素放煤理論 3
1.2.2 常見放煤工藝 3
1.3 智能放煤技術(shù)進展 10
1.3.1 智能放煤關(guān)鍵技術(shù) 10
1.3.2 智能放煤技術(shù)難點與分類 13
1.3.3 非圖像識別智能放煤技術(shù)進展 14
參考文獻 17
第2章 煤巖數(shù)字圖像處理基礎(chǔ) 18
2.1 數(shù)字圖像基本概念 18
2.1.1 模擬圖像與數(shù)字圖像 18
2.1.2 數(shù)字圖像相關(guān)概念 18
2.1.3 數(shù)字圖像特點 21
2.2 煤巖圖像獲取 23
2.2.1 圖像采集設(shè)備及參數(shù)選擇 23
2.2.2 多角度成像與光譜成像技術(shù) 25
2.2.3 紅外成像技術(shù) 25
2.2.4 煤巖圖像采集的環(huán)境因素 26
2.3 煤巖圖像預(yù)處理 27
2.3.1 圖像灰度化的基本原理與方法 27
2.3.2 灰度直方圖 29
2.3.3 圖像二值化處理的常用算法 30
2.3.4 圖像幾何變換與校正 35
2.3.5 圖像直方圖均衡化 40
2.3.6 圖像噪聲模型 42
2.3.7 圖像去噪方法 47
2.3.8 圖像偽彩色處理方法 55
2.3.9 運動模糊圖像的復(fù)原方法 59
2.4 煤巖圖像特征提取 66
2.4.1 邊緣檢測方法 66
2.4.2 灰度、紋理特征 72
2.4.3 形態(tài)學(xué)特征提取 74
2.4.4 角點檢測 77
2.4.5 基于小波變換的特征提取 78
2.4.6 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取 80
2.5 煤巖圖像壓縮與存儲 80
2.5.1 圖像壓縮算法 80
2.5.2 圖像存儲格式與數(shù)據(jù)傳輸 81
2.5.3 煤巖壓縮質(zhì)量與圖像信息的權(quán)衡 81
參考文獻 82
第3章 煤流圖像增強與去噪 84
3.1 放煤過程圖像采集環(huán)境 84
3.1.1 光照環(huán)境 84
3.1.2 粉塵環(huán)境 85
3.1.3 煤流堆積與運動 86
3.2 最優(yōu)光照環(huán)境設(shè)置 86
3.2.1 煤巖圖像特征的照度影響機制 86
3.2.2 照度非接觸測量與動態(tài)精準調(diào)控方法 98
3.2.3 照度調(diào)控的感光度與快門速度平替策略 120
3.3 放煤過程粉塵分布與運移規(guī)律 127
3.3.1 風(fēng)速測點與粉塵濃度測點布置 127
3.3.2 風(fēng)速與粉塵濃度分布規(guī)律 129
3.3.3 放煤過程粉塵運移規(guī)律 130
3.4 機器視覺系統(tǒng)表面自清潔技術(shù) 131
3.4.1 表面自清潔技術(shù)概述 131
3.4.2 射流自清潔技術(shù) 133
3.4.3 多功能表面超聲波自清潔技術(shù) 137
3.4.4 激光與靜電自清潔技術(shù) 142
3.4.5 靜電清潔技術(shù) 143
3.5 基于可見光與近紅外融合的去塵去霧技術(shù) 144
3.5.1 圖像配準 144
3.5.2 圖像融合 145
3.6 基于偏振信息的去霧技術(shù) 146
3.6.1 光場電磁學(xué)基礎(chǔ) 146
3.6.2 偏振成像系統(tǒng) 150
3.6.3 偏振去霧原理 151
3.7 “液體介入+紅外檢測”煤巖識別技術(shù) 152
參考文獻 152
第4章 煤流含矸率檢測 155
4.1 煤流含矸率檢測基本問題 155
4.1.1 圖像分割的定義 155
4.1.2 圖像分割算法的評價指標 155
4.1.3 不同場景下的煤巖圖像 156
4.2 基于經(jīng)典算法的煤巖圖像分割 157
4.2.1 煤巖圖像分割方法選擇 157
4.2.2 基于大津法的煤巖圖像分割 159
4.2.3 基于分水嶺算法的煤巖圖像分割 161
4.3 基于深度學(xué)習(xí)的煤巖圖像分割 162
4.3.1 深度學(xué)習(xí)分割網(wǎng)絡(luò)模型選取 162
4.3.2 網(wǎng)絡(luò)模型優(yōu)化 172
4.3.3 網(wǎng)絡(luò)模型參數(shù)設(shè)置 174
4.3.4 識別結(jié)果分析 175
4.3.5 煤流含矸率檢測優(yōu)化方法 190
4.4 煤巖塊體重建 191
4.4.1 煤巖塊體重建概述 191
4.4.2 實驗材料與設(shè)備 192
4.4.3 煤巖塊體三角網(wǎng)格模型計算 193
4.4.4 煤巖塊體高精度重建算法框架 195
4.4.5 算法的實現(xiàn) 195
4.4.6 模型生成結(jié)果 206
4.4.7 誤差分析 208
4.4.8 算法運行時間統(tǒng)計 214
4.5 煤巖塊體擴增 215
4.5.1 煤巖塊體擴增概述 215
4.5.2 實驗材料與設(shè)備 216
4.5.3 煤巖塊體形態(tài)學(xué)基因定點誘變技術(shù) 216
4.5.4 結(jié)果與分析 227
4.5.5 形態(tài)學(xué)基因定點誘變的應(yīng)用 237
4.6 煤巖塊體形態(tài)學(xué)研究 244
4.6.1 煤巖塊體形態(tài)學(xué)研究概述 244
4.6.2 實驗材料與設(shè)備 246
4.6.3 煤巖塊體三角網(wǎng)格模型構(gòu)建 246
4.6.4 算法的實現(xiàn) 247
4.6.5 算法運行時間統(tǒng)計 257
4.7 煤巖塊體體積預(yù)測 258
4.7.1 煤巖塊體二維投影圖像獲取方法 258
4.7.2 網(wǎng)格面數(shù)選擇 259
4.7.3 投影方式確定 260
4.7.4 煤巖塊體二維、三維Wadell圓度關(guān)系 263
4.7.5 煤巖塊體二維投影面積與三維體積關(guān)系 264
4.7.6 煤巖塊體不同維度形態(tài)學(xué)特征分布 264
4.7.7 煤巖塊體體積預(yù)測模型 267
4.8 智能放煤煤流內(nèi)部體積含矸率預(yù)測研究 268
4.8.1 綜放工作面數(shù)值計算模型的建立 268
4.8.2 研究思路 272
4.8.3 “疊壓”因素影響下的體積含矸率預(yù)測 273
4.8.4 煤流體積含矸率預(yù)測 282
參考文獻 289
第5章 復(fù)雜外觀條件下煤巖識別 291
5.1 復(fù)雜外觀條件下含矸率檢測精度保障策略 291
5.2 基于聲振信號的復(fù)雜外觀條件含矸率檢測 293
5.2.1 煤巖聲振信號采集與處理 293
5.2.2 試驗概況 294
5.2.3 聲振信號處理 297
5.2.4 聲振信號的時域分析 297
5.2.5 聲振信號頻域分析 300
5.2.6 聲振信號語譜圖分析 303
5.2.7 聲振信號識別 306
5.3 基于XRF的復(fù)雜外觀條件含矸率檢測 308
5.3.1 實驗材料 308
5.3.2 比重測量設(shè)備與流程 310
5.3.3 灰分含量測定設(shè)備與流程 311
5.3.4 化學(xué)元素含量無損測定設(shè)備與流程 313
5.3.5 煤巖混合樣本制備 315
5.3.6 化學(xué)元素含量、比重與灰分關(guān)系 316
5.3.7 均質(zhì)煤巖混合樣本含矸率檢測 318
5.3.8 煤巖塊體混合樣本含矸率檢測 320
5.4 基于DE-XRT的復(fù)雜外觀條件含矸率檢測 321
5.4.1 試驗材料 321
5.4.2 比重、灰分與化學(xué)元素測量設(shè)備與流程 322
5.4.3 雙能X射線透射成像設(shè)備與流程 322
5.4.4 煤巖混合樣本制備 325
5.4.5 煤巖塊體混合樣本含矸率檢測 326
參考文獻 329
第6章 系統(tǒng)開發(fā)與應(yīng)用 330
6.1 智能放煤應(yīng)用 330
6.1.1 C礦122105綜放工作面智能放煤 330
6.1.2 B礦81202綜放工作面智能放煤 333
6.1.3 W礦91208綜放工作面智能放煤 337
6.2 限高開采應(yīng)用 340
6.2.1 M礦I0216302工作面概況 340
6.2.2 工作面采煤方法與配套設(shè)備 341
6.2.3 智能放煤設(shè)備與技術(shù)參數(shù) 341
6.2.4 應(yīng)用效果 343
參考文獻 345