基于改进差分进化粒子群的煤尘颗粒图像辨识

来源期刊：煤炭学报2020年第2期

论文作者：王征 潘红光

文章页码：695 - 702

关键词：重叠颗粒;图像特性;边缘特征;支撑区域;全局最优;

摘    要：为实现煤尘融合区域内单个颗粒准确分离,进一步明确煤尘特性参数图像分析内在机理,构建改进差分进化粒子群模型（IDE-PSO,全称Improved Differential Evolution Particle Swarm Optimization）对煤尘颗粒群基本形态特征进行研究。指出颗粒分离过程可分为3个阶段:①分析煤尘特性参数变化规律,建立图像特性模型,根据煤尘物理特性参数确定颗粒群重叠域;②推导图像参数和煤尘特性的关系表达式,定位边缘特征点,实现边缘平滑处理并在重叠域边缘特征点内提取重叠颗粒交点计算模型;③确定粒子群各行粒子适应度函数值,更新粒子群位置矩阵,获取粒子群全局最优位置交点,运用改进差分进化粒子群算法实现煤尘重叠颗粒分离。结果表明:通过参数模型建立颗粒群基本形态特征判定规则;通过特征点定位,可剔除大多数干扰点,交点提取计算量明显降低,利于寻找有效交点;理论计算模型加入变异算子可保证粒子群多样性,避免粒子过早收敛。当粒径<20μm时,提出算法模型的识别率为80.85%,随粒径范围增大到粒径<75μm时,提出算法模型的识别率为86.54%,当75μm<粒径<200μm和粒径> 200μm时,提出的模型算法的识别率分别为88.04%和91.16%,与其他识别算法相比,改进算法对煤尘颗粒图像识别精度具有明显优势。在煤尘物理特性分析的基础上,建立图像特性分析模型,推导出其图像参数和煤尘特性的关系表达式,易于编程实现,在矿山实际运用中具有较强的可行性,也为以后煤尘爆炸浓度检测可靠性研究提供了借鉴。