基于数字图像的煤岩辨识系统综述

基于数字图像的煤岩辨识系统综述
摘要：在煤矿开采过程中，为将煤与矸石区分开来，提出了以人工智能、模式识别为理论基础，以数字图像处理为关键技术，并引用傅里叶变换作为图像处理的核心算法，以ARM主控板为开发平台的煤岩辨识系统。

该系统以CMOS摄像头采集煤矿开采过程中的图像，通过对图像的分析，来确定采煤机滚筒的路径。

关键词：煤岩辨识数字图像处理ARM 傅立叶变换
Abstract:In the coal mining process, a new coal and rock recongnition system is proposed to distinguish between coal and rock, based on the principle of artificial intelligence and pattern recognition as the theoretical foundation. Fourier transform are described as the digital image processing key technique. The suggested coal and rock recongnition system is realized in the smart ARM development platform. Finally,determining the path of the drum shearer is through the analysis of image which captured by CMOS cameras in the mining process.
Key words:coal and rock recongnition;digital image processing;ARM;Fourier transform
煤炭是中国的主要能源之一。

煤矸石是煤矿生产过程中排放量最大的固体废物，也是中国工业固体废物中产生量和堆积量最大的固体废物，产量一般为煤炭产量的10%左右。

在当今强调科学发展的大环
境中，传统的采煤方法带来大量废弃物已不适用于现代社会，因此，采用先进的方法在煤矿开采过程中，将煤与矸石区分开来，是清洁能源开采的主要手段之一。

采煤机是一个集机械、电气和液压为一体的大型复杂系统，它是煤炭开采的重要设备之一，机械化采煤可以减轻工人体力劳动，保障工人安全，提高工作效率以及降低能源消耗，其自动化程度直接影响到采煤效率的高低。

采煤机智能化的关键技术之一就是实现采煤机滚筒的智能调高，其依据在于煤炭和岩石的自动辨识。

数字图像就是二维平面上的灰度分布。

数字图像处理，也称之为计算机图像处理。

其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力。

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。

如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。

为此，提出了一种以人工智能、模式识别为理论基础，以数字图像处理为关键技术，并引用傅立叶变换作为图像处理的核心算法，以ARM主控板为开发平台的煤岩界面识别系统，该系统以CMOS摄像头采集煤矿开采过程中的图像，通过对图像的分析，来确定采煤机滚筒的路径。

1 系统总体结构
本课题根据人工智能理论，采用模式识别原理和数字图像处理技术，以ARM 微控制器和傅里叶变换算法为核心构建煤岩辨识系统。

其设计方案如图1。

其工作过程是：通过CMOS图像传感器采集到的连续匀速图像存放到ARM的外部SDRAM中，由ARM处理器对所采集到的图像经过傅立叶变换算法处理，根据处理后的结果来判断是否控制滚筒的调高机构，同时将采集到的图像通过无线射频模块传输到PC机显示并存储，以实现遥观和遥控。

2 系统硬件设计
根据实验的要求，利用ARM为主控板搭建的系统硬件电路框架图如图2所示。

ARM主控板采用外部8M无源晶振，采用具有静电防护的5V线性电源供电，图像传感器将采集到的图像存入到外部SDRAM中，由ARM处理器对所采集到的图像进行小波变换，对变换结果进行分析，以此来作为是否调高滚筒的依据。

同时，将所采集到的图像通过DMA 传送方式将所采集到的图像传送到PC机中，以便在PC机中实时观看所采集到的图像。

滚筒调高机构通过ARM控制器的IO口控制相应的继电器，并采用相应的位置传感器来反馈滚筒的高度，以实现滚筒上下运动的闭环控制。

利用Protel DXP 2004软件里设计绘制的部分硬件连接电路如图3所示。

3 CMOS图像传感器
CMOS的输出速度快，功耗低，成本低，体积小，与周边电路的整合性高。

本系统需要采集和处理的图片数据量大，需要输出速率快的传感器，而且图像质量可以通过软件技术进行质量提高，因此，本系统选用CMOS图像传感器。

CMOS的每个感光元件都有放大器和数模转换器，因此其感光后产生的模拟电信号直接被本像素的放大器所放大和被数模转换器进行转换，从而直接输出的是数字信号。

CMOS图像传感器芯片的工作原理如图4所示。

OV7725 CMOS图像传感器。

OV7725是一款集成度比较高的的低压CMOS彩色图像传感器，OV7725提供了全景、子采样或者窗口
化的8位/10位范围的图像采集，它们通过图像传输总线SCCB控制。

OV7725可以操作最多达到60帧/s的图像数据输出。

OV7725以OmniVision的OmniPixel(TM)专利技术为基础，使用专有的传感器技术，通过减少或消除普通照明/电源等图像影响，改善了图像质量，如固定模式噪声、拖尾效应等，弱光环境中也能提供卓越的性能，这对煤矿井下的实际生产环境有较强的适应性。

4 傅里叶变换
傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。

而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。

从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。

换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

5 ARM
ARM架构（又称进阶精简指令集）是一个32位的精简指令集（RISC）处理器架构，由于其低成本、高性能、低功耗的特点，被
广泛应用在嵌入式设计中。

STM32F103ZET6芯片是ST公司（意法半导体公司）生产的基于32位Cortex-M3内核的增强型ARM内核的微处理器(图7）。

由OV7725 CMOS图像传感器获得的煤岩图像，将采集到的图像存于ARM的外部SDRAM中，由ARM处理器对图像进行傅里叶变换处理。

ARM对输入的图像信息进行处理识别，一方面将处理后的数据传送到PC机存储显示，实现中控室的遥观和遥控；一方面把执行命令传送给滚筒调高机构，控制滚筒的自动调高。

6 实验结果
煤岩分界辨识系统通过CMOS图像采集模块实现采煤工作面图像采集，结合嵌入式微控制器技术与傅里叶变换方法实现对数字图像的去噪、边缘检测、图像分割等处理，通过基于RS-232C串口通信协议实现图像处理模块与计算机的通信，使图像处理结果能由上位机显示存储，便于遥观、遥控。

本系统使用Bayes Shrink阈值方法去除图像噪声，经计算，原始信号与估计信号的均方误差为12.350，信噪比（SNR）为21.265?dB，峰值信噪比（PSNR）为34.745 dB；边缘检测主要实现抽取反映灰度变化的边界点和边界点的修补，系统利用傅里叶变换算法实现图像的纹理分析和边缘提取，(图6、7)为使用煤块图片进行识别测试的结果，结果表明通过利用傅里叶变换，可以有效的检测图像分割需要的边缘
信息。

煤岩界面识别实验采用从内蒙古神东矿区采集的带有煤岩结合部的煤炭样品，运用建立的图像采集及处理系统，在实验室环境下进行了煤岩图像的采集及处理实验，其部分实验结果如图所示，图8为原始图片，图9为初步去噪和边缘识别后的图片，图10为图像分割处理后的图片，实验表明系统可以有效识别煤岩界面，并能在一定程度上避免光照，灰尘等噪声对检测结果的影响，具有识别准确性高、抗干扰能力强的特点。

7 结语
本实验系统是以人工智能、模式识别为理论基础，以数字图像处理为关键技术，并引用傅里叶变换作为图像处理的核心算法，以ARM 实验板为开发平台的煤岩界面识别系统。

利用计算机技术对工业图像
进行处理、识别，以达到对图像某种特征的解释，并且根据处理结果做出判断，根据判断结果由控制设备发出指令进而控制机械机构做出相应的动作。

这种检测方法可以取代落后的人工检测，节省人力资源，提高生产效率。

随着计算机软件和硬件的快速发展，图像智能识别技术越来越广泛地应用到工业现场中。

参考文献
[1] 张瑞峰，詹敏晶.实用数字信号处理从原理到应用[M].北京：人民邮电出版社，2010.
[2] 陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向[J].吉首大学学报(自然科学版)，2009(1).
[3] 胡胜，杨雷，宋跃，等.基于ARM&FPGA的CCD图像识别装置[J].仪表技术与传感器，2012(2).
[4] 李昂，程耕国.ARM处理器启动过程详述[J].冶金自动化，2009(S1).
[5] 孙继平.基于图像识别的煤岩界面识别方法研究[J].煤炭科学技术，2011(2).。