环境保护与资源综合利用技术

现阶段选煤厂筛选煤矸石的技术手段还处于人工筛选或者基于深度学习和普通工业相机下拍摄可见光图像的煤矸石识别阶段，一方面人工筛选工作效率不高，另一方面可见光图像容易受光照、粉尘等环境因素影响，而且部分煤和矸石在灰度纹理等特征上区别度明显不够，影响识别准确率。与之前的筛选方式相比，基于热图像和深度学习的煤矸石筛选系统采用热成像技术改进用于深度学习的数据集的识别特征，其穿透力强，受粉尘影响小，耗能小、不受光照影响，由于煤和矸石的比热容和热导率存在差异，受热以后煤和矸石在具有温差的情况下图像可辨识度强，利用深度学习从热图像RGB颜色平面提取颜色特征和纹理特征、联合使用彩色纹理特征、量化的彩色图像中计算灰度纹理特征，其识别率可以极大提高。 本项目针对选煤厂生产效率不高、识别率低等问题，在图像数据集源头展开创新性改进，针对煤和矸石的比热容和热导率差异，利用微波加热技术对煤和矸石进行穿透加热，在短时间内可以实现煤和矸石具有温度差异，利用红外摄像机进行图像捕捉，结合神经网络训练模型，可以实现高效准确识别，不仅可以提高矸石的识别准确率，而且还能提高生产效率。经过调研，目前该技术并没有大范围应用，属于筛选煤矸石领域的独特技术。

煤炭是我国的第一能源，在国民经济发展中扮演着十分重要的角色。中国是世界煤炭生产和消费第一大国，2021年中国煤炭生产量41.3亿吨，比上年增长5.7%。实现绿色煤炭生产是适应社会发展、符合现代化生产需求的发展理念，相关的煤炭生产、加工、运输是绿色煤炭发展的核心。为基于热图像的煤矸石筛选技术的推广将颠覆现有筛选煤矸石的技术，实现识别准确率上的巨大突破，一旦准确率实现突破，产品的产量得到提高可带来经济效益的提高。应用人工智能与大数据筛选的整个系统可替代传统煤矸石筛选方式，逐步工业化实现产业升级。 此外，应用热成像技术的筛选方式还可以推广至矿井下面，在井下实现矸石的挑选，挑选完毕后可直接将矸石填于井下，取代矸石运输至井上筛选再回填井下环节，降低井上运输矸石的能源消耗，提高经济效益。如此一来，进一步提高了基于热图像的煤矸石筛选系统的工业地位和意义。不仅如此，此系统不仅可以应用于煤矿行业，还可推广至其他矿产资源和工业物料的分选之中，为其他行业提高经济效益。一旦在选煤领域展开创新性应用，其优势将会被发掘，在其他相关领域也将快速发展。