当前位置：首页 > 产品中心

煤矸石检测r射线

煤矸石检测r射线

安徽理工大学：郭永存教授——煤矸双能X射线图像多维度分析

2021年3月5日本方法通过联合多张图像的多个特征,进行多维度分析,发现R值图像特征和高能图像特征对煤和矸石的区分度最好,可有效降低双能X射线缺陷影响,能以较少的特征,实现对不同 2020年12月17日设计了一个基于多光谱图像的煤矸石检测模型,其目的是快速、准确地为智能分选提供煤矸石位置。首先,采集煤和煤矸石的多光谱数据,利用最佳指数因子理论从多光谱多光谱波段筛选的煤矸石快速定位 Researching2020年1月20日从煤矸石识别特征出发，对煤矸石识别方法的研究现状进行了总结，列举了密度识别法、硬度识别法等以密度、硬度等为识别特征的煤矸石识别方法，以及射线识别法、图像煤矸石识别方法研究现状与展望2023年3月16日利用Geant4模拟技术手段，验证了R值法在煤和双能X射线煤矸石识别方法中的有效性，探索了影响R值的特征因素。实验中采用控制变量法研究了煤矸石的厚度和形状对R阈基于Geant4模拟双能X射线R值法的煤矸石鉴别

一种基于深度学习的煤矸石检测方法

2020年8月10日本文旨在利用目标检测原理,通过机器视觉技术实现煤与矸石混合体中矸石的智能检测,可以为选煤环节的分拣机器人提供算法支撑。选煤厂视觉环境复杂,受光照条件制约以及 2022年10月21日针对双能X射线煤矸石分离技术对粒度为5~15 mm的煤矸石识别精度低的问题，提出了基于X射线透射和衍射相结合的煤矸石识别方法。提出了原则。基于X射线透射原理基于X射线透射和衍射原理相结合的煤矸石识别方法研究 2015年11月12日基于双能榭线的煤矸石在线自动分选系统孔力彭钢刘文中华中科技大学控制科学与工程系．湖北武祝)摘要：本文论述了研制成功的煤矸石在线自动分选系统的构成和在线识别原理以及测量误差分析一该系统的主要特点在于采用了双能埘线透射法，从而有效基于双能γ射线的煤矸石在线自动分选系统豆丁网2017年2月28日系统的主要目标是实现对煤和矸石的识别和分选，提高煤的质量及更有效地利用矸石。系统分为3个部分 [5] ：检测部分、识别控制部分和执行分选部分。 (1) 检测部分：包括胶带传感器、X射线源、X射线线阵探测器XCard 基于X射线和机器视觉的煤与矸石分选系统设计

基于目标检测网络的煤矸石识别 University of Jinan

2023年7月26日 22 目标检测网络的搭建现有的研究中使用的煤矸识别深度网络模型大多数是基于已有模型(VGG16、 LeNet)针对具体的煤矸石数据集进行1层或2层的改变，且完成的是分类任务，并没有对图像中煤矸石的具体位置进行定位。2022年10月17日文章浏览阅读35k次，点赞4次，收藏26次。本文介绍了CT与DR双能X射线物质识别算法在工业选煤、稀土分拣、毒爆检测、垃圾分类等领域的应用。通过物质的X射线衰减特性，结合康普顿效应和光电效应，实现物质的非入侵式识别。文中探讨了CT与DR CT与DR双能X射线物质识别算法实现与应用（工业选煤 2024年8月15日 X射线荧光光谱仪(XRF): 用于快速、无损地分析煤矸石的元素组成,特别适合主量元素的测定。现代XRF仪器通常配备波长色散和能量色散两种系统,可以同时分析多种元素。电感耦合等离子体质谱仪(ICPMS): 用于高灵敏度、多元素同时分析,特别适合微量元素和痕量元素的测煤矸石检测项目服务百家号摘要：论述了双能γ射线透射法煤矸石在线识别与分选系统的原理,判别模型和构成其主要特点在于此方法有效地解决了对不同粒度煤和矸石的组分识别问题测试结果及长期运行表明,其识别准确率达93%以上双能γ射线透射法煤矸石在线识别与分选系统百度学术

多光谱波段筛选的煤矸石快速定位 Researching

2020年12月17日摘要煤矿的现代化建设需要实现煤矸石的智能分选。设计了一个基于多光谱图像的煤矸石检测模型, 传统方法是利用射线识别煤矸石 [910],成本高且会产生辐射。随着计算机技术的发展,基于成像技术的煤矸石识别已得到 2024年7月31日明确煤矸石重金属元素质量分数对淋滤效果的影响，并对比不同岩性煤矸石重金属的释放规律，为环境污染防治和综合利用提供科学依据。1 材料与试验 11 样品准备试验样品分别来自伊犁皮里青矿区侏罗中统西山窑组C5和C6煤层顶板煤矸石C62R、C55新疆地区不同岩性煤矸石重金属元素释放规律研究2019年7月13日为实现本发明提供的上述各种方法区分煤和矸石，本发明提供的一种x射线对煤和矸石进行检测区分的装置，包括 x射线装置，能够发出连续能谱的扇形x射线，其高压可根据煤矸石的大小进行适当调整；控制箱，包括：控制一种x射线检测区分煤和矸石的方法及装置与流程2020年8月27日摘要目前，煤矸石利用是固废处置与利用的重要内容之一，煤矸石的综合利用与其矿石性质密切相关，但对煤矸石各组分的嵌布关系，元素分布、物相存在形式、微观形貌等相关研究较少。文章针对我国朔州地区煤矸石开展工艺矿物学研究，采用我国朔州地区煤矸石的矿物学特征及煅烧组分变化

X射线荧光光谱技术发展现状及在煤质检测中的应用

2024年2月10日 X射线荧光光谱技术发展现状及在煤质检测中的应用马克富1,2，龚婉莉1,2 （1 煤炭科学技术研究院有限公司，北京；2 国家煤炭质量检验检测中心，北京）摘要：X射线荧光光谱法（XRF）无源检测技术以分析速度快、非破坏性、分析元素2021年8月6日 X射线荧光光谱分析(XRF)是在ARLAdvant’XIntellipower™ 3600型扫描X射线荧光光谱仪上通过分别在不同块状的煤矸石上进行混合取样，将混合样磨碎呈粉状进行测试记录的；X射线衍射(XRD)是在D8ADVANCEX射线衍射仪上调整角度范围为10度~80度扫面测试 −1一种煤矸石的成分分析与组份鉴定 Composition Analysis 2022年10月10日煤矸石是采煤过程和洗煤过程中排放的固体废物，是一种在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石。包括巷道掘进过程中的掘进矸石、采掘过程中从顶板、底板及夹层里采出的矸石以及洗煤过程中挑煤矸石检测项目及标准方法详细汇总知乎但双能X射线探测器采集射线能量数据存在余晖效应、厚度效应和射束硬化效应等缺陷。为降低缺陷影响，提高煤和矸石识别率，提出一种联合R值图像与高、低能图像特征对煤和矸石进行多维度分析的方法。煤矸双能X射线图像多维度分析识别方法中国煤炭行业知识

基于双能γ射线透射法的煤矸石在线组分识别与分选系统理论

2014年8月29日华中理工大学博士学位论文基于双能γ射线透射法的煤矸石在线组分识别与分选系统理论及实现姓名：****学位级别：博士专业：控制理论与控制工程指导教师：**江2000111华中科技大学博士学位论文摘要潍研究课题来源于原煤炭工业部“八五”攻关项目。PDF On Jan 1, 2021, 悦李 published Composition Analysis and Component Identification of a Kind of Coal Gangue Find, read and cite all the research you need on ResearchGateComposition Analysis and Component Identification of a 中科检测是专业煤矸石检测第三方检测机构，可为您提供煤矸石检测咨询、报价及检测检验服务。可根据国家、行业标准出具专业煤矸石检测报告，检测报告结果客观公正、标准可靠，具有CMA、CNAS资质。煤矸石检测中科检测2020年11月23日煤矸石分离对环境保护和资源高效利用具有重要意义,因此,提出了一种基于多光谱成像技术和目标检测的煤矸石智能分离方法。首先,在实验室搭建了煤矸石多光谱采集系统,共采集850组多光谱数据;其次,研究了多光谱中各波段煤矸石的识别率及相关性,从25个波段中选出3个波段构成伪RGB(Red,Green,Blue)图像基于多光谱成像和改进YOLO v4的煤矸石检测中国光学期刊网

深度学习——煤矸石识别 CSDN博客

2023年11月8日在本博文中，我们提出了一种基于深度学习的煤矸石检测与识别系统，该系统采用YOLOv8算法对煤矸石进行检测和识别，实现对图片中的煤矸石进行准确识别。 1项目需求对煤矸石进行检测与识别，系统将识别出图片中 2020年1月20日从煤矸石识别特征出发，对煤矸石识别方法的研究现状进行了总结，列举了密度识别法、硬度识别法等以密度、硬度等为识别特征的煤矸石识别方法，以及射线识别法、图像识别法等以灰度、纹理为识别特征的煤矸石识别方法的代表性研究成果，并对比了各种识别方法的特点。煤矸石识别方法研究现状与展望煤矸石检测标准八、煤矸石安全和防灾减灾评价标准煤矸石堆场的崩塌和燃烧等事故常常发生，对人身安全和环境造成巨大威胁。制定和执行煤矸石安全和防灾减灾评价标准非常重要。这些标准一般包括对煤矸石堆场的结构安全性、稳定性和防火性进行煤矸石检测标准百度文库2023年2月17日（2）煤矸石X射线粉晶衍射分析将煤矸石分析样进行X射线衍射光谱仪（XRD）分析，结果见图1。可看出图谱中有 717 Å和357 Å两个强衍射峰，它们分别属于高岭石的特征衍射峰。同时，2θ为35～40°之间的两个 “山字峰”也属于高岭石的特征峰，说明样品主要煤矸石矿物学性质及磁种法磁选除铁钛研究

一种基于深度学习的煤矸石检测方法

2020年8月10日摘要:针对选煤场的煤矸分离中基于计算机视觉的煤矸石检测方法需要复杂的人工特征设计过程,在YOLOv3目标检测模型基础上,提出一种基于深度学习的端到端煤矸石检测方法。采用深度可分离卷积以及转置卷积对模型的骨干网络进行改进,以缩减 2019年8月13日本发明属于煤矸识别技术领域，尤其涉及一种基于X射线图像的煤矸识别方法。背景技术煤炭是我国的主要能源之一，随着近年来环境污染的不断加剧，国家十分重视且积极倡导煤炭资源的清洁使用。煤矸石的分选是煤矿生产加工过程中的重要环节，也是充分利用煤炭资源提高煤质减轻环境污染的一种基于X射线图像的煤矸识别方法与流程 X技术网2021年8月6日煤矸石的粉末X射线衍射(XRD)光谱从图1 的X射线衍射(XRD)图谱中我们可以得出煤矸石中的主要成分为 Ca 3Al 2(SiO 4) 3、CaF 2、Ca 3Fe 2(SiO 4) 3、AlFe 3C 05。 3 一种煤矸石的成分分析与组份鉴定 ResearchGate2021年7月30日其中双能x射线煤矸分选机器人采用的是x射线成像，需要对高低能图像进行滤波分割处理，并生成r值图像，设定r值阈值对煤矸石进行分类，通常为了更加明显区分，对r值图像进行伪色彩处理，绿色表示煤，红色表示矸石，处理结果如图2所示。一种基于双能X射线的煤矸光电分选机器人

煤矸双能X射线图像多维度分析识别方法百度学术

摘要：环境适应能力强,识别精度高是有效分离煤和矸石的前提采用双能X射线透视煤和矸石并成像,避免了粉尘,光照强度和物料表面等外界因素影响但双能X射线探测器采集射线能量数据存在余晖效应,厚度效应和射束硬化效应等缺陷为降低缺陷影响,提高煤和矸石识别率,提出一种联合R值图 2019年12月11日及扫描电镜试验’3(等"研究不同掺量下的煤矸石粉对南方地区膨胀土的改良效果"分析膨胀土的改良机理及煤矸石粉对膨胀土胀缩特性的影响"不同煤矸石粉掺量下改良土的膨胀率及抗剪强度的变化规律"并得出煤矸石改良膨胀土的最佳掺量"为膨胀土的改良提供借鉴+煤矸石粉改良膨胀土的试验 2020年3月21日目前，煤矸石利用是固废处置与利用的重要内容之一，煤矸石的综合利用与其矿石性质密切相关，但对煤矸石各组分的嵌布关系，元素分布、物相存在形式、微观形貌等相关研究较少。文章针对我国朔州地区煤矸石开展工艺我国朔州地区煤矸石的矿物学特征及煅烧组分变化研究2022年7月12日与矸石的纹理差异度更大。能够增强煤矸石的识别效果，为煤矸石的筛选提供了一定的支撑。2 X射线衰减识别煤矸石图像根据煤与矸石质地和纹理的差别，在识别煤与矸石时，若煤块厚度与矸石相似，则纹理图像也较为相似[8－9]，易导致识别错误。改进纹理模糊筛选下煤矸石 X射线图像处理 LASER

基于能量色散x射线谱的煤矸石物相分析方法 X技术网

本发明属于环保领域（固体废弃物利用）和材料分析测试领域，具体涉及一种基于能量色散X射线谱的煤矸石物相分析方法。背景技术煤矸石是在煤矿开拓掘进、采煤和煤炭洗选等生产过程中排出的含碳岩石，是排放量和累积堆存量最大的煤系固体废弃物。煤矸石中普遍富含Al和Si元素，以及 2021年7月30日其中双能x射线煤矸分选机器人采用的是x射线成像，需要对高低能图像进行滤波分割处理，并生成r值图像，设定r值阈值对煤矸石进行分类，通常为了更加明显区分，对r值图像进行伪色彩处理，绿色表示煤，红色表示矸石，处理结果如图2所示。一种基于双能X射线的煤矸光电分选机器人2021年4月11日针对目前基于深度学习的煤矸目标检测方法精度低、实时性差、小目标易漏检等问题，采用轻量化网络、自注意力机制、锚框优化方法对SSD模型进行改进，构建GhostSSD模型，进而提出一种轻量化煤矸目标检测方法。GhostSSD模型以SSD模型为轻量化煤矸目标检测方法研究2022年3月23日摘要：针对煤矸石分选的问题，提出一种基于深度学习的目标检测算法替代人工选矸，为后续开发自动选矸机器人提供视觉依据。由于矸石样本数量有限，各个地区矸石特征不一，没有统一标准大数量样本集，为不影响深度卷积网络训练精度，提出一种基于卷积生成对抗网络(DCGAN)的煤矸石图像数据 YOLOv4煤矸石检测方法研究

不同煅烧温度下贵州兴义煤矸石的光谱学研究

2010年7月27日煤矸石样品取自贵州省兴义市某煤矿． 2 结果与讨论 21 煤矸石的主要成分采用X射线荧光光谱法定量分析得到未煅烧煤矸石的化学组分见表1．由看出，贵州省兴义市煤矸石的主要化学组分为SiO2，Al2O3，2021年11月16日 0 引言我国已将煤炭清洁高效开发利用作为能源转型发展的立足点和首要任务 [1]，煤矸分选作为现代化煤矿清洁生产的重要环节，为推动煤炭清洁利用贡献了力量。随着智能检测和机器人技术的发展，煤矸自动化分选逐渐成为可行及具有前景的方案，其中，煤矸识别是煤矸自动化分选方案的基础环节。基于改进YOLOv5s模型的煤矸目标检测2022年2月19日煤矸石检测中存在样本间特征差异小、目标密集等问题，导致现有煤矸石检测方法精度不高且实时性较差。针对该问题，提出了一种基于CBA−YOLO模型的煤矸石检测方法。CBA−YOLO模型以速度较快、精度较高的YOLOv5m为基础模型，在YOLOv5m的基于CBA−YOLO模型的煤矸石检测