基于高光谱特征吸收峰的煤岩识别方法

摘要：

煤炭是我国重要的自然资源,在工业和国民经济发展上起到重要的作用.在井下开采过程中,传统的人工识别煤岩界面采煤机切割煤岩效率较为低下,识别准确度较差,存在较多不确定因素."无人化"逐渐成为未来井下开采的技术发展趋势.实现无人开采首先需要准确高效的确定煤岩界面,煤岩识别的算法将成为无人化设备的"大脑".高光谱是近年来发展迅速的一种新兴的技术,在物质识别、分类中具有广泛的应用之处.以高光谱作为煤岩识别的技术手段,采集煤岩高光谱数据,通过对高光谱特征波段的提取来设计算法实现煤岩的识别.煤岩识别是基于煤岩组分的不同,建立在对煤岩的物质构成属性特征上的.煤与岩石元素组分中Al元素的存在形式不同,煤样中的Al元素的存在形式为Al2 O3,而岩样中Al元素的存在形式为Al(OH)3.Al—OH的晶格的振动使得其在2130～2250 nm波段产生强吸收峰,Al2O3在此波段间不具有强吸收峰,因此以2130～2250 nm作为光谱波段设计算法.以淮南地区矿区为研究区,在多个矿区进行采样,获取焦煤、气煤、瘦煤等煤样23组;获取底板泥岩、砂岩、页岩等岩样25组.对样品进行研磨处理后使用美国ASD公司生产的FieldSpec4光谱仪,采集煤与岩石样本350～2500 nm间的反射光谱,通过预处理之后使用连续统去除法、一阶微分法、二阶微分法和SCA-SID模型法对煤岩特征波段2130～2250 nm进行特征提取,将提取到的特征向量用随机森林和SVM算法进行训练并将模型应用在测试集上进行分类.最终,测试集上的表现良好,整体识别率较高,一阶微分和连续统去除法的识别为83.3％,Kappa系数分别为0.66和0.68.二阶微分法和SCA-SID模型法的识别率都在90％ 以上,Kappa系数均为0.83.从模型的时间复杂度和空间复杂上来说,二阶微分法较SCA-SID模型法更具有高效性和可靠性.这些识别的方法为实际工程中井下自动化煤岩识别技术提供了应用参考.

关键词：煤岩识别、特征向量、强吸收峰、混淆矩阵

所属期刊栏目：41

分类号：TP79(遥感技术)

资助基金：国家自然科学基金;安徽省对外科技合作项目

在线出版日期：2021-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1942-1948