基于arm和cpld的煤矸石在线自动分选系统研究_宋晓茹.docx

《基于arm和cpld的煤矸石在线自动分选系统研究_宋晓茹.docx》由会员分享，可在线阅读，更多相关《基于arm和cpld的煤矸石在线自动分选系统研究_宋晓茹.docx（77页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、论文题目：基于ARM和CPLD的煤矸石在线自动分选系统研究 专业：控制理论与控制工程硕士生：宋晓茹 指导教师：马宪民摘要煤矸石分选是洁净煤生产过程中不可缺少的环节，传统的煤矸石分选广泛采用湿选 法，容易导致水资源浪费和环境污染。本文针对目前的选煤现状，根据人工智能原理和 模式识别理论，提出了一种新的煤矸石在线识别与自动分选干选法，将最新的ARM微 处理器和CPLD逻辑控制技术与传统的选煤技术有机地结合起来，完成了煤矸石在线识 别与自动分选系统。理论上，探索出人工智能与模式识别技术在煤矿自动分选矸石中的 应用。生产实际中，可以大大改善工人的工作环境，减少环境污染，节约干旱地区宝贵 的水资源，提高

2、精煤比例和质量，对发展我国的洁净煤技术，都具有良好的社会效益和 经济效益。本文研究了人工智能原理和模式识别理论，结合数字图像处理算法，以ARM微控 制器和CPLD可编程逻辑控制器件为核心的煤矸石图像在线自动识别系统。图像采集模 块、图像处理模块和图像输出存储模块三大模块组成图像在线自动识别系统。可编程图 像处理器SAA7111A和CPLD组成的图像采集模块；图像处理模块由ARM微处理器和 相应的外围电路来完成；通过CAN总线把处理后的图像数据传送到中控室的上位机上 显示存储完成图像传输模块。系统硬件部分：ARM、CPLD、SAA7111A和CAN总线等各个硬件电路模块的设 计实现；软件设计部分

3、：在ARM微处理器上实现煤矸石的图像处理算法，CAN总线与 上位机的通信等；采用VHDL语言编程实现了 CPLD控制SAA7111A独立采集图像； 以及一些辅助的程序设计：CPLD对于ARM和CAN总线的时序调整程序，一些译码电 路等的软件设计。最后，经过各个硬件模块调试、软件仿真和系统综合调试，验证了本 系统的可行性，达到了预期的目标。关键字：煤矸石；模式识别；ARM; CPLD; CAN总线；SAA7111A 研究类型：应用研究Subject : Research on Coal Gangue On-line Automatic Separation System Based on ARM

4、 and CPLDSpecialty : Control Theory and Control Engineering Name : Xiaoru Song(Signature)Instructor: Xianmin Ma(Signature)ABSTRACTThe separation system of the coal gangue is an indispensability part in the coalmine production process. The traditional gangue classification means is focused on wet cle

5、aning method. It leads to water resource wasted and environment polluted easily. So? in the paper, the clean gangue separation technology is designed by the Artificial Intelligence according to the coal gangue separation situation at the present time. The problem is researched that a newly on-line a

6、utomatic separation system based on ARM microcontroller and CPLD technology. The aim is changing the present status that the coal gangue is separated from the coal in the coalmine. The ARM and CPLD are connected with the traditional coal gangue separation perfectly. On theory, it explores the automa

7、tion separation coal gangue means with the Artificial Intelligence and pattern recognition. On practice，it can ameliorate working conditions, decrease entironment pollution, and enhance the extracted coal proportion and the coal quality. It offers the extraordinary social and economical profits for

8、the Chinese clean coal technology. In brief, it bears theory and practice signification.ARM and CPLD is the core of the Coal Gangue On-line Automatic Separation System is designed in the paper. It is based on the AI? Pattern Recognition and the digital image processing arithmetic. The image processi

9、ng system is including 3 modules. The first block is image collection. It is consists of CPLD and image processor SAA7111A. The second important one is image controller including ARM microcontroller and its periphery circuits. The last part is output and storage module. The CAN bus carries the contr

10、olled information into the upper computer (PC in the remote control room) in order to show and store image data.In this system, the hardware and software scheme are structured successfully. On the hardware design, the circuit modules are contrived including the ARM microcontroller, CPLD, SAA7111A an

11、d CAN Bus blocks; on the software design, the following subprogram aredesigned. It is including the subprogram of the ARM microcontroller port, the driver subprogram of the ARM microcontroller interface board, the subprogram of the image collected, the subprogram of CPLD is programmed etc. and the C

12、PLD programmed in VHDL. Finally, hardware debugging, software simulink and system synthesis debugging are done. The experiment results show that it can efficiently complete the basic testing task. It meets to the prospection aim.Key words ： Coal Gangue Pattern Recognition ARM CPLD CAN Bus SAA7111A T

13、hesis ： Application Research目录1 mitii.i选煤技术的现状和发展11.2煤矸石识别原理21.3课题的背景及研究意义31.4本文的任务和目标41.5 本章小结42煤矸石自动分选系统设计方案52.1煤矸石图像在线识别原理52.1.1数据获取62.1.2图像预处理62.1.3图像分割和特征提取82.1.4分类决策102.2系统总体方案102.3本章小结.123煤矸石自动分选系统硬件设计133.1煤矸石自动分选系统硬件总体设计133.2 ARM微处理器硬件电路设计133.2.1 AT91M40800 的介绍133.2.2 系统电源设计14.3.2.3ARM时钟电路设计

14、153.2.4 ARM监控电路设计153.2.5 JTAG仿真接口电路设计163.2.6输入输出接口设计173.2.7存储器外围电路设计173.3图像采集模块设计193.3.1 SAA7111A采集芯片的介绍203.3.2 ARM 和 SAA7111A 的接口213.3.3 SAA7111A图像采集实现223.4 CAN总线通信电路233.4.1 CAN总线简述233.4.2 CAN总线电路设计243.4.1 CAN收发器和高速光电耦合器的设计243.5逻辑控制模块的设计253.5.1图像采集控制模块263.5.2 CAN通信控制模块273.6系统PCB设计293.7本章小结304煤矸石自动分

15、选系统软件设计314.1 ARM处理器软件设计314.1.1 AT91M40800启动代码设计314丄2ADS开发环境374.2图像采集处理模块384.2.1 SAA7111A 初始化384.2.2 图像采集提取414.2.3 图像处理464.2.4图像存储格式464.3 CAN总线通信软件设计474.3.1 CAN节点的初始化474.3.2发送数据子程序的设计484.3.3接收数据子程序的设计494.4 本章小结505煤矸石在线自动分选系统调试515.1硬件装配515.2系统功能调试515.3综合调试结果535.3.1系统调试界面535.3.2系统模块调试结果535_4本章小结566 576

16、.1本文所作主要工作576.2系统的下一步工作58m. in5960附录631绪论1.1选煤技术的现状和发展中国选煤工业起步较晚，50年代才开始建立起自己的选煤工业，经历了两次快速发 展时期。70年代以“洗煤保钢”为主要内容的选煤大发展，使原煤入选比例由1970年 的10%增长到1980年的17%，基本满足中国钢铁工业对炼焦煤质量的要求；90年代以 来，煤炭工业面临经济与环境的双重压力，选煤工业进入新的快速发展时期，“八五”期 间原煤入选量的增长速度首次超过原煤增长速度。截止2002年，全国年入选3万吨以上 的选煤厂1685座，设计入选能力为50243万t/a。2002年，全国原煤入选量为32

17、145 万吨，入选比例由1990年的19%增长到2002年的30.2%1。煤炭作为我国主要能源在今后相当长时期内不会有大的改变，而我国的煤炭入选比 例只有25%，动力煤仅为11%。在我国的煤炭消费结构中，动力煤占80%以上，造成了 十分严重的燃煤引起的环境污染（如烟尘，二氧化硫和酸雨）。据统计，1997年全国S02 排放量约为2346万吨，烟尘排放量为1873万吨，酸雨影响面积占国土 30%，这其中燃 煤造成的S02和烟尘排放量分别占90%和80%，因此必须大力发展洁净煤技术，保护环 境，综合利用煤炭资源2。煤矸石分选是煤矿生产过程中不可缺少的环节，特别是在当今强调实行友好环境生 产，实现可持

18、续发展的前提下，该项生产环节显得尤为重要。传统的煤矸石分选是指原 煤被运出井口后，经胶带运输机运送到筛分系统，通过筛分机把大于等于100mm的煤 块和矸石块筛分出来，然后通过胶带机运到人工捡矸篓，由工人把矸石从中挑捡出来。 小于100mm的原煤经运输机运到洗煤厂，经过筛分和洗选，把原煤中的矸石分选出来。 通过以上的洗选工序，大约只能洗选出20%30%的矸石，还有1%5%的矸石混在煤 块中。由于矸石中一般含硫量比较高，并且还含有大量的重金属，如汞、铬、镉、铜、 砷等，因此，矸石混在原煤中，加重了煤块燃烧时的污染。煤和煤矸石的分选是煤炭生 产过程中的重要环节，目前广泛采用的湿选法（重介法、跳汰法等

19、）是利用煤和矸石的 比重不同在液体介质中分选。但是采用跳汰法、重介法、浮游法等选煤技术，不仅工艺 复杂、水源污染严重，而且投资及生产费用也很高，1吨煤投资达80元以上，限制了部 分地区中小煤矿的发展。但干法分选效率低、分选精度不高、噪声和粉尘污染严重，特 别是风力选煤，其应用范围亦越来越小。自本世纪60年代起，世界各主要产煤国如英国、美国、德国、澳大利亚、原苏联等 国都对煤矸石分选做了大量研究工作，先后提出了 20余种形式的分选识别方法，其中包 括天然7射线、人工Y射线、机械振动、无线电探测、红外反射和雷达等方法，这方面英美研究较为突出。目前，这些发达的工业国家已经开始考虑采用人工智能的方法实

20、现 洁净煤技术。尽管提出了多种煤矸石分选识别方法，但真正能形成产品的方法还没有， 下面是在这方面的几种主要研究情况1。(1) 滚筒碎选机又称选择性破碎机。它在工作过程中具有破碎和筛分两种作用，并 能达到分选的目的。早在1904年，人们就开始使用滚筒碎选机，目前滚筒碎选机基本上 己不再使用。滚筒碎选机存在的缺点主要设备庞大、笨重，每台机重可达20吨；依靠自 重的冲击进行分选，对分选率的可控性较差；对煤矸石破碎强度差异性高；不适应井下 生产条件。(2) 双能Y射线透射法煤和矸石在线识别。该项研究已取得一定的成果，比如中国 矿业大学和华中科技大学对该识别方法做了深入的研究3，其产品己应用于现场中，但

21、 仍存在以下几方面的不足：分选能力低（30-50吨/小时)，不能满足井下生产能力的要求； Y射线的产生需要髙电压、高能量，在煤矿井下使用，设备的防爆问题难以解决；况且7 射线始终存在对人身健康的威胁。(3) 煤矸石灰度自动识别技术。该项技术取得了一定的成功，中国矿业大学早在 1997年就提出来，并做了初步探索4。但由于处理方法和识别技术上存在一定问题和困 难，导致识别率不高，没能真正实现自动分选。尽管如此，该技术由于投资少、见效快、 无污染等优点，得到了越来越多的关注。1.2煤矸石识别原理人工智能是目前科学技术发展史上的一门前沿学科，模式识别、人工神经网络等技 术的发展，成为研究人工智能领域的

22、重要工具，也是人工智能的发展方向。本文根据人 工智能理论、模式识别原理，利用数字图像处理算法，对系统的煤矸石图像进行理论分 析。所谓图像，就是对客观存在物体的一种相似的生动模仿和描述。各种类型的绘图、 照片，电视画面等是图像最直观的例子。然而除了这些，人眼能够观察到的各种平面图 像外，还包括其它视觉无法观察的物理图像和空间物体图像。例如：温度、压力、高度 等物理量的平面和空间分布，就是无法用人眼观察的图像。此外，我们所讨论的图像还 包括用数学函数和离散数据所描述的连续或离散图像5。数字图像处理的特点是图像信 息量大和图像处理技术综合性强。数字图像处理主要包括图像的数字化、图像增强、传 输、平滑

23、、边缘锐化、分割、特征抽取、图像识别与分类等内容。根据模式识别的原理，煤和矸石的区别除了外表的光泽不同外，主要是在光线的照 射下二者的反射光线和波长不同，造成煤和矸石的灰度概率分布不同，灰度概率分布曲 线的峰值也不同。根据这一原理，将样品煤和样品矸石的灰度分布作为标准存在处理器 中。在识别时，将实际煤和矸石的灰度分布与之比较，如果比较后的差值小于预先设定 的某个阈值，就可以将煤和矸石区分开来。1.3课题的背景及研究意义本课题是陕西省自然科学基金项目（2004F47)“煤矸石在线自动分选系统识 别原理研究”中的一部分，主要研究以ARM (Advanced RISC Machines)微控制器和

24、CPLD (Complex Programmable Logic Device)技术为控制核心的煤砰石图像在线识别与 自动分选系统。根据国家“十五”计划和未来15年宏观发展战略，中国的发展道路要从传统的发展 模式向可持续发展模式转变，实现既满足当代人的需要，又不对后代人需要满足能力构 成危害的发展。能源发展战略从能源开发型向能源经济效率型转变，能源开发和节约并 重，节约放在优先地位，开发要讲经济效益和社会效益，其核心是提高能源利用率。选 煤是合理利用煤炭资源、保护环境的最经济和最有效的途径，是煤炭加工和转化为洁净 煤的必不可少的基础和关键环节；通过选煤可以优化产品结构，可以在运输前排除大量 矸

25、石，节约运力，提高利用效率。而煤矿生产过程中，煤矸石的排放量约占煤炭开采总 量的20%左右。因此，国际上公认选煤是实现煤炭高效、洁净利用的首选方案。加快发 展选煤技术对于实现煤炭资源的综合利用、节约能源、减轻环境污染具有十分重要的意 义1。在当前的选煤领域，国内外普遍采用湿法分选，浪费了宝贵的水资源而且污染环境， 而我国的煤炭资源有2/3以上分布在西部等缺水地区，随着国家西部大开发的实施，煤 炭资源的分选加工也迎来了新的机遇和挑战，当今的世界是可持续发展的时代，西部地 区煤炭洁净利用就显得尤为突出2。中国是当今世界上最大的煤炭生产和消费国，资源 浪费和环境污染还是非常严重的，传统的选煤理论及方

26、法已无法满足煤炭分选的洁净要 求，研究适合我国国情，特别是西部地区煤炭特点的高效干选法技术，己是迫在眉睫。为了改善工作环境，提高生产效率和选煤环节的自动化水平，国内外一些单位的研 究人员对此做了初步探讨，但对大块煤和矸石的分选还是没有更好的方法，仍然采用人 工挑选。本研究课题，根据人工智能理论，采用模式识别和数字图像处理技术，利用先进的 ARM微控制器CPLD技术，实现煤矸石自动分选，将最新的ARM微控制器和CPLD控 !制技术与传统的选煤技术有机地结合起来，有一定的理论意义和实际意义。在理论上， 探索出人工智能模式识别技术在煤矿自动选矸石的应用。在生产过程中，所研究的成果 一旦形成产品并得到

27、推广应用，将会大大改善工人的工作环境，减少环境污染，节约干 旱地区宝贵的水资源，提高精煤比例和质量，提高企业利润，大幅度地提高劳动生产率， 对发展我国的洁净煤技术，都具有良好的社会效益和经济效益，也必将加快中国煤炭工 业战略西移的步伐。本课题力求在前人的基础上，根据数字图像处理和模式识别原理，利用先进的ARM微处理器和CPLD技术对该项技术做进一步探讨和研究，提出了一套真正实时高效的煤 矸石分选系统。1.4本文的任务和目标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算法，以ARM微控 制器和CPLD控制技术为核心构建煤矸石自动分选系统的硬件装置。将CCD拍摄到的 连续匀速图像经过处理

28、后输入到ARM微控制器进行分析识别处理后，一方面通过CAN 总线通信网络传输到上位机显示存储，另一方面送入分拣机构，将煤块和矸石可靠的分 别送到煤块通道和矸石通道。煤矸石自动分选系统主要包括3个模块：图像采集模块由 SAA7111A和CPLD组成；图像处理模块为ARM微处理器和存储器组成；图像传输和 存储是通过CAN总线来完成的。本文具体包括以下内容：(1) 研究了人工智能原理和模式识别理论，实现数字图像处理在煤矸石自动识别中 的具体应用；(2) 硬件设计：图像采集模块由CPLD和SAA7111A组成；图像处理模块：ARM 微处理器、FLASH和RAM存储器组成；图像传输模块：CAN总线通信把

29、ARM处理后 的图像信息传输到上位机上显示和存储，同时传送给执行结构；(3) 软件设计：主要包括ARM处理器启动代码、煤矸石图像识别子程序、CAN 总线通信程序、利用VHDL语言实现CPLD对图像釆集的控制等；1.5本章小结本章阐述了课题的背景和研究意义，分析了国内外选煤技术的发展现状，应用了人 工智能理论，模式识别原理来完成煤矸石图像在线自动分选系统设计。同时给出了本次 设计的任务目标，把人工智能原理、模式识别理论应用在煤矸石识别中，设计一种新型 的实时煤矸石在线自动识别分选系统。2煤矸石在线自动分选系统设计方案本系统利用人工智能原理和模式识别理论，结合数字图像处理算法作为理论依据， 在。对

30、传送带上的煤和煤矸石块状图像自动识别从识别算法和硬件电路进行了研究设 计。2.1煤矸石图像在线识别原理人工智能是目前科学技术发展史上的一门前沿学科，它是计算机科学、控制论、信 息论、神经生理学、心理学、哲学、语言学等多种学科相互渗透的研究基础上发展起来 的一门综合性新学科。简而言之，就是一种试图用计算机去模拟人的智利思维过程。人 工智能的起源可以追溯到20世纪30年代，发展经历了 3个阶段：(1) 经典阶段（20世纪30年代50年代），主要由游戏和定理证明为特征；(2) 传奇时期（20世纪50年代70年代），特征是计算机理解；(3) 现代时期（20世纪70年代现在），主要特征是技术与应用。目前

31、模式识别、人工神经网络等技术的发展，成为研究人工智能领域的重要的工具， 也是人工智能的重要发展方向12。本系统就是研究人工智能理论，把模式识别这个工具 应用于煤矸石图像识别系统。模式识别诞生于20世纪20年代，随着计算机的出现和人工智能的兴起，模式识别 在60年代初期迅速发展成为一门技术科学。传统的模式识别一般指对客观实物进行分 析、作出判断的过程。现在的模式识别通常指用计算机就人类对周围世界的客体、过程 和现象的识别功能进行自动模拟的学科。模式识别研究的目的是构建自动处理某些信息 的机器系统，以代替人完成分类和辨别的任务。根据人的大脑识别问题的机理，在工程 上用计算机模拟人类的识别过程，可见

32、研究识别方法是有现实意义的。尽管这种模拟同 人的意识和思维活动有本质的差别，但若从人类识别图像的过程及认识规律中得到启 发，在某些环节上进行借鉴，从而可采用现代技术解决实际问题。在具有视觉形象的图 像识别中，许多方法和概念就是从人类认识图像的过程中直接移植过来的34。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判别。模式识别 的作用和目的就在于面对某一具体事物时将其正确地归入某一类别。模式识别系统有两 种基本的模式识别系统方法，即统计模式识别方法和结构（句法）模式识别方法。本文 采用的是基于统计方法的模式识别，其系统主要由4个部分组成：数据获取、预处理、 特征提取和分类决策等34

33、。2.1.1数据获取为了使计算机能够对各种现象进行分类识别，要用计算机可以运算识别的符号来表 示所研究的对象。通常输入的信息有以下三种类型：(1) 二维图像如文字、指纹、地图、照片等这类对象；(2) 维波形如脑电图、心电图、机械震动波形等；(3) 物理参量和逻辑值如各种化验数据和对参数正常与否的判断描述，可用逻 辑值即0和1表示t341。煤矸石块状图像数据获取采用从CCD摄像头输出的一组标准模拟信号，经过图像 输入处理器SAA7111A转化后的逻辑数字值作为系统的数据获取输入。2.1.2图像预处理图像处理就是对所获得的图像信息进行加工和分析，以满足人们的需要或者科学研 究的需求。预处理的目的是

34、去除噪声，加强有用的信息，并对输入的测量仪器或是其它 因素所造成的退化现象进行复原。本文图像预处理就是对原图像进行的灰度校正，噪声 过滤和畸变校正等过程。对不同的图像处理要求有不同的预处理方法。由于在煤矸石的 图像采集过程中，采集环境比较差，光线比较弱，煤粉比较多，获得图像的清晰度不够 高，所以必须对图像进行预处理。图像预处理包括：图像平滑和图像锐化。下面分别介 绍图像平滑和图像锐化处理4。(1) 图像平滑图像在生成和传输过程中也常受到各种噪声源的干扰和影响而使图 像质量变差，这些噪声源包括电传感器噪声、相片颗粒噪声、信道误差及其它噪声5。 为抑制噪声改善图像质量，必须对图像进行平滑处理。中值

35、滤波是一种对于干扰脉冲、 点状噪声和椒盐噪声有良好的抑制作用，而对图像边缘能较好的保持非线性图像处理增 强技术。中值滤波由Tukey提出，起初主要用于一维信号处理，后来很快就被用到二维 图像的平滑处理中，其实质是一种改进的局部平均法17。中值滤波本质上是一种典型的低通滤波器（Low Pass Filter)，其原理是先对一个滑 动窗口内的诸像素灰度排序，然后用其中值代替窗口中心像素原来的灰度。在一维形式 下，中值滤波是一个含有奇数个像素的滑动窗口，经排序后，窗口像素序列为：W_v,v, y=(L-l)/2, L为窗口长度，f即为窗口像素的中值滤波输出。记作：表示取窗口中值。如一窗口的长度为5,

36、像素灰度分别为7, 9, 36, 9, 8， 则G, =MM7,9,36,9,8 = 9,其灰度级为36的像素为椒盐噪声（即脉冲干扰或点状噪声， 表现为黑图像上的白点，白图像上的黑点），在经过中值滤波后即被消除。由数学方法知道，对于一个有序数列，可用求最大、最小值的方法来求取有序数列 的中值。例如，对有序数a，b，c，其中间值可写成17:Median(a,b,c)=MaxMin(a,b), Min(b,c), Min(a,c)(2.2)当然也可写成：Median(a,b,c)=MinMax(a,b), Max(b?c), Max(a,c)(2.3)一维中值滤波的概念也很容易推广到二维，Nare

37、ndra提出对图像先进行行方向的一 维中值滤波，再进行列方向的一维中值滤波，可得到与二维中值滤波相近的结果，但计 算量大大缩短。T.S.Huang等人提出对图像用一个NXN的滑动窗口进行中值滤波17。 若选用NXN大小的窗口，则窗口的形状可为线形、方形、十字形、圆形和环行等，如 图2.1所示。因此，使用中值滤波器滤除噪声的方法十分灵活。可以先使用小尺度窗口，后逐渐加大窗口尺寸；或一维滤波器和二维滤波器交替使用等，可大大缩短计算量，特别是当N较大时更显其优越性。然而，对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。由此可见，正确选择窗口尺寸的大小是用好中值

38、滤波器的重要环节。一般很难在事先确定最佳的窗口尺寸，需要通过从小窗口到大窗口的试验，再从中选取最好的结果。(2)图像锐化如前所述，图像在传输和变换过程中会受到各种干扰而退化，典型的是图像模糊。而在图像的判读或识别中，常需突出目标的轮廓或边缘信息，即图像需要锐化处理。目前图像锐化的方法：梯度算子（微分法)、Lapalacian算子、模板匹配法和统计差值法等5。本文图像锐化方法采用梯度算子法。从数学角度来看，图像的模糊相当于图像被平均或积分，为实现图像的锐化，必须用它的反运算“微分”。梯度是图像处理中最常用的一次微分法，也就是微分法，即常用的是求图像函数的梯度。对于图像函数/c,_y)，它在点(u

39、)处的梯度是一个矢量，定义为：由于梯度值正比于相邻像素的灰度值之差，在图像中灰度变化较大的边缘区其梯度 值大，而灰度变化平缓的区域或微弱细节区其梯度值较小，对于灰度均匀区，其梯度值 为零17。2.1.3图像分割和特征提取由图像所获得的数据量是相当大的，为了有效的实现分类识别就要对原始数据进行 变换，得到最能反映分类本质的特征，这就是特征提取和选择的过程。图像提取之前， 首先进行图像分割。本系统利用边缘检测的方法对预处理后的图像，进行图像分割，为 图像的特征提取做好准备。(1)边缘检测图像分割的目的是把图像空间分成一些有意义的区域。图像分割可以采用三种不同 的原理来实现。在利用区域方法中，可把各

40、个像素划归到各个物体或区域中；在边界方 法中，只需确定存在于区域间的边界；在边缘方法中，则先确定边缘像素并把它们连接 在一起以构成所需的边界41。图像的边缘是图像的最基本特征。所谓边缘（或边沿）是指在图像中灰度出现突变 的区域。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分 开区域的内部特征或属性是一致的，而不同区域内部的特征或属性是不同的。边缘的检 测正是利用物体和背景在某种图像性质上的差异来实现的，这些差异包括灰度、颜色或 者纹理特征。边缘检测是为了获得目标物体的轮廓，便于特征提取和分类识别。边缘检以上各式中的偏导数需对每个像素的位置计算，在实际应用中常用小区域模板（

41、一 般取2X2)进行卷积来近似计算。对(7,和(，必须各用一个模板，所以需要两个模板组合起来以构成一个梯度算子18 19。测算子不但检测每个像素邻域的灰度变化率，而且还包括方向的确定。边缘检测实际上 就是检测图像特性发生变换的位置18。经典的边缘提取方法是考察图像的每个像素在某 个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，即边缘算子法检测 出边缘。确定图像中边界的另一种方法是先检测每个像素和其直接相邻的状态，以决定该像 素是否确实处于一个物体的边界上，具有所需特性的像素被称为边缘点。当图像中各个 像素的灰度级用来反映各个像素符合边缘像素要求的程度时，这种图像被称为边缘图像 或边

42、缘图像图（Edge Map)。如果一个像素落在图像中某一个物体的边界上，那么它的 邻域将成为一个灰度级变化的带19。对这种变化最有用的两个特征是灰度的变化率和方 向，它们分别以梯度向量的幅度和方向来表示。梯度算子（Gradient Operator):梯度对应于一阶导数，梯度算子是一阶导数算子。 若在边缘灰度值过渡比较尖锐且图像中噪声比较小，则梯度算子的工作效果就较好。对 一个连续图像函数/(x，_y)，它在位置的梯度可表示为一个矢量(其中&和(分别 为沿x方向和方向的梯度)：Roberts边缘检测算子可以用来检测煤和煤矸石的块状图像的在线实时识别。(2)特征提取图像的特征指图像场中可用作标志

43、的属性。它可以分为图像的统计 特征和图像的视觉特征两大类。图像的统计特征是指一些人为特征，需通过变换或测量 才能得到，如图像的直方图、均值、方差等等；图像的视觉特征是指人的视觉可直接感 受到的自然特征，如区域的亮度、彩色、纹理或轮廓等等。利用这两类特征把图像分解 成一系列有意义的目标或区域的过程称为图像的分割4。特征提取和选择的基本任务是如何从许多特征中找出那些最有效的特征。所要提取 的应当是具有可区别性、可靠性、独立性好的少量特征。在实际工作中，工人判别煤块 和矸石主要是根据它们在灰度和纹理上的区别。一般情况下，煤块是亮黑色的，灰度级 比较低；矸石是灰白色的，灰度级比较高3132。从这个意义

44、上出发，本文将根据煤块和 矸石的灰度分布情况，把二者的灰度均值和方差作为分选的特征。2.1.4分类决策分类决策就是在特征向量空间中用统计的方法把被识别的对象归为某一类别。基本 作法是在样本训练基础上确定某个判决规则，使按这种判决规则对识别对象进行所造成 的错误识别率最小或是引起的损失最小34。本文在实际处理中，先计算出样品煤块和矸石灰度的均值和方差，并且为它们各设 一个偏差。在系统识别时，把实际的煤块或矸石的处理结果与样品值相比较，从而判断 出是煤块或矸石。在系统调试试验中，选取四组图片作为实验样本，结合硬件设计的试 验结果见第五章系统实调试结果，从而达到了自动识别煤矸石的要求。2.2系统总体

45、方案通过CCD摄像头对煤块和煤矸石图像采集，经过图像处理器（EVIP)芯片处理转 换的信号进入ARM微控制器，根据人工智能理论和模式识别原理，ARM对信号处理Roberts边缘检测算子是最早的梯度算子，其模板如图2.2所示，它是一种利用局部 差分算子寻找边缘的算子，可由下式给出：其中，/(0是具有整数像素坐标的输入图像，其中的平方根运算使该处理类似于 人类视觉系统中发生的过程19。后，一方面把数据通过CAN总线网络及时可靠地传送到上位机显示存储，实现中控室 的遥观和遥控；另一方面把控制命令传送给分拣机构。经过执行机构分拣后，煤和煤矸 石分别送到煤块通道和煤矸石通道，完成煤矸石在线自动分选。图2

46、.1所示为煤矸石图 像在线自动分选系统总框图。图2.1 煤矸石在线自动分选系统总框图根据工作过程，该系统主要由下列三大部分构成：(1) 检测部分。由进料斗、传送带、CCD摄像头、图像采集电路等组成。其基本 工作过程是：块状原煤经过筛分处理后从进料斗落到传送带上，CCD摄像头将块状图 像传送图像数据采集、控制电路进行控制采集处理，处理后的数据信息送入ARM微控 制器。(2) 识别与控制部分。由ARM微控制器、CPLD和CAN总线组成，它是整个系 统的核心。根据模式识别算法计算出煤和矸石的灰分含量，然后进行识别、判断。如果 判断是煤，控制部分不动作，原煤自然落入煤料斗，从煤块通道运走。如果判断是矸

47、石， 发出控制信号，打开阀门，使矸石落入矸石通道。(3) 分拣机构。由阀门、物料斗、系统供气和供电设备等组成，用以执行分离煤 和矸石的执行动作。本文所研究的煤矸石自动分选系统只是上述总系统的一部分，具体包括图像采集模 块、图像处理模块和图像输出存储模块。图像采集模块分为：图像输入和图像采集部分。 系统的图像采集是CCD摄像头获得的煤矿现场待采集的块状图像，输出一组标准的模 拟信号；图像采集部分以CPLD为中心，控制PHILIPS公司的可编程的图像输入处理器 SAA7111A对CCD所获得的块状图像进行转换；图像处理模块利用ARM微处理器完成 数字图像处理的全部算法，判别块状图像是否是煤矸石；图

48、像输出存储模块是利用CAN 总线把处理后的数据传送到中控室的上位机上显示存储。ARM微控制器的软件编程采用汇编语言和C语言，使用ADS1.2开发环境；CPLD 采用VHDL语言编程来实现控制，使用MAX+PLUSII幵发环境；其余的软件设计均采 用C语言编程设计实现。2.3本章小结本章研究了人工智能理论和模式识别原理及数字图像处理算法在煤矿自动分选矸 石中的应用。其中重点研究了图像平滑和图像锐化，分别采用中值滤波和梯度算子来处 理；进而采用边缘检测算子、图像分割为特征提取和分类识别做好准备。并同时构建了 煤矸石自动分选系统总体方案，包括检测部分、识别控制部分和分拣部分，其中识别控 制部分是本系统的重点研究对象。3煤矸石在线自动分选系统硬件设计本章主要介