基于圖像灰度識別的煤泥水絮凝沉降速率快速檢測方法

耿延兵， 王章國

（1. 平頂山中選自控系統有限公司，河南 平頂山 461700；2. 中國礦業大學 化工學院，江蘇 徐州 221116）

0 引言

自20 世紀絮凝沉降技術成為煤泥水濃縮的主流工藝以來，國內選煤廠煤泥水加藥方式多以人工方式為主。礦物質組成和固體物濃度等的改變均會影響煤泥水絮凝沉降性能[1-3]。因此，人工固定的加藥模式不符合工藝系統變化對藥劑的需求，極易造成煤泥水溢流濁度高、底流煤泥黏度大等問題[4]。

隨著選煤廠智能化建設的推進，煤泥水濃縮環節的智能化加藥正在逐步取代人工加藥。典型的方案是通過檢測煤泥水入料的濃度和流量，通過數學模型計算擬定加藥量，從而實現煤泥水加藥量隨上游工藝系統運行狀態的變化實時調整[5-6]。然而，該方案缺乏對煤質信息的檢測與判定，難以在煤質變化時（例如黏土礦物含量異常增大）實現精準加藥。造成這種缺陷的原因是當前缺乏成熟可用的煤泥水礦物組成在線檢測技術裝備。采用煤泥水沉降效果作為反饋調節，是實現煤泥水智能加藥的另一個途徑。在已有的工程實踐中，濃縮機清水層與濃縮層的界面和溢流水濃度[7]常被作為反映沉降效果的指標用于反饋控制，但其缺點是存在嚴重的滯后性：一旦溢流水濁度出現異常，系統已經惡化，通常需要幾個小時才能調整到合適狀態，給工藝系統的正常運行帶來不利影響。雖然通過將濁度計前置到濃縮機深部可以在一定程度上減小滯后性[8]，但其對系統變化的靈敏度不足，可能引發過量加藥的問題。

要利用煤泥水絮凝沉降效果進行反饋控制，必須解決絮凝沉降速率快速檢測問題，鄧建軍等[9]提出了采用光電傳感器陣列檢測煤泥水沉降界面沉降速率的方法，可以有效檢測煤泥水的沉降速率。但由于煤泥水性質的差異，許多煤泥水在批次絮凝沉降時，呈整體壓縮沉降，并不會出現沉降界面[10]。針對這種情況，上述方法不適用。

近年來，圖像識別技術快速發展，被廣泛應用于異物檢測、智能分選、設備運行狀態監測、礦物粒度檢測、人員行為監控和環境與安全檢測等[11-13]，也有用于礦物組成分析的，如煤的灰分分析[14-15]、浮選泡沫分析等[16]。煤泥水呈整體壓縮沉降狀態時，煤泥水的透光度逐漸變化，本文利用這一現象，采用圖像識別技術，通過分析煤泥水批次絮凝沉降過程中圖像灰度的均值、方差、能量、對比度和相關度等特征隨沉降過程的變化規律，建立特定圖像特征值與沉降速率的關系模型，實現對煤泥水沉降速率的快速檢測，為煤泥水的智能加藥提供依據。

1 絮凝沉降實驗

1.1 煤泥水與藥劑

煤泥水取自淮北某選煤廠未加藥前的濃縮機入料，過濾干燥后作為煤泥干樣備用。實驗時，根據煤泥水濃度設定稱取定量煤泥重新分散到水中，配置為煤泥水。攪拌分散時間為30 min。

凝聚劑使用分析純氯化鈣，配制為10 g/L 溶液。絮凝劑采用陰離子型聚丙烯酰胺，配制為0.5 g/L 溶液。

1.2 實驗裝置

為避免環境光的影響，將沉降實驗裝置整體放到一個封閉黑箱中，如圖1 所示。沉降槽厚5 cm，高20 cm，寬10 cm，采用透明亞克力板加工而成。圖像采集使用DFK 51BG02H 彩色工業CCD 相機執行，環形LED 光源布置于相機正對面，照度為30 000～40 000 lx。工業相機拍攝速度設定為15 幀/s，采集的圖像通過數據線傳送到計算機中，用圖像采集軟件IC Capture 2.4 管理采集數據。

圖1 煤泥水絮凝沉降實驗裝置Fig. 1 Slime water flocculation and sedimentation experiment device

1.3 實驗過程

絮凝沉降效果受煤泥水固體物質量濃度、組成和藥劑等因素的顯著影響，本文考察不同藥劑條件下沉降過程圖像的特征值變化規律。取固體物質量濃度為20 g/L，凝聚劑添加量為300 mg/L，絮凝劑添加量為2～12 mg/L，分別在圖1 所示沉降實驗裝置和沉降柱中進行沉降實驗。沉降柱中的實驗參考MT 190-1988《選煤廠煤泥水沉降試驗方法》進行。采用沉降實驗裝置進行實驗時，將煤泥水和藥劑按MT 190-1988 標準混合后，迅速通過漏斗注入沉降槽，同時啟動圖像采集。對2 種實驗結果進行對比，驗證通過機器視覺檢測煤泥水沉降速率的可行性。

2 絮凝沉降過程圖像特征提取

先對采集的圖像進行降噪處理，提取圖像灰度特征，再建立灰度共生矩陣，最后基于圖像灰度特征和灰度共生矩陣統計平均灰度、能量、對比度、相關度和方差等特征值，考察這些參數變化與沉降速率的相關性，確定可用的圖像特征。

2.1 圖像降噪處理

采用均值濾波法對圖像進行降噪處理，其函數表達式為

式中：g（x，y）為坐標（x，y）處像素點經濾波處理后的顏色特征值；M為鄰域長度；f（x'，y'）為原始圖像中坐標（x'，y'）處像素點的顏色特征值。

2.2 圖像特征提取與分析

2.2.1 圖像顏色特征

圖像的顏色特征中，灰度所占存儲空間小（8 bit），處理速度較快，在數據處理過程中有較大優勢，同時煤泥水中的煤及黏土礦物主要為黑白色，因此對圖像進行灰度特征分析。

由于采集的圖像為彩色，需要先對圖像進行灰度化處理：

式中：I（x，y）為灰度化處理后的圖像灰度值；a，b，c為常數，煤泥水以黑白色為主，可采用算術平均法處理，其值均取1/3；R（x，y），G（x，y），B（x，y）分別為像素點的紅、綠、藍三原色特征值。

采用Matlab 的imhist 函數直接求解圖像灰度直方圖，作為后續圖像特征統計的基礎數據之一。用灰度直方圖遍歷圖像中灰度值，統計灰度級為0～255的像素點占比：

式中：nI和HI分別為灰度為I的像素點數及其在總像素點數中的占比；N為圖像總像素點數。

2.2.2 圖像紋理特征

為降低計算復雜度，將圖像灰度由256 級轉換為8 級，生成灰度直方圖，設置像素距離d=1，利用Matlab 的graycomatrix 函數獲得圖像的灰度共生矩陣[17]。取4 個方向的平均值作為最終的特征值共生矩陣，矩陣中的值為2 個像素灰度級i和j同時發生的概率，記作p（i，j）。基于圖像灰度特征值和共生矩陣對下列特征值進行計算[18]。

1） 平均灰度μ，即圖像上所有像素點的灰度加權平均值。

式中：L為灰度級數；Ii為灰度級為i對應的灰度值；Hi為灰度級為i的像素點占比。

2） 方差 σ2，表征圖像的漫射規律。

3） 能量E，表征圖像所含信息量的大小。

4） 對比度C，即圖像中某像素點與其相鄰像素點的亮度對比。

5） 相關度r，表征圖像中某像素點與其鄰域像素點的相關度。

式中：μx，μy分別為圖像在x，y方向的平均灰度； σx，σy分別為圖像在x，y方向的均方差。

3 絮凝沉降過程圖像特征變化規律

3.1 圖像特征變化及其相關性分析

煤泥水的沉降必定帶來懸浮液中顆粒物質量濃度的變化，表現在圖像上，則為其亮度、灰度等圖像特征值的變化量或變化率。為尋求可表征絮凝過程的圖像特征量，分別配制固體物質量濃度為20 g/L的煤泥水樣A 和B，加入適量凝聚劑和絮凝劑，以1 幀/s 的速度采集圖像。不同沉降時間的煤泥水圖像如圖2 所示。

圖2 煤泥水沉降過程圖像Fig. 2 Images of slime water sedimentation process

由圖2 可見，隨著煤泥水沉降時間的增加，水中懸浮的固體物質量濃度不斷下降，透光性增大，圖像由黑色逐步變亮。直觀上看，A、B 兩種煤泥水樣所得圖像變亮的速度有所區別，有可能通過圖像特征變化情況得到沉降性能。為此，對沉降全過程的圖像提取特征值，并繪制各特征值隨時間的變化規律，如圖3 所示。

圖3 煤泥水沉降過程圖像特征變化Fig. 3 Changes in image features of slime water sedimentation process

從圖3 可看出，常見的5 種圖像特征中，平均灰度的變化符合煤泥水批次沉降過程中沉降速率的變化規律，即存在緩沖區、線性區和穩定區[19]；對比度總體上與平均灰度變化率有關，平均灰度變化率越大，對比度越大，在一些位置存在突變峰；方差的變化規律與對比度類似，但變化平緩，不存在小峰值；相關性變化較小；能量變化與沉降過程的相關性不明顯。

3.2 煤泥水沉降速率與圖像平均灰度變化率的關聯性驗證

將不同絮凝劑添加量條件下獲得的圖像平均灰度隨時間的變化繪制成曲線，如圖4 所示。

圖4 煤泥水沉降過程圖像平均灰度變化規律Fig. 4 The average grayscale variation law of images during slime water sedimentation process

由圖4（a）可見，隨著加藥量的改變，圖像平均灰度的變化規律有所差別：絮凝劑添加量為4 mg/L 和12 mg/L 時，圖像處于暗場的時間較長，線性段不明顯，所需沉降時間較長；在8 mg/L 加藥量下，沉降速率最大，線性區間明顯，圖像在5 s 左右就達到非常明亮的狀態。這些現象符合藥劑變化對絮凝沉降效果的影響規律：在加藥量不足時，煤泥絮凝不完全，沉降速率小；藥劑添加過量時，絮凝劑會在煤泥表面包覆形成罩蓋[20-21]，使煤泥間不能發生粘附，絮凝效果變差。同時，這些變化特征均可以在30 s 內獲得，為快速評價煤泥水的絮凝沉降性能奠定了基礎。

為進行定量描述，將圖4（a）中線性段數據提取出來并擬合得到直線，如圖4（b）所示。圖像平均灰度變化可用直線斜率表征。可看出擬合直線斜率與沉降速率存在定量關系。

為分析平均灰度變化率與沉降速率的相關性，將相同藥劑條件下所測定的煤泥水界面初始沉降速率（線性段）與平均灰度變化率進行比較，結果如圖5所示。由圖5（a）可見，二者變化趨勢存在良好的一致性。為進一步建立其關聯性，以平均灰度變化率為橫坐標、沉降速率為縱坐標，繪制擬合曲線，如圖5（b）所示，擬合曲線的相關系數達0.977 2，可見二者存在很好的線性關系。

圖5 煤泥水沉降過程平均灰度變化率與沉降速率的相關性Fig. 5 The correlation between the average grayscale change rate and sedimentation rate during slime water sedimentation process

為進一步驗證平均灰度變化率與沉降速率的相關性，配制固體物質量濃度分別為5，10，15，20，25 g/L 的煤泥水，每種質量濃度下煤泥水絮凝劑的添加量分別按每噸干煤泥0.1，0.125，0.15，0.175，0.2 kg聚丙烯酰胺添加，進行沉降速率測定和平均灰度變化率分析，結果如圖6 所示，圖中每個點代表在一種實驗條件下獲得的沉降速率和平均灰度變化率。由圖6 可知，在實驗范圍內，二者存在較好的線性相關性，擬合曲線的相關系數達0.944 1。因此，可以通過平均灰度變化率檢測煤泥水絮凝沉降速率，用于指導煤泥水智能加藥。

圖6 不同條件下平均灰度變化率與沉降速率的關聯性Fig. 6 The correlation between average grayscale change rate and sedimentation rate under different conditions

4 基于圖像灰度識別的煤泥水絮凝沉降速率快速檢測方法

煤泥水批次沉降過程圖像的平均灰度變化率與煤泥水絮凝沉降速率存在良好的線性關系，但實際生產中，煤泥水的絮凝沉降為連續過程，無法直接在現有裝置上實現煤泥水絮凝沉降過程中圖像灰度變化檢測。因此，需要在濃縮機入料主管道將加藥后的煤泥水引入檢測裝置進行批次沉降，以檢測煤泥水絮凝沉降速率，如圖7 所示。

圖7 基于圖像灰度識別的煤泥水絮凝沉降速率快速檢測方法Fig. 7 Fast detection method for slime water flocculation and sedimentation rate based on image grayscale recognition

1） 打開自動閥K1，關閉自動閥K2，待煤泥水充滿裝置后，關閉K1并立即開啟圖像采集，采集頻率為1 幀/s，采集時間為1 min。

2） 將采集的圖像實時輸入計算機服務器，計算每幀圖像的平均灰度。

3） 每4 幀圖像進行一次“平均灰度-時間”線性擬合，取相關系數大于0.9 的擬合曲線，將最大斜率作為圖像灰度變化率。

4） 利用沉降速率與平均灰度變化率的關系得到沉降速率。

5） 打開K2，排空煤泥水后關閉K2，進行下一次檢測。

用上述方法獲得的絮凝沉降速率可作為反饋信號用于加藥閥調控，實現煤泥水加藥自動控制。該方法從入料管采樣，檢測時間短，能夠快速反映絮凝沉降效果，相比使用濁度計和在濃縮池中檢測界面的方法，時效性更好，可一定程度上避免加藥調節的滯后性。

5 結論

1） 提出了一種基于圖像灰度識別的煤泥水絮凝沉降速率快速檢測方法。基于工業CCD 相機，以1 幀/s 的頻率采集圖像，利用Matlab 對圖像進行均值濾波法降噪、灰度特征值處理和平均灰度變化率統計，用于評價煤泥水在加藥絮凝后的沉降性能。

2） 在固體物質量濃度為5～25 g/L、絮凝劑添加量為0.1～0.2 kg/t 條件下，平均灰度變化率與絮凝沉降速率存在良好的線性關系，相關系數為0.944 1。利用其變化趨勢指導煤泥水絮凝沉降加藥，具有可行性。