Wyniki wyszukiwania - BazTech

1

A study on the influence of particle size on the identification accuracy of coal and gangue

Li Xin, Wang Shuang, He Lei, Luo Qisheng

Gospodarka Surowcami Mineralnymi

|

2023

|

T. 39, z. 1

109--129

EN

In order to explore the impact of coal and gangue particle size changes on recognition accuracy and to improve the single particle size of coal and gangue identification accuracy of sorting equipment, this study established a database of different particle sizes of coal and gangue through image gray and texture feature extraction, using a relief feature selection algorithm to compare different particle size of coal and gangue optimal features of the combination, and to identify the points and particle size of coal and gangue. The results show that the optimal features and number of coal and gangue are different with different particle sizes. Based on visible-light coal and gangue separation technology, the change of coal and gangue particle size cause fluctuations in the recognition accuracy, and the fluctuation of recognition accuracy will gradually decrease with increases in the number of features. In the process of particle size classification, if the training model has a single particle size range, the recognition accuracy of each particle size range is low, with the highest recognition accuracy being 98% and the average recognition rate being only 97.2%. The method proposed in this paper can effectively improve the recognition accuracy of each particle size range. The maximum recognition accuracy is 100%, the maximum increase is 4%, and the average recognition accuracy is 99.2%. Therefore, this method has a high practical application value for the separation of coal and gangue with single particle size.

PL

W celu zbadania wpływu zmian wielkości cząstek węgla i skały płonnej na dokładność rozpoznawania oraz poprawienia dokładności identyfikacji pojedynczych cząstek węgla i skały płonnej przez urządzenia sortujące, w ramach tej pracy utworzono bazę danych różnych rozmiarów cząstek węgla i skały płonnej za pomocą obrazów szarych i ekstrakcję cech tekstury przy użyciu algorytmu wyboru cech reliefowych w celu porównania różnych rozmiarów cząstek węgla i skały płonnej przy optymalnych cechach kombinacji oraz identyfikacji punktów i wielkości cząstek węgla i skały płonnej. Wyniki pokazują, że optymalne liczby cech węgla i skały płonnej są różne dla różnych rozmiarów cząstek. W oparciu o technologię separacji węgla i skały płonnej w świetle widzialnym, zmiana wielkości cząstek węgla i skały płonnej powoduje fluktuacje dokładności rozpoznawania, a te z kolei będą stopniowo zmniejszać się wraz ze wzrostem liczby cech. W procesie klasyfikacji wielkości cząstek, jeśli model uczący ma jeden zakres wielkości cząstek, dokładność rozpoznawania każdego zakresu wielkości cząstek jest niska, przy czym najwyższa dokładność rozpoznawania wynosi 98%, a średni wskaźnik rozpoznawania wynosi tylko 97,2%. Metoda zaproponowana w tym artykule może skutecznie poprawić dokładność rozpoznawania każdego zakresu wielkości cząstek. Maksymalna dokładność rozpoznawania wynosi 100%, maksymalny wzrost to 4%, a średnia dokładność rozpoznawania to 99,2%. Dlatego ta metoda ma dużą praktyczną wartość użytkową do oddzielania węgla i skały płonnej według rozmiaru pojedynczej cząstki.

2

Effects of ecological restoration patterns on runoff and sediment in an abandoned coal mine of Southern China

Li Hao, Chen Wenbo, Zhang Cheng, He Lei, Liang Haifen, Li Haifeng, Liu Dingpu

Environment Protection Engineering

|

2023

|

Vol. 49, nr 4

29--44

EN

Evaluating the ecological economic benefits of different ecological restoration patterns in abandoned mines is important in ecological restoration study. Taking the abandoned coal mine in Luoshi Township of Fengcheng county, Jiangxi province, as a case, 4 different ecological restoration patterns (grapefruit with grass vegetation – Pattern I, pine with grass vegetation – Pattern II, grapefruit – Pattern III, and bare slope – Pattern IV) have been conducted to study the runoff and sediment yield under natural rainfall conditions. The results showed that the ecological restoration patterns and rainfall intensity can significantly affect runoff and sediment yield which increased as rainfall intensity increased: Pattern IV > Pattern III > Pattern II > Pattern I. For the optimal ecological restoration with Pattern I, the average runoff and sediment reduction was 59.01 and 77.1%, respectively, in all rainfall intensities. Multivariate analysis of variance (MANOVA) showed that runoff and sediment were significantly affected by ecological restoration pattern and rainfall intensity (P < 0.05). Correlation analysis of runoff and sediment yields indicated that the reduction effect on sediment yield increased with the decrease of runoff, and the relationships between runoff and sediment at different ecological restoration patterns could be fitted with a linear function. Moreover, the vegetation configuration that combines fruit farming with grass can be not only beneficial to control soil and water conservation but produce considerable economic and ecological benefits.

3

DE-XRT coal preparation image overlapping and adhesion particle segmentation method

He Lei, Wang Shuang, Guo Yongcun

Physicochemical Problems of Mineral Processing

|

2022

|

Vol. 58, iss. 6

art. no. 155840

EN

Accurate segmentation of dual-energy X-ray transmission (DE-XRT) coal and gangue image regions are a prerequisite for feature extraction, identification, localization, and separation. A watershed algorithm based on multi-grayscale threshold segmentation (MGTS) is proposed to mark the foreground for the adhesion and overlap of coal and gangue. The grayscale images of foreground objects are segmented using multiple grayscale thresholds, and the number of connected domains is recorded each time. As the gray threshold value decreases, overlapping and adhering objects are gradually separated. The binary image segmented at the grayscale threshold with the most significant number of connected domains is used as a marker region. This marker region is used as the seed point of the watershed algorithm to find the dividing line. The experimental results show that the segmentation accuracy is 91.35%, and the segmentation accuracy of overlapping adhesions of 2, 3, and 4 targets is higher than 90%.

4

The identification of coal and gangue and the prediction of the degree of coal metamorphism based on the EDXRD principle and the PSO-SVM model

Zhao Yanqiu, Wang Shuang, Guo Yongcun, Cheng Gang, He Lei, Wang Wenshan

Gospodarka Surowcami Mineralnymi

|

2022

|

T. 38, z. 2

113--129

EN

In order to improve the utilization rate of coal resources, it is necessary to classify coal and gangue, but the classification of coal is particularly important. Nevertheless, the current coal and gangue sorting technology mainly focus on the identification of coal and gangue, and no in-depth research has been carried out on the identification of coal species. Accordingly, in order to preliminary screen coal types, this paper proposed a method to predict the coal metamorphic degree while identifying coal and gangue based on Energy Dispersive X-Ray Diffraction (EDXRD) principle with 1/3 coking coal, gas coal, and gangue from Huainan mine, China as the research object. Differences in the phase composition of 1/3 coking coal, gas coal, and gangue were analyzed by combining the EDXRD patterns with the Angle Dispersive X-Ray Diffraction (ADXRD) patterns. The calculation method for characterizing the metamorphism degree of coal by EDXRD patterns was investigated, and then a PSO-SVM model for the classification of coal and gangue and the prediction of coal metamorphism degree was developed. Based on the results, it is shown that by embedding the calculation method of coal metamorphism degree into the coal and gangue identification model, the PSO-SVM model can identify coal and gangue and also output the metamorphism degree of coal, which in turn achieves the purpose of preliminary screening of coal types. As such, the method provides a new way of thinking and theoretical reference for coal and gangue identification.

PL

W celu poprawy stopnia wykorzystania zasobów węgla konieczna jest klasyfikacja węgla i skały płonnej, ale to klasyfikacja węgla jest szczególnie ważna. Niemniej jednak obecna technologia separacji węgla i skały płonnej koncentruje się głównie na identyfikacji węgla i skały płonnej, ale nie przeprowadzono dogłębnych badań dotyczących identyfikacji gatunków węgla. W związku z tym, w celu wstępnego przesiewu rodzajów węgla, w niniejszym artykule zaproponowano metodę przewidywania stopnia metamorfizmu węgla przy identyfikacji węgla i skały płonnej w oparciu o zasadę dyfrakcji rentgenowskiej z dyspersją energii (EDXRD) z 1/3 węglem koksującym, węglem gazowym i skałą płonną z kopalni Huainan w Chinach jako obiektem badawczym. Różnice w składzie fazowym 1/3 węgla koksowego, węgla gazowego i skały płonnej analizowano przez połączenie wzorców EDXRD z wzorcami dyfrakcji rentgenowskiej z dyspersją kątową (ADXRD). Zbadano metodę obliczeniową charakteryzującą stopień metamorfizmu węgla za pomocą wzorców EDXRD, a następnie opracowano model PSO-SVM do klasyfikacji węgla i skały płonnej oraz przewidywania stopnia metamorfizmu węgla. Na podstawie uzyskanych wyników wykazano, że poprzez wbudowanie metody obliczania stopnia metamorfizmu węgla w model identyfikacji węgla i skały płonnej, model PSO-SVM może identyfikować węgiel i skałę płonną, a także wyprowadzać stopień metamorfizmu węgla, co z kolei spełnia cel wstępnego przesiewania rodzajów węgla. Jako taka, metoda ta zapewnia nowy sposób myślenia i teoretyczne odniesienie do identyfikacji węgla i skał płonnych.