一種自適應聚焦激光誘導擊穿光譜的煤質在線檢測方法與流程

本發明涉及煤質檢測，尤其涉及一種自適應聚焦激光誘導擊穿光譜的煤質在線檢測方法。

背景技術：

1、煤質快速檢測對實現燃煤電廠低碳、靈活和智能化運行至關重要。激光誘導擊穿光譜技術(libs)由于具有安全性好、樣品預處理簡單、多元素同步快速分析等優點，在煤質快速檢測領域具有廣闊的應用前景。然而，煤炭復雜的特性加劇了光譜數據不確定性對定量分析的干擾，并且無法由單一光譜信息全面表征，這制約了煤質檢測精確度的進一步提高。

2、例如公開號為cn114965440a的中國專利公開了一種基于libs煤質分析系統的煤質檢測方法，屬于測量技術領域，包括激光器、光譜儀、供粉裝置和二向色鏡，所述供粉裝置包括落粉口，激光器設置成對準所述落粉口，且激光器的發射方向與出粉方向垂直，二向色鏡設置在激光器與供粉裝置之間，光譜儀對準二向色鏡，還包括準直透鏡組，準直透鏡組包括第一準直透鏡和第二準直透鏡，第一準直透鏡設置在二向色鏡與光譜儀之間，第一準直透鏡靠近所述二向色鏡，第二準直透鏡與所述二向色鏡距離大于第一準直透鏡。該煤質檢測方法包括出粉；激光對焦光譜采集；信息傳遞；信息處理，能夠穩定的采集到燒蝕煤粉產生的光譜信號，克服了采集燒蝕煤粉光譜信號有漂移的問題。

3、以上專利存在本背景技術提出的問題：人工選擇聚焦位置時可能會出現無法擊穿煤炭或光譜數據不準確的問題，對光譜數據的處理依賴于定量分析模型，煤炭內部成分的估算不精確，為解決以上問題，本技術設計了一種自適應聚焦激光誘導擊穿光譜的煤質在線檢測方法。

技術實現思路

1、本發明所要解決的技術問題是針對現有技術的不足，提供了一種自適應聚焦激光誘導擊穿光譜的煤質在線檢測方法，首先通過圖像處理技術獲取激光聚焦點的位置，其次通過激光器發射激光獲取等離子體，獲取等離子體的光譜信號，最后對所述等離子體的光譜信號進行處理，提取待檢測煤炭內部成分信號特征，根據所述煤炭內部成分信號特征對所述待檢測煤炭進行煤質分析，確定待檢測煤炭的煤質質量。

2、為實現上述目的，本發明提供如下技術方案：

3、一種自適應聚焦激光誘導擊穿光譜的煤質在線檢測方法，包括以下步驟：

4、s1：通過圖像傳感器獲取待檢測煤炭的表面圖像，對所述待檢測煤炭的表面圖像進行處理，獲取激光聚焦點的位置；

5、s2：通過激光器發射激光，所述激光經過反射鏡反射傳輸，在所述激光聚焦點的位置聚焦燒蝕待檢測煤炭，形成等離子體；

6、s3：收光探頭接收所述等離子體發出的光，傳輸至光譜儀，所述光譜儀通過光電轉換獲取等離子體的光譜信號；

7、s4：對所述等離子體的光譜信號進行處理，提取待檢測煤炭內部成分信號特征，根據所述煤炭內部成分信號特征對所述待檢測煤炭進行煤質分析，確定待檢測煤炭的煤質質量。

8、所述對待檢測煤炭的表面圖像進行處理具體步驟如下：

9、s1.1：對待檢測煤炭的表面圖像進行預處理，獲取表面壓縮重構圖像，所述預處理包括去噪、圖像稀疏表示、圖像切割和圖像采樣壓縮；

10、s1.2：通過行梯度算子將表面壓縮重構圖像轉換為表面行梯度圖，在梯度方向上檢查表面行梯度圖每個像素的梯度響應，設定響應閾值，將表面行梯度圖中小于響應閾值的梯度響應置零，只保留表面行梯度圖中大于或等于響應閾值的梯度響應；

11、s1.3：對表面行梯度圖進行自適應二值化，并進行邊緣檢測，提取表面行梯度圖中的連續曲線，對曲線進行直線擬合，獲取表面行梯度圖中的直線和顯著消失線，以顯著消失線與直線的相交點作為表面行梯度圖的關鍵點；

12、s1.4：計算每一個關鍵點的顏色特征和紋理特征，并根據顏色特征和紋理特征計算關鍵點的光譜強度，將關鍵點的光譜強度從小到大進行排序，取光譜強度最小的關鍵點作為激光聚焦點的位置。

13、所述關鍵點的光譜強度的計算公式為：

14、

15、其中，si表示關鍵點的光譜強度，表示關鍵點h通道三級小波變換后的通道特征，表示關鍵點s通道三級小波變換后的通道特征，表示關鍵點v通道三級小波變換后的通道特征，e表示關鍵點的灰度分布熵，a表示關鍵點的顏色特征，b表示關鍵點的紋理特征，h、s和v表示關鍵點的不同通道。

16、所述s1.1具體步驟如下：

17、s1.1.1：對待檢測煤炭的表面圖像進行噪聲去噪，其中，所述噪聲包括現場光線噪聲、煤炭內部飛灰噪聲和圖像傳感器光電管噪聲；

18、s1.1.2：對去噪后的待檢測煤炭的表面圖像進行稀疏表示，并通過傅里葉變換進行掩膜采樣，獲取稀疏表面圖像；

19、s1.1.3：對稀疏表面圖像進行切割，將大小為h*w的原始圖像按照p*q大小進行塊狀切割，獲取塊狀圖像矩陣，構建觀測矩陣序列，根據塊狀圖像不同區域的構成復雜度來分別匹配不同的采樣率，并以分布式多點協作的方式在傅里葉域進行稀疏采樣壓縮，稀疏采樣壓縮的計算公式為：

20、

21、其中，g表示表面壓縮重構圖像，a表示單個塊狀圖像矩陣，m表示塊狀圖像矩陣總數量，pa表示第a個塊狀圖像矩陣的采樣率，θ表示觀測矩陣序列，表示向量點乘操作，k表示分割率，f[·]表示傅里葉變換函數，i表示超聲電機外部圖像，γ表示噪聲。

22、所述對所述等離子體的光譜信號進行處理具體步驟如下：

23、s4.1：對等離子體的光譜信號進行預處理，所述預處理包括光譜信號歸一化、多元散射校正和光譜信號平滑；

24、s4.2：通過傅里葉變換將預處理后的光譜信號的轉換為光譜頻率域，通過頻譜分析將所述光譜頻率域轉化為光譜頻率分布，根據所述光譜頻率分布繪制光譜頻率分布直方圖；

25、s4.3：根據所述光譜頻率分布直方圖，提取特征光譜曲線，通過原子光譜數據庫確定所述特征光譜曲線對應的元素；

26、s4.4：根據所述特征光譜曲線建立特征向量，對特征向量做希爾伯特變換計算出特征光譜曲線的包絡，按照所述包絡進行分割，計算每一段的最大值和均值，根據每一段的最大值和均值計算待檢測煤炭內部成分信號特征。

27、所述待檢測煤炭內部成分信號特征的計算公式為：

28、

29、其中，ic表示煤炭內部成分信號特征，i表示單個包絡，n表示特征光譜曲線的包絡總數量，fi表示第i個包絡的頻率分布區間，maxi表示第i個包絡的元素信號最大值，maxavg表示全部包絡元素信號最大值的平均值，avgi表示第i個包絡的元素信號平均值，η表示大于零的常數，δ(·)表示狄拉克函數，ti表示第i個包絡的橫軸坐標，j表示虛數單位，ω表示中心頻率。

30、所述根據所述煤炭內部成分信號特征對所述待檢測煤炭進行煤質分析包括煤質成分劃分和煤質質量分析；

31、所述煤質成分包括灰分、揮發分和水分；

32、所述煤質質量包括優質煤、中等煤、低級煤和劣質煤。

33、所述煤質成分劃分包括信號特征擬合和信號特征聚類，所述煤質質量分析包括煤質質量計算和煤質質量劃分；

34、所述信號特征擬合用于通過高維空間將所述煤炭內部成分信號特征進行曲線擬合，提取信號特征向量；

35、所述信號特征聚類用于通過dbscan聚類算法對信號特征向量進行回歸分析，提取煤炭內部元素含量；

36、所述煤質質量計算用于根據煤炭內部元素含量計算所述煤質成分在煤炭內部的含量，根據所述煤質成分在煤炭內部的含量計算煤質質量分數；

37、所述煤質質量劃分用于根據所述煤質質量分數，確定待檢測煤炭的煤質質量。

38、所述dbscan聚類算法包括邊界劃分、參數尋優、聚類劃分和誤差回歸，所述煤質質量分數的計算公式為：

39、

40、其中，cq表示煤質質量分數，mc表示煤炭內部水分的含量，ms表示煤炭內部水分的標準含量，ac表示煤炭內部灰分的含量，as表示煤炭內部灰分的標準含量，vc表示煤炭內部揮發分的含量，vs表示煤炭內部揮發分的標準含量，ωm表示煤炭內部水分含量對煤炭質量的影響因子，ωa表示煤炭內部灰分含量對煤炭質量的影響因子，ωv表示煤炭內部揮發分含量對煤炭質量的影響因子，c1、c2和c3表示大于0的常數。

41、與現有技術相比，本發明的有益效果是：

42、1.本發明通過圖像處理技術確定煤炭的激光聚焦位置，減少人為干預，提高生產線的自動化程度，并確保每個煤炭樣品在檢測時激光在目標區域進行精確聚焦，提高了煤質檢測的效率性；

43、2.本發明通過對光譜信號進行處理，通過聚類分析算法計算光譜信號對應的成分和含量，根據成分和含量計算煤炭的質量分數，進行煤炭質量檢測，提高煤炭檢測的準確性。