摘要：提出了使用金属片过滤高能x射线的方法,并采用蒙特卡罗方法模拟双能x射线检测系统,结合建立的代价函数确定最佳滤波金属材料与金属片厚度.利用x射线安检机进行测试,结果表明使用本文提出的金属滤波方法及优化的滤波参数显著提高了x射线双能检测系统的性能,证明了该方法的有效性.

摘要：为了实现将简单矿石中的有用矿物与脉石在视觉范围内直观区分开,提高物理选矿效率,探索设计了一种图像处理方法用以优化双能x射线透射技术,使之完善成选矿专用系统。矿石经过该系统处理后能够形成清晰、明显的矿物分布图像,从而直观观察矿石中矿物元素的分布,为进一步的选矿研究提供技术基础。重点介绍该系统的成像界面设计及矫正、图像处理方法设计思路及步骤,最后经试验检测验证,证明可达到目的。

摘要：环境适应能力强、识别精度高是有效分离煤和矸石的前提。采用双能x射线透视煤和矸石并成像,避免了粉尘、光照强度和物料表面等外界因素影响。但双能x射线探测器采集射线能量数据存在余晖效应、厚度效应和射束硬化效应等缺陷。为降低缺陷影响,提高煤和矸石识别率,提出一种联合R值图像与高、低能图像特征对煤和矸石进行多维度分析的方法。首先基于双能x射线采集系统获取高、低能图像,并利用比值法得到R值图像;然后针对所获取的3种图像,研究煤和矸石密度及灰分含量等关键物性参数与图像特征关系,据此设计特征提取方案,共计提取8个特征参量,形成一种强特征组合;最后采用Relief算法度量每个特征参量的重要性,进而设计分类试验。以不同地区肥煤、焦煤、气煤和矸石为试验对象,观察剔除权重较低的特征后,分类模型准确率,发现以特征组合[R_(c),Gl_(c),G_(l),R_(a)]为输入,PSO-SVM分类模型对3种煤混合矸石识别效果最佳,识别率为99.4%。结合PSO-SVM分类模型和[R_(c),Gl_(c),G_(l),R_(a)]的特征组合对肥煤、焦煤和气煤分别混合矸石进行识别验证,结果表明:肥煤混合矸石识别率为98.89%,焦煤混合矸石识别率为100%,气煤混合矸石的识别率为99.44%。本方法通过联合多张图像的多个特征,进行多维度分析,发现R值图像特征和高能图像特征对煤和矸石的区分度最好,可有效降低双能x射线缺陷影响,能以较少的特征,实现对不同煤种的较高识别率,优于现有方法。此外,以灰分、密度为参照选取特征阈值,贴合实际需求,减少了工程应用中根据矿区煤质差异进行参数调整的频次,提高了识别模型的泛化能力。

摘要：以高速高性能单片机C8051F020为测量控制核心,采用VC++对高、低两种能量的数据进行分析,设计并实现了应用双能x射线进行测量的骨密度仪,改善了单光子骨密度仪定位困难,测量精度差的缺点。该双能x射线骨密度仪的测量数据显示,其设计已基本达到医用测量标准。

摘要：双能x射线透射识别煤矸仍存在厚度、硬化、余辉和扇形效应等缺陷,面向5~150 mm宽厚度煤矸分选参数波动大、识别率低。为此,提出一种基于几何特征约束的煤矸双能x射线透射多维度识别方法。该方法通过目标图像最小外接圆直径和区域面积两个几何特征区分煤矸厚度,约束x射线透射响应特征的空间分布,进而从多个维度特征削弱缺陷影响。以少量低密度煤和高密度矸石,获取x射线透射响应特征、位置特征和几何特征,结合Relief-F特征选择建立强特征组合。检验多种分类器的识别性能,选取中等高斯SVM作为多维度方法的分类模型。以强特征组合作为输入,自动创建最终决策模型并分类未知煤矸像素点,通过像素变换图像处理方法获取分选参数p值。结果显示,p值与煤矸密度呈强线性相关,利用密度可选取p值调控分选。而p值与煤矸厚度呈现弱线性相关,宽厚度范围内p值离散程度小、可分性好,赋予分选参数较大调整空间。批量试验验证结果显示,多维度法预排矸分选参数p值为33.01%,以此分选参数对不同密度、不同煤种煤矸识别,整体识别率达99.57%。对5~150 mm厚度范围原煤预排矸整体识别率达99.37%。相比较H-L法、RL法,多维度法识别率更高,面向不同厚度煤矸计算得到的p值精度高、一致性更好。印证了几何特征约束下多维度识别方法的有效性及分选参数调控优势,为现有双能x射线煤矸分选装置识别算法提供了设计参考。

摘要：介绍了韩城矿业公司桑树坪二号井块煤人工拣矸存在的诸多弊端,论述了一体化智能干选技术原理、工艺流程设计及实际应用效果;采用一体化智能干选技术取代人工手选后,达到了预期目标,年均节省加工成本214.5万元,经济效益显著。

摘要：为确定煤矸石分选系统中x射线探测器设计的最佳方案,满足煤矸石分选系统的应用需求,基于连续能谱x射线衰减与煤矸石的关系,在对阵列电离室型探测器与闪烁体探测器比较的基础上,选用阵列电离室型探测器对分选系统进行设计,并介绍了该探测器的外形、内部结构、技术指标、工作原理及技术特点。研究表明,该探测器可实现双能x射线探测,其阵列电离室型结构中带孔金属板隔离可形成高低能射线两个探测腔体,且两部分探测效率相当,结构简单,性能稳定性,适合在粉尘、振动及噪声的环境中使用。

摘要：针对矿山的煤矸难分离的问题,提出以煤炭为实验对象,在已知煤炭和矸石的情况下基于MATLAB的软件与程序设计,利用探测器的成像技术将煤炭和矸石图像准确的呈现出来,在煤的识别过程中,R值识别方法保证了图像不受矿石厚度的影响,确保提取的矿石图像数据的准确性;最后根据采集后的图像,采用卷积神经网络对图像进行训练处理。具体处理分别采用卷积神经网络的VGG网络结构、GoogleNet网络结构、LeNet网络结构及AlexNet网络结构确定可行性,再进一步改进,并选出一个准确率高、快速的网络结构。最终实现煤炭和矸石的分离。

摘要：双能x射线骨密度仪系统具有测量精度高、时间短、剂量低等独特优势,是目前x射线骨密度测定技术的"金标准"。本文采用半导体CdZnTe探测器模块搭建半导体光子计数骨密度能谱测量平台,针对CdZnTe半导体探测器信号特点,使用移动最小二乘算法进行不同材料高低能拟合校正。移动最小二乘算法通过权函数改变目标数据点周围节点对其影响程度,可以让数据点的拟合方向更具灵活性。研究分析移动最小二乘算法对双能x射线骨密度测量数值的数据处理流程,完成基于移动最小二乘高低能拟合校正算法的骨密度测量实验。实验结果表明,本文所设计实现的基于移动最小二乘算法的骨密度双能拟合技术在实际应用中能达到较好的拟合误差精度,其中探测器像素单元在高能条件下拟合平均误差为0.032%,低能条件下拟合平均误差为0.036%。进一步数据分析表明,边缘像素单元与中心像素单元在高低能条件下的拟合误差差异仅为0.012%和0.011%。该算法能够有效提高半导体光子计数探测器的骨密度测量精度,降低探测器边缘像素单元信号不均匀性差异带来的误差影响,对目前线阵或面阵光子计数半导体探测器像素差异对骨密度诊断的影响具有良好的改善作用。

摘要：针对选煤系统存在的工艺复杂、分选效率低、智能化程度低,x射线选煤法对于不同厚度的煤和矸石容易出现识别错误等问题,提出了基于双能x射线和超声波测距的一体化智能干法选煤系统。结合实际工业应用,建立了煤和矸石智能干法选煤系统,并进行了工业性试验。实验结果表明,该系统满足该煤矿的实际需求,识别精度高,分选效率达到90%以上。