摘要对射线识别煤矸技术进行简要介绍对射线探测煤矸识别技术进行了模拟实验对探测的煤矸进行成像通过软件对煤矸图像进行数字化处理计算出煤矸的图像灰度值并通过实验数据统

该压缩包中主要包含煤矸分选样本图片、测试图片、软件测试效果图片、halcon代码以及c#与halcon联合编程的工程软件代码。视觉分选所用的相机DALSA的Genie Nano M2590 NIR。 注意事项：1、halcon代码运行时注意修改图片路径。 2、运行c#与halcon联合编程代码时需保证电脑上安装有halcon12。没有相关软件可以自行下载安装halcon12。压缩包中有halcon破解版。

为解决手工选煤、湿法选煤中存在的效率低下、劳动强度大、水资源耗费、环境污染等诸多问题。研究了基于机器视觉的煤矸识别方法，在实验室中搭建了试验平台，开发了MFC软件应用平台，实现了煤矸实时识别；选取山西西山、内蒙古和陕西神木的煤和矸石作为样本，建立了样本图像库；取420张图像作为实验样本，提取样本的灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行统计和分析；采用粒子群优化算法(PSO)对支持向量机(SVM)的进行优化，并对分类器进行训练和分类测试。对特征分析的结果表明，灰度特征比为纹理特征具有更好的区分度；PSO-SVM分类器测试中，以灰度、纹理、组合特征作为输入时，其识别准确率分别为95.83%、72.92%、93.75%，结果表明以灰度特征作为输入识别效果最好。