CN118688150B 煤炭检测系统、方法及存储介质 （国家能源投资集团有限责任公司）

述光谱数据在各神经网络维度中基于贪婪搜索2所述检测单元包括近红外光谱采集模块和X射线荧光光谱视觉分析模块，所述视觉分析模块包括一个或多个图像采集模块，所述分析单元还用于基于各视图角度上的图像信息进行检测煤样训练单元，用于通过所述光谱数据在各神经网络维度中基采集历史近红外光谱信号和历史X射线荧光光谱数据，并基于所述历史近红外光谱信号和所述历史X射线荧光光谱数据构建对应的将所述历史目标光谱数据作为训练数据执行PLS模采样模块，用于在原煤转运或存储过程中随机进行原煤样本采集，或基于制样单元各模块预设位置上的位置触发器的触发信号，开始第一预处理构件(2)，包括限位框(21)和刮板(22)，所述限位框(21)通过所述输送架3述刮板(22)设置在所述限位框(21)的出料端并与所述输送带(1第二预处理构件(3)，包括至少一个压辊(31)，所述压辊(31)转动设置在所述输送架所述照明模块(41)与所述光纤(42)之间设置有从所述采样罩内壁延伸而出的光阑所述光电传感器(43)设置在所述照明模块的光路方向，用于监测对应照所述光纤(42)设置在所述采样罩(4)顶部对光电传感器采集的光照数据进行包括滤波和去根据预处理后光照数据对应电信号的电压值或数字值，与光照强度基于所述检测位置的光照强度，以及光点传感器与对应对比所述检测光照强度和预设光照强度阈值，若所述检测光照对各视图角度上的图像信息依次执行去噪、灰度化和边缘检测处理在各视图角度上的图像检测煤样区域进行表面平整度指标采4对所述第一偏差值和所述第二偏差值执行归一化处理，并对归一化处理基于所述偏差系数对所述煤样检测模型中的预设修正对近红外光谱数据和X射线荧光光谱数据分别执对预处理后的近红外光谱数据和X射线荧光光谱数据分别执行降采样处理，并将降采样后的近红外光谱数据和X射线荧光光谱数据缩放至正对正态分布的近红外光谱数据和正态分布的X射线荧光光谱数据执行拼接处理，获得对近红外光谱数据和X射线荧光光谱数据分别执行SG卷积平滑处理，获得SG卷积平滑处理后的近红外光谱数据和SG卷积平滑处理后的X射线荧光光对SG卷积平滑处理后的近红外光谱数据进行面积归分别针对近红外光谱数据和X射线荧光光谱数据，基于SG卷积核的系数分别对各光谱基于平滑后的数据点和处理后边界获得SG卷积平滑处理后对SG卷积平滑处理后的X射线荧光光谱数据和面积归一化处理后的近红外光谱数据分分别对各光谱数据执行滤波处理，在滤波处理后的光谱数据中，每隔固5基于各光谱数据的统计特征，对各光谱数据执行标准化处执行正态分布的近红外光谱数据和正态分布的X射线荧光完成正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据的对齐后，基于加基于正态分布的近红外光谱信号和/或正态分布的X射线荧光光谱数据对所述初始目为目标光谱数据；22.根据权利要求21所述的系统，其特征在于，基于参数初始化后的PLS模型对所述模拟样本进行伪标签标注，将标注后的模拟样本基于所述训练样本，在基于所述目标光谱数据搜索的神经网络624.根据权利要求1所述的系统，其特征在基于预留历史目标光谱数据构建验证集，并将所述验证集输入所述成分监测初始模基于预测结果和对应预留历史目标光谱数据的实际结果，进行成基于预留历史目标光谱数据对更新后的成分监测初始模型重新进行性对比所述预测结果和所述实际结果，基于二者的偏差分别对模型的若准确率和召回率中任一项评估结果未通过，则本次成分监26.根据权利要求1所述的系统，其特征在于，在各寻优维度内，自适应调整对应寻优维度对应神经网络结构对比各参数对应的MAE指标，确定MAE指标最高的参数组合，作为对应基于各寻优维度的寻优结果，确定对应各神经网络结构的结构参数遍历线性层的卷积类型，以及遍历非线性层的激活函数类型，自适应对比每一次组合后的MAE指标，选择MAE指标最大对应的组合，并7基于对应的检测结果对象选定预设的数据可视化方案，并将可视化后的通过所述光谱数据在各神经网络维度中基于贪婪搜索进行神经网对所述光谱数据执行融合处理，获得目标光谱数据，基于所述煤样在计算机上运行时使得计算机执行权利要求348致因为各设备之间的测试标准存在差异使得测试结果准确性炭在线检测中煤颗粒、表面平整度等对XRF系统及NIRS系统的稳定性会产生较大影响的方现有煤炭检测方案存在的检测精度无法保证和检9辊上设有用于限制所述第二间隙的宽度的限和光电传感器；所述照明模块与所述光纤之间设置有从所述采样罩内壁延伸而出的光阑；[0020]可选的，对所述近红外光谱采集模块采集的近红外光谱信号和X射线荧光光谱采谱数据分别执行降采样处理，并将降采样后的近红外光谱信号和X射线荧光光谱数据缩放至正态分布；对正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据执行拼接处近红外光谱信号和X射线荧光光谱数据分别执行SG卷积平滑处理，获得SG卷积平滑处理后的近红外光谱信号和SG卷积平滑处理后的X射线荧光光谱数据；对SG卷积平滑处理后的近信号和X射线荧光光谱数据，基于SG卷积核的系数分别对各光谱信号中相邻数据点进行加后的数据点和处理后边界获得SG卷积平滑处理后的光谱信[0023]可选的，所述对预处理后的近红外光谱信号和X射线荧光光谱数据分别执行降采[0025]可选的，对正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据执行拼光光谱数据的对齐操作；完成正态分布的近红外光谱信号和正态分布的X射线荧光光谱数布的近红外光谱信号和/或正态分布的X射线荧光光谱数据对所述初始目标光谱数据进行于参数初始化后的PLS模型对所述模拟样本进行伪标签标注，将标注后的模拟样本作为训MAE指标最高的参数组合，作为对应寻优维度内的寻优结果；在各寻优维度间执行贪婪搜[0045]本发明第二方面提供一种煤炭检测方法，所述方法应用角度上的图像信息基于设置在检测煤样对应检测位置的各预设方向上的图像采集模块采模块采集的近红外光谱信号和X射线荧光光谱采集模块采集的X射线荧光光谱数据执行融[0053]可选的，对所述近红外光谱采集模块采集的近红外光谱信号和X射线荧光光谱采谱数据分别执行降采样处理，并将降采样后的近红外光谱信号和X射线荧光光谱数据缩放至正态分布；对正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据执行拼接处数据构建对应的历史目标光谱数据；将所述历史目标光谱数据作为训练数据执行PLS模型下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限[0072]图7是本发明一种实施方式提供的麦拉膜更换装置的一个具体实施例的结构示意[0073]图8是本发明一种实施方式提供的缓冲调节结构的一个具体实施例的结构示意[0092]煤炭输送构件1由输送架11和安装在其上的转动输送带12组成，输送架11设有检[0093]第一预处理构件2由限位框21和刮板22组成，限位框21通过输送架11支撑在输送[0094]通过设置限位框21和输送带12，限位框21位于输送架11[0095]第二预处理构件3包括至少一个压辊31，压辊31沿着垂直于输送带12的输送方向[0096]本发明提供的煤炭检测前预处理装置在煤样输送过程中，通过第一预处理构件2[0097]在一些实施方式中，结合图5，限位件32包括同轴设置在压辊31上的两个限位轮侧壁形成斜坡面。该种设计方式下的限位轮321能够为进入到第二间隙的物料起到导向作[0102]结合图4，输送架11上沿着垂直于输送带12的输送方向间隔孔可与安装架112上的安装孔相对应，进而使得外界的螺栓可精准的旋进轴承座和安装架[0104]第一驱动件33可为设置在输送架11上的驱动电机，驱动电机的输出轴与转轴311[0108]作为一种可行的实施方式，第一压辊31与输送带12之间的第二间隙的高度为形物料压制成厚度为3.5cm，宽度为10cm的煤样；再通过第二压辊31将物料压制成厚度为与第一驱动件33的输出轴连接，以使得第一驱动件33的输出轴能够通过同步轴带动转轴[0112]具体地，转轴311上的两个挡轮3113分别设置在两个限位轮321的外侧，且挡轮板1121和两个挡轮3113限制转轴311沿着其轴向方向的移动，进而限制压辊31在垂直于输[0117]输送架11上设有用于安装检测模块的安装位14，安装位14处于第二预处理构件3射线荧光光谱采集模块和所述视觉分析模块的采样罩4；所述采样罩内部还设置有照明模收装置104设置在所述正压吹气装置101[0136]本发明的一个具体实施例中，还包括控制系统，控制系统分别与正压吹气装置[0137]作为本发明的一个优选实施方式，所述正压吹气装置101、所述X射线发生装置102、所述扫描装置103和所述能量接收装置104均通过安装支架固定连接在所述安装架7[0138]作为本发明的一个优选实施方式，所述样品传送带5的表面设有防滑层或防滑结固定轴901的两端还设有轴用弹性挡圈，主动轮71和从动轮72的外周面上均设有硅胶防护同外形的煤炭样品可能具有不同的反射率，导致光信号在样品表面的反射和漫反射不同，果具有一定影响，因此在进行成分监测时需要考虑并对外形因素进行适当的校正和处理，后的近红外光谱信号和X射线荧光光谱数据分别执行降采样处理，并对降采样后的近红外光谱信号和X射线荧光光谱数据缩放至正态分布；对正态分布的近红外光谱信号和正态分号和X射线荧光光谱数据中，基于卷积核中的系数分别与各光谱信号中相邻数据点进行加平滑后的数据点和处理后边界获得SG卷积平滑处理的光谱信一化处理可以突出近红外光谱信号中的特征峰值或波谷，使得信号的特征更加明显和突[0168]其中，X玳⃞(n=1,2,…,N;m=1,2,…,DW)表示第n个样本第m个波长点对[0174]在本发明实施例中，本发明方案将信号转换为正态分布[0176]具体的，执行正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据对齐或正态分布的X射线荧光光谱数据对所述初始目标光谱数据进行验证，将验证通过的初始[0177]进一步的，所述执行正态分布的近红外光谱信号和正态分布的X射线荧光光谱数0,1]谱数据构建对应的历史目标光谱数据；将所述历史目标光谱数据作为训练数据执行PLS模获得煤样检测初始模型；基于预留历史目标光谱数据对所述煤样检测初始模型执行校验，基于参数初始化后的PLS模型对所述模拟样本进行伪标签标注，将标注后的模拟样本作为[0197]进一步的，所述基于预留历史目标光谱数据对所述煤样并计算每一次调整后的MAE指标；对比各参数对应的MAE指标，确定MAE指标最高的参数组Ji为第i个训练数据对应的煤炭成分的真值；yi为第i个训练数据对应的模得无需过多的对NIRS_XRF双光谱信号的专业特征的了解，也能够输出最优的神经网络结究通常采用简单的网络结构，没有对煤炭煤样检测任务进行精准适配。近红外光谱信号(NIRS)在检测分子级信息方面表现出色，而X射线荧光光谱(XRF)则擅长提取原子级信息。实时监测原煤转运或存储过程中的煤炭流动情况，并根据预设算法和规则进行随机采样。和误差。本发明方案智能采样装置和优化采样位置的设计可以提高采样的准确性和代表保护周围生态环境。本发明方案负压封闭设计和在线监测系统的引入可以保护员工健康，同外形的煤炭样品可能具有不同的反射率，导致光信号在样品表面的反射和漫反射不同，果具有一定影响，因此在进行成分监测时需要考虑并对外形因素进行适当的校正和处理，[0257]具体的，对所述检测数据中的近红外光谱信号和X射线荧光光谱数据执行融合处数据分别执行预处理；对完成预处理后的近红外光谱信号和X射线荧光光谱数据分别执行态分布的近红外光谱信号和正态分布的X射线荧光光谱数据执行拼接处理，获得目标光谱号和X射线荧光光谱数据中，基于卷积核中的系数分别与各光谱信号中相邻数据点进行加平滑后的数据点和处理后边界获得SG卷积平滑处理的光谱信一化处理可以突出近红外光谱信号中的特征峰值或波谷，使得信号的特征更加明显和突[0266]其中，X础⃞(n=1,2,…,N;m=1,2,…,Dwn)表[0267]步骤S202：对完成预处理后的近红外光谱信号和X射线荧光光谱数据分别执行降[0272]在本发明实施例中，本发明方案将信号转换为正态分布[0273]步骤S204：对正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据执行[0274]具体的，执行正态分布的近红外光谱信号和正态分布的X射线荧光光谱数据对齐或正态分布的X射线荧光光谱数据对所述初始目标光谱数据进行验证，将验证通过的初始[0275]进一步的，所述执行正态分布的近红外光谱信号和正态分布的X射线荧光光谱数0,1][0281]进一步的，本发明方案利用深度神经网络构建一个用于煤炭成分预测的预测模型，通过端到端的训练方法建立输入NIRS_XRF融合光谱与相应真实成分标签之间的映射。谱数据构建对应的历史目标光谱数据；将所述历史目标光谱数据作为训练数据执行PLS模获得煤样检测初始模型；基于预留历史目标光谱数据对所述煤样检测初始模型