0引言煤是一种较为重要的资源，但煤和矸石的大量存放势必会给环境带来一定的影响，所以煤和矸石的分选处理尤为重要。目前煤和矸石的分选方式主要有双能γ射线选矸、选择性破碎选矸、人工选矸等。人工选矸容易造成安全事故且分选效率较低、经济成本较高。双能γ射线选矸需要使用放射源以及高压电源，管理难度较大且对防护措施要求较高。因此急需一套智能选矸系统来提高煤和矸石的分选效率，提高分选的安全性。1煤矸识别系统针对实际应用的要求设计了一套煤矸识别系统如图1所示，主要包含IPC、视觉工控机、传送带、工业相机等。机械臂由I/O模块进行控制，相机与视觉工控机之间使用以太网进行连接。整个系统由视觉模块进行图像去噪、图像锐化等处理，提供煤矸的识别与位置信息，并将信息发送给机械手进行矸石的实时抓取操作，从而实现煤矸的分选目标。2图像预处理（1）图像滤波由于煤和矸石图像在采集过程中会存在一些干扰，如噪声等。这些干扰会导致图像失真，影响后续的煤矸识别精度。煤和矸石的整体灰度相近，背景输送带的灰度值也较低，所以直接进行图像处理、提取煤与矸石的难度较大。因此本文先对原始图像进行滤波处理，并通过比较最终选用了中值滤波。煤和矸石原始图像及均值滤波后图像、中值滤波后图像如图2所示。图1煤矸识别系统（a）原始图像（b）均值滤波后图像（c）中值滤波后图像图2图像滤波处理对比实验发现，均值滤波后煤和矸石图像模糊了细节和边缘信息，不利于后续的训练；中值滤波后图像边缘及细节特征较为清晰且有效去除了煤和矸石图像中的噪声。因此最终选用了中值滤波。煤矿机械CoalMineMachineryVol.44No.5May.2023第44卷第5期2023年5月doi:10.13436/j.mkjx.202305058基于YOLOv3的煤矸识别系统郑施航，陆金桂（南京工业大学机械与动力工程学院，南京210000）摘要：对于传统图像处理算法在煤矸识别领域运用时存在的识别准确率低的问题，提出了一种基于YOLOv3的识别系统，该系统先对图像进行图像锐化等预处理操作，再将处理后的图像作为YOLOv3算法的输入，最终输出煤矸识别定位结果。实验表明，图像预处理结合YOLOv3的识别正确率达到了95.4%，相比于传统算法具有一定的优势。关键词：图像处理；YOLOv3；图像锐化；煤矸识别中图分类号：TD94文献标志码：A文章编号：1003－0794（2023）05－0187－03CoalGangueRecognitionSystemBasedonYOLOv3ZhengShihang，LuJingui(SchoolofMechanicalandPowerEngineering,NanjingTechUniversity,N...
