王 越，白向飛，曲思建

(1.中國(guó)礦業(yè)大學(xué)(北京)化學(xué)與環(huán)境工程學(xué)院，北京 100083；2.煤炭科學(xué)技術(shù)研究院有限公司 煤化工分院，北京 100013；3.煤炭資源高效開(kāi)采與潔凈利用國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100013)

0 引 言

煤巖顯微組分與煤的成因、物理性質(zhì)、化學(xué)性質(zhì)及工藝性質(zhì)等密切相關(guān)，廣泛應(yīng)用于地質(zhì)勘探、煤化學(xué)研究、煤質(zhì)評(píng)價(jià)、煤炭加工及利用等各個(gè)領(lǐng)域[1]。根據(jù)煤巖顯微組分特征可以確定煤相及沉積環(huán)境，進(jìn)行煤層對(duì)比，解決地層、古地理和古構(gòu)造以及地?zé)岬确矫娴膯?wèn)題；研究煤巖顯微組分的成因及性質(zhì)，在煤的熱解、氣化、液化以及環(huán)保等領(lǐng)域發(fā)揮著重要的作用[2]。如煤巖學(xué)方法應(yīng)用到煉焦生產(chǎn)及成本控制環(huán)節(jié)，可以經(jīng)濟(jì)合理地選擇煤源、確切地評(píng)價(jià)煉焦煤質(zhì)量、觀測(cè)煤在儲(chǔ)運(yùn)中的變化、評(píng)價(jià)煤價(jià)等，通過(guò)分析煤巖顯微組分含量和變質(zhì)程度，可以建立煤巖配煤方案，穩(wěn)定并提高焦炭質(zhì)量，預(yù)測(cè)焦炭強(qiáng)度，降低焦炭成本[3]。

煤巖顯微組分鑒定是一項(xiàng)專(zhuān)業(yè)性很強(qiáng)的工作，具有以下特點(diǎn)：

(1)煤巖顯微組分的形態(tài)特征多樣性。鑒定煤巖顯微組分主要依據(jù)反射率、突起、結(jié)構(gòu)、結(jié)合狀態(tài)等形態(tài)學(xué)特征。成煤環(huán)境及成煤后期作用導(dǎo)致煤巖顯微組分特征多樣；隨著變質(zhì)程度不斷提高，煤巖顯微組分的反射色趨于一致，對(duì)煤巖顯微組分的識(shí)別也會(huì)造成較大的困難。此外，殼質(zhì)組與鏡質(zhì)組之間存在樹(shù)脂鏡質(zhì)體、鏡質(zhì)組與惰質(zhì)組之間存在半鏡質(zhì)體等過(guò)渡組分，對(duì)顯微組分的準(zhǔn)確鑒定造成困難。煤巖顯微組分鑒定對(duì)測(cè)定者的專(zhuān)業(yè)水平要求較高，需要其具有深厚的煤巖學(xué)理論基礎(chǔ)和實(shí)踐經(jīng)驗(yàn)。

(2)對(duì)偏光顯微鏡的操作要求較高。煤巖顯微組分鑒定需要結(jié)合各種顯微組分(包括礦物)在干物鏡、油浸物鏡、反射熒光、單偏光、正交偏光等不同觀察條件下的光學(xué)特征進(jìn)行綜合分析。因而測(cè)定者需要熟練使用偏光顯微鏡，使偏光顯微鏡光源穩(wěn)定、成像均勻清晰、起偏器、測(cè)量光闌、視域光闌等配置符合煤巖顯微組分測(cè)試要求。

(3)測(cè)試主觀性強(qiáng)，測(cè)試速度慢。煤巖顯微組分鑒定依靠操作者手動(dòng)測(cè)試，需要測(cè)定大量的測(cè)點(diǎn)，測(cè)試時(shí)間長(zhǎng)，效率低[4]。不同測(cè)試者對(duì)顯微組分鑒定特征的認(rèn)識(shí)水平常有差異，組分鑒定時(shí)存在主觀性，導(dǎo)致不同測(cè)試人員的鑒定結(jié)果存在一定差異，嚴(yán)重制約了煤巖學(xué)在各領(lǐng)域的應(yīng)用。

針對(duì)人工分析方法的缺陷和不足，減少組分識(shí)別的主觀性，降低操作者的勞動(dòng)強(qiáng)度，提高測(cè)試精度，實(shí)現(xiàn)煤巖顯微組分自動(dòng)測(cè)定，是煤巖工作者長(zhǎng)期追求的目標(biāo)[5]。目前煤巖顯微組分自動(dòng)識(shí)別形成了基于顯微光度計(jì)和圖像分析2種自動(dòng)測(cè)試技術(shù)路線。

1 基于顯微光度計(jì)的自動(dòng)測(cè)試技術(shù)

基于顯微光度計(jì)的測(cè)試設(shè)備中的光學(xué)和電子元件較簡(jiǎn)單，對(duì)傳統(tǒng)的煤巖測(cè)試設(shè)備稍加改造即可，因而硬件成本相對(duì)較低。此外，早期顯微光度計(jì)的測(cè)試精度遠(yuǎn)大于圖像分析設(shè)備。因而早期的煤巖自動(dòng)測(cè)試設(shè)備大多為此類(lèi)技術(shù)。

早在1955年美國(guó)礦務(wù)局的McCartney & Hofer[6]利用自動(dòng)載物臺(tái)、光電倍增管、微安計(jì)和圖解記錄裝置組成顯微光度計(jì)自動(dòng)測(cè)試系統(tǒng)，采用線掃描的方式采集數(shù)據(jù)，但掃描時(shí)間約3.5 h，數(shù)據(jù)處理時(shí)間也較長(zhǎng)，并沒(méi)得到推廣使用。1964年Bomberger & Deul使用高速電子計(jì)數(shù)器進(jìn)行黃鐵礦粒徑分析，分析時(shí)間大大縮減[7]。1968年Bayer等開(kāi)發(fā)了AMEDA系統(tǒng)可以區(qū)分4種不同的組分，數(shù)據(jù)讀取速度可達(dá)1 000 readings/s，分析時(shí)間在20 min以?xún)?nèi)[8]。1969年美國(guó)礦務(wù)局的McCartney & Ergun采用螺旋掃描的方式降低樣品振動(dòng)，采用計(jì)算機(jī)磁帶記錄數(shù)據(jù)，掃描速度可達(dá)175 μm/s，數(shù)據(jù)讀取可達(dá)80 readings/s[9]，將反射率數(shù)據(jù)劃分為黏合膠、殼質(zhì)組、鏡質(zhì)組、惰質(zhì)組和黃鐵礦，并以此計(jì)算各顯微組分含量[10]。

20世紀(jì)70年代中期，顯微光度計(jì)的測(cè)試精度明顯提升，微型計(jì)算機(jī)開(kāi)始作為數(shù)據(jù)獲取、顯微鏡控制、掃描臺(tái)控制、數(shù)據(jù)存儲(chǔ)、處理和輸出的裝置，顯微光度計(jì)自動(dòng)測(cè)試技術(shù)得以快速發(fā)展。1974年日本新日鐵的Kojima采用計(jì)算機(jī)控制的掃描臺(tái)，以10 μm的間距進(jìn)行點(diǎn)掃描，在每個(gè)測(cè)點(diǎn)停留10 ms～20 ms，以消除浸油“拖尾”的影響，通過(guò)A/D轉(zhuǎn)換將光電倍增管信號(hào)轉(zhuǎn)化為512級(jí)的電壓數(shù)據(jù)，可在12 min內(nèi)獲取10 000個(gè)反射率讀數(shù)，計(jì)算活性顯微組分和惰性顯微組分含量，在日本國(guó)內(nèi)多家焦化廠推廣使用[11]。1979年Kojima 等采用曲線剝離反射率分布直方圖，獲取反射率和顯微組分?jǐn)?shù)據(jù)，對(duì)22個(gè)樣品的測(cè)試表明，單煤顯微組分的測(cè)試誤差為±5%[12]。美國(guó)賓夕法尼亞州立大學(xué)的Davis等[13-14]開(kāi)發(fā)了ARM系統(tǒng)，測(cè)區(qū)直徑僅為2 μm，18 min內(nèi)即能測(cè)試近40萬(wàn)個(gè)讀數(shù)，但由于檢測(cè)設(shè)備精度的限制，僅能區(qū)分煤和黃鐵礦的反射率差異。1979年美國(guó)鋼鐵公司的Gray等開(kāi)發(fā)了ADPR-Ⅱ自動(dòng)數(shù)字顯微光度計(jì)，測(cè)區(qū)直徑為2 μm，自動(dòng)掃描速度為200 μm/s，6min內(nèi)可測(cè)定50 000點(diǎn)，人工方法和自動(dòng)方法測(cè)試的煤巖顯微組分含量的相關(guān)系數(shù)在0.8以上[15]。

國(guó)內(nèi)研制和開(kāi)發(fā)的歷史相對(duì)較短。1991年原華東化工學(xué)院的林治穆等利用顯微光度計(jì)和步進(jìn)電機(jī)制備反射率顯微光度計(jì)，測(cè)試鏡質(zhì)組反射率并計(jì)算顯微組分含量[16]。1992年煤炭科學(xué)研究總院北京煤化學(xué)研究所的鄭雨壽基于二維掃描臺(tái)和顯微光度計(jì)，運(yùn)用多區(qū)域跟蹤調(diào)焦法進(jìn)行焦距調(diào)節(jié)，校正混合視域的假有效值，獲取單種煙煤的鏡質(zhì)組反射率及其分布圖，但不適用于褐煤及混煤鑒定[17]。1996年原華東冶金學(xué)院的姚伯元利用顯微光度計(jì)和自動(dòng)掃描臺(tái)，并結(jié)合自動(dòng)調(diào)焦技術(shù)及數(shù)據(jù)采集分析系統(tǒng)實(shí)現(xiàn)自動(dòng)測(cè)定煤鏡質(zhì)組反射率，鑒別混煤并確定混配比例[18-19]。

2 基于圖像分析的自動(dòng)測(cè)試技術(shù)

圖像分析方法除了可以獲取反射率(灰度)信息外，還可以獲取尺寸和形狀參數(shù)。但圖像分析法要比顯微光度計(jì)法出現(xiàn)的晚。1975年Harris[20]采用Quantimet 720圖像分析儀(分辨率達(dá)到869×704像素)研究煤中黃鐵礦的粒徑分布和煤巖顯微組分反射率分布圖，1977年Lebiedzik & Dutcher[21]采用圖像分析方法研究黃鐵礦的平均粒徑、體積分?jǐn)?shù)和形狀因子。Bethlehem 鋼鐵公司采用Leitz T.A.S圖像分析儀區(qū)分100級(jí)灰階，可以區(qū)分0.02%的反射率，10 min掃描40個(gè)區(qū)域[22]。1979年美國(guó)地質(zhì)調(diào)查局的Chao等采用64級(jí)灰階的圖像分析設(shè)備分析顯微煤巖類(lèi)型[23]。1979年澳大利亞Broken Hill Proprietary Company的England等使用Quantimet 720圖像分析儀(可區(qū)分100級(jí)灰階)獲取顯微組分反射率分布圖，進(jìn)而計(jì)算顯微組分含量和鏡質(zhì)體反射率，并能計(jì)算惰質(zhì)組的粒徑參數(shù)[24]，但未實(shí)現(xiàn)完全的自動(dòng)化。

Chao等[25]開(kāi)發(fā)了AIAS自動(dòng)圖像分析系統(tǒng)，通過(guò)64灰階的TV相機(jī)獲取，通過(guò)光筆可以控制和編輯特征；Pratt采用拼接圖像進(jìn)行煤巖分析[26]。Goodarzi等利用對(duì)比傳統(tǒng)測(cè)試與Zeiss IBAS 圖像分析系統(tǒng)[27]。Riepe等使用Leitz T.A.S圖像分析儀，根據(jù)不同顯微組分灰度差異調(diào)整閾值范圍區(qū)分不同的顯微組分，但由于黏合樹(shù)脂和殼質(zhì)組的灰度值接近，上述顯微圖像自動(dòng)分析系統(tǒng)的識(shí)別精度不佳[28]。

早期的計(jì)算機(jī)無(wú)法處理圖像中的大量數(shù)據(jù)，圖像處理由硬件完成，計(jì)算機(jī)的微處理器僅存儲(chǔ)圖像和結(jié)果。20世紀(jì)80年代，隨著計(jì)算機(jī)性能不斷提高、成本不斷下降，圖像分析系統(tǒng)開(kāi)始與計(jì)算機(jī)相結(jié)合。Unsworth & Gough利用圖像分析系統(tǒng)對(duì)鏡質(zhì)體和惰質(zhì)體的反射率特征進(jìn)行研究[29-30]。澳大利亞布羅肯希爾公司的Lee等利用圖像分析技術(shù)獲取煤的反射率分布圖，并嘗試進(jìn)行混煤剝離[31-32]。Misuaki等嘗試采用圖像方法對(duì)煤巖顯微組分進(jìn)行自動(dòng)識(shí)別[33]。

20世紀(jì)90年代以來(lái)，計(jì)算機(jī)性能的進(jìn)一步提升，圖像分析軟件完全獨(dú)立于硬件，開(kāi)始出現(xiàn)專(zhuān)門(mén)的圖像分析軟件。英國(guó)諾丁漢大學(xué)的Lester等利用Zeiss Axiocam彩色數(shù)碼相機(jī)，結(jié)合顯微組分的灰度特征和形態(tài)特征，提出殼質(zhì)組和黏合樹(shù)脂的區(qū)分方法，但在處理煤巖顯微組分復(fù)雜的圖像時(shí)容易出錯(cuò)[34]。針對(duì)此問(wèn)題，作者提出利用殼質(zhì)組的熒光特性將其和黏合樹(shù)脂區(qū)分，能夠準(zhǔn)確測(cè)定殼質(zhì)組的含量，重復(fù)性較好[35]。此外，Lester等發(fā)現(xiàn)提高曝光時(shí)間也可區(qū)分黏合樹(shù)脂和殼質(zhì)組[36]。David & Fermont[37]開(kāi)發(fā)了CIAS彩色圖像分析系統(tǒng)，分別以RGB3種不同的顏色強(qiáng)度表征顯微組分。Dehmeshki等采用具有金字塔結(jié)構(gòu)的多灰度級(jí)分割方法，對(duì)煤巖顯微圖像進(jìn)行分割，但并不能很好地分割煤巖顯微組分復(fù)雜的圖像[38]。Agus計(jì)算不同組分的紋理特征構(gòu)成特征向量來(lái)識(shí)別煤巖顯微組分[39]。Pearson[40]提出以累積頻率曲線表示全組分反射率分布，單煤鏡質(zhì)組為其中的直線部分，混煤中各單種煤的組成可由曲線直接得出。

國(guó)內(nèi)利用圖像分析方法進(jìn)行煤巖分析方面的工作較少。1986年金奎勵(lì)等對(duì)比圖像分析與顯微光度計(jì)的優(yōu)缺點(diǎn)，提出了采用圖像分析的反射率自動(dòng)測(cè)試方法[42]，分析了圖像分析法測(cè)試鏡質(zhì)體反射率的精度問(wèn)題[43]。1998年，寶鋼集團(tuán)胡德生等綜合圖像灰度和顯微相機(jī)的曝光時(shí)間計(jì)算反射率值，采用閾值法和主分量分析法分割得到鏡質(zhì)體反射率和煤巖顯微組分含量[44-46]。張代林等對(duì)煤巖顯微組分的彩色圖像進(jìn)行人工閾值分割[47]。張文成等利用自動(dòng)掃描裝置與高分辨攝像頭，獲取全組分反射率，通過(guò)數(shù)據(jù)處理的方式得到鏡質(zhì)體反射率[48]。尹文花嘗試對(duì)煤樣薄片的顯微圖像進(jìn)行識(shí)別[49]。

作者所在的研發(fā)團(tuán)隊(duì)對(duì)煤巖自動(dòng)測(cè)試有超過(guò)10年的積累。白向飛系統(tǒng)分析了煤巖自動(dòng)測(cè)試過(guò)程中存在的問(wèn)題，指出煤巖自動(dòng)測(cè)試技術(shù)路線及關(guān)鍵問(wèn)題[4,5,50]。王越對(duì)煤巖自動(dòng)測(cè)試系統(tǒng)中圖像灰度與反射率關(guān)系進(jìn)行研究[51]，武琳琳對(duì)煤巖光片平整度及光線斜射對(duì)反射率自動(dòng)測(cè)試精度影響進(jìn)行研究[52]，張宇宏對(duì)煤巖自動(dòng)測(cè)試中圖像質(zhì)量對(duì)鏡質(zhì)體反射率測(cè)定的影響進(jìn)行研究[53]，王越對(duì)煤巖自動(dòng)測(cè)試系統(tǒng)關(guān)鍵技術(shù)及測(cè)試精度進(jìn)行研究[54]。丁華等對(duì)煤中有機(jī)組分和常見(jiàn)礦物形態(tài)特征參數(shù)進(jìn)行初步研究[55-56]，王越分析了煤巖顯微組分自動(dòng)識(shí)別技術(shù)現(xiàn)狀及關(guān)鍵技術(shù)[57]。在此基礎(chǔ)上，成功開(kāi)發(fā)BRICC-M煤巖自動(dòng)測(cè)試系統(tǒng)，利用顯微數(shù)碼相機(jī)和自動(dòng)載物臺(tái)獲取煤巖顯微組分圖像，減少顯微鏡下的繁瑣操作；結(jié)合煤巖組分的反射率及形態(tài)學(xué)參數(shù)界定顯微組分，每個(gè)測(cè)點(diǎn)的測(cè)值和相應(yīng)測(cè)試對(duì)象可追溯，測(cè)試結(jié)果可審核；在保證測(cè)試準(zhǔn)確性和客觀性的基礎(chǔ)上，提高了測(cè)試速度和效率，該系統(tǒng)在煤焦異常判斷中表現(xiàn)優(yōu)異[58]。

3 煤巖顯微組分智能識(shí)別

近年來(lái)隨著數(shù)字圖像處理技術(shù)和裝備的發(fā)展，尤其是CCD顯微相機(jī)靈敏度的提升，能夠檢測(cè)4 096灰階(12 bit)，甚至16 384灰階(14 bit)。計(jì)算機(jī)進(jìn)行數(shù)據(jù)處理的能力也得到極大提升。圖像分析系統(tǒng)可通過(guò)自動(dòng)顯微鏡和數(shù)碼相機(jī)對(duì)圖像執(zhí)行高度復(fù)雜的圖像處理功能。圖像識(shí)別及處理算法的不斷發(fā)展使得越來(lái)越多的研究者嘗試將成熟的圖像識(shí)別及處理算法引入到煤巖顯微組分識(shí)別領(lǐng)域，并取得了一定的成果。

眾多研究者對(duì)煤巖顯微組分的紋理特征進(jìn)行了詳盡的研究。王培珍等采用圓形LBP均勻模式分析鏡質(zhì)組的紋理特征[59]，對(duì)均質(zhì)鏡質(zhì)體、基質(zhì)鏡質(zhì)體和碎屑鏡質(zhì)體進(jìn)行識(shí)別[60]；提取灰度共生矩陣等特征構(gòu)造初始特征集，經(jīng)PCA降維處理，利用SVM算法完成鏡質(zhì)組分類(lèi)[61]。王培珍等通過(guò)曲波變換提取特征，利用壓縮感知對(duì)提取的特征進(jìn)行降維，利用SVM算法實(shí)現(xiàn)惰質(zhì)組分類(lèi)[62]。Mlynarczuk等利用形態(tài)學(xué)梯度和灰度等特征識(shí)別煤巖顯微組分樣本，對(duì)惰質(zhì)組的6種顯微組分的分類(lèi)準(zhǔn)確率達(dá)到91.7%[63]。Skiba等提出基于多層感知機(jī)(MLP)并結(jié)合Haralick紋理特征的惰質(zhì)組分類(lèi)方法[64]。王慧等對(duì)惰質(zhì)組顯微圖像進(jìn)行曲波變換和壓縮感知算法形成特征集，采用支持向量機(jī)進(jìn)行分類(lèi)[65]。王培珍等利用改進(jìn)SUSAN算法檢測(cè)殼質(zhì)組中滲出瀝青體的特征[66]。劉婕梅采用卷積神經(jīng)網(wǎng)絡(luò)模型提取殼質(zhì)組顯微圖像的特征量，利用支持向量機(jī)分類(lèi)器和深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)殼質(zhì)組顯微組分的分類(lèi)[67-68]。

王培珍等提出基于結(jié)構(gòu)元的煤顯微圖像輪廓提取方法，可有效去除碎屑組分，獲得顯微組分的有效輪廓[69]，采用離散小波變換分解煤巖顯微圖像，提取頻域紋理特征量，采用支持向量機(jī)進(jìn)行分類(lèi)[70]。殷子睆[71]提取基于灰度共生矩陣的紋理特征量和基于灰度分布的統(tǒng)計(jì)特征量構(gòu)成初始特征集，采用特征抽取算法和支持向量機(jī)分類(lèi)器對(duì)抽取后的特征進(jìn)行驗(yàn)證。王素婷等結(jié)合GLCM算法和RILBP算法的優(yōu)點(diǎn)，提出基于RILBP-GLCM的圖像紋理特征提取方法，結(jié)合支持向量機(jī)對(duì)紋理特征進(jìn)行分類(lèi)[72]。Skiba使用圖像分析方法描述顯微組分特定類(lèi)的要素空間，在特定鄰域內(nèi)確定空間參數(shù)并訓(xùn)練神經(jīng)網(wǎng)絡(luò)[73]。Antonypandiarajan等采用Tamura算法對(duì)無(wú)煙煤、次煙煤和褐煤等六類(lèi)煤中顯微組分的紋理特征進(jìn)行提取[74]。

劉小除等提出利用灰度特征和紋理特征對(duì)單種煤的顯微組分進(jìn)行快速分類(lèi)[75]。尹文義等結(jié)合神經(jīng)網(wǎng)絡(luò)算法與顯微組分反射率，對(duì)混煤中各單種煤比例的識(shí)別效果較好[76]。田甜采用直方圖閾值雙峰法去除煤巖圖像中的黏結(jié)劑，采用鈍化濾波法去除圖像中孔洞及碎屑，采用改進(jìn)的PCA算法對(duì)鏡質(zhì)組含量和反射率進(jìn)行測(cè)定[77]。宋孝忠開(kāi)發(fā)了基于Prewitt算子的煤巖顯微組分假邊界圖像剔除技術(shù)以及基于K均值聚類(lèi)的煤巖顯微組分組圖像自動(dòng)分割和識(shí)別技術(shù)[78-79]。朱憲坤采用Hough算法和改進(jìn)FMM算法去除煤巖圖像中的劃痕，采用了基于灰度圖像數(shù)學(xué)形態(tài)學(xué)重建方法填充孔洞，采用RILBP-GLCM方法獲取煤巖顯微組分紋理特征，在滿足較低特征維數(shù)的前提下，采用多分類(lèi)支持向量機(jī)對(duì)鏡質(zhì)組、惰質(zhì)組、殼質(zhì)組、礦物質(zhì)以及背景進(jìn)行分類(lèi)[80]。王洪棟提出基于Hough變換和Criminisi算法的劃痕檢測(cè)和修復(fù)方法，采用隨機(jī)森林并結(jié)合幾何、灰度和紋理特征實(shí)現(xiàn)對(duì)背景樹(shù)脂以及鏡質(zhì)體、絲質(zhì)體、半絲質(zhì)體、角質(zhì)體、孢子體、碎屑惰質(zhì)體和微粒體7種顯微組分的自動(dòng)識(shí)別，基于Unet系列的語(yǔ)義分割方法實(shí)現(xiàn)煤巖顯微圖像的最優(yōu)分割，分割效果接近于人工標(biāo)注結(jié)果[81]。

上述研究工作在分析煤巖顯微組分圖像信息的基礎(chǔ)上，針對(duì)性地進(jìn)行特征抽取，對(duì)顯微結(jié)構(gòu)復(fù)雜的空間信息進(jìn)行刻畫(huà)，可實(shí)現(xiàn)對(duì)樣品中煤巖顯微組分的自動(dòng)識(shí)別。

4 總結(jié)與展望

在應(yīng)用煤巖學(xué)領(lǐng)域，對(duì)煤巖顯微組分自動(dòng)測(cè)試技術(shù)的期望較高。深入開(kāi)展煤巖顯微組分相關(guān)基礎(chǔ)研究，開(kāi)發(fā)符合煤巖學(xué)原理和分析流程的煤巖顯微組分自動(dòng)測(cè)試技術(shù)，提高煤炭科研、生產(chǎn)、貿(mào)易、加工轉(zhuǎn)化利用等領(lǐng)域煤巖分析的精度和效率，促進(jìn)煤巖分析技術(shù)的普及和應(yīng)用，對(duì)相關(guān)用煤行業(yè)技術(shù)進(jìn)步，具有深遠(yuǎn)的理論和實(shí)踐意義。

煤巖顯微組分的智能識(shí)別是煤巖學(xué)、圖像處理和計(jì)算機(jī)科學(xué)等多學(xué)科交叉研究方向，是煤巖顯微組分自動(dòng)識(shí)別技術(shù)的發(fā)展趨勢(shì)。煤巖顯微組分的形態(tài)特征多樣，為了更加全面提取和識(shí)別特征，提高識(shí)別的準(zhǔn)確率，應(yīng)充分分析我國(guó)煤中顯微組分的特征，結(jié)合數(shù)字圖像分割、特征提取與機(jī)器/深度學(xué)習(xí)算法，針對(duì)煤巖顯微組分特點(diǎn)選擇特征提取算法和分類(lèi)算法，從而實(shí)現(xiàn)煤巖顯微組分的快速、準(zhǔn)確、自動(dòng)測(cè)試。