高变质煤HRTEM图像中芳香晶格条纹的MASK R-CNN识别

近年来,人工智能的兴起推动了我国煤炭行业在绿色环保、智能生产等方面的发展。针对芳香晶格条纹识别过程中存在的解译慢、周期长和误判率高等问题,提出了一种基于MASK R-CNN的智能提取方法。该智能提取方法通过调整特征参数和优化网络结构,对条纹特征的识别算法进行改进:①跳过前期预处理过程,以端到端的模式进行芳香晶格条纹的特征提取训练,实现从原始HRTEM中自动识别芳香晶格条纹的功能;②突破常规神经网络提取目标物外轮廓的思维桎梏,实现对线要素的快速准确分割。以人工解译结果为标准,通过智能提取结果和传统提取结果在精度评价、识别效果和参数提取等方面的对比,验证该智能提取方法的有效性。结果表明,在识别精度方面,智能提取方法的准确率、精准率、召回率和交并比的数值为91.2%,85.2%,83.4%和72.9%,分别高于传统提取方法的89.9%,62.1%,75.4%和51.6%;在识别效果方面,智能提取方法对细节的处理更加智能,提取的线条连贯性和平滑性更好,同时噪音更少;在长度和取向等参数的统计分析方面,智能提取结果与人工解译结果在取向和长度分布图上的匹配度更高。综上所述,该智能提取方法通过MASK R-CNN进行芳香晶格条纹的自动识别,降低工作成本,提高工作效率,为煤大分子结构研究提供更快捷可靠的数据支持。

活化温度对低阶煤基超容炭材料微晶结构特性的影响

以富油煤这一代表性的低阶煤为原料,采用KOH活化法,将富油煤与KOH按照质量比1∶2混合,在活化温度分别为600℃,700℃,800℃及900℃的条件下制备煤基超容炭材料,并使用高分辨率透射电子显微镜(HRTEM)对煤基超容炭材料进行观测,得到煤基超容炭材料的微晶结构特征参数分布图像,图像经傅立叶变换-反傅立叶变换以及二值化、骨架化等处理,得到煤基超容炭材料微晶结构特征参数分布的定量数据。将不同活化温度下制备的煤基超容炭材料微晶结构特征参数的定量数据进行对比研究,结果表明:在活化温度分别为600℃,700℃,800℃及900℃时制备的煤基超容炭材料的晶格条纹长度平均值分别为0.73 nm,0.77 nm,0.86 nm及0.88 nm;在活化温度分别为600℃,700℃,800℃及900℃时制备的煤基超容炭材料晶格条纹,分别有52.52%,42.11%,48.35%以及56.09%分布在60°~105°晶格条纹角度范围内;分别有70.23%,66.86%,61.29%及59.70%分布在0.10~0.25的曲率范围内;在活化温度分别为600℃,700℃,800℃及900℃时制备的煤基超容炭材料分别有9.16%,10.68%,8.17%及11.99%的堆垛形成。可见随着活化温度的升高,晶格条纹平均长度增大,且晶格条纹取向趋于一致,较小(0~0.10)和较大(0.25~0.35)曲率的晶格条纹占比增多,堆垛数呈现增多趋势。