Wykorzystanie metod rozpoznawania obrazów do wspierania procesu decyzyjnego dotyczącego klasyfikacji węgla ze względu na wybrane cechy petrograficzne

W ramach prac wykonano wstępne badania pozwalające na opracowanie metod rozpoznawania obrazów mikroskopowych węgla, możliwych do wykorzystania w procesie decyzyjnym dotyczącym klasyfikacji cech petrograficznych (takich jak skład macerałowy) oraz strukturalnych (np. stopień destrukcji). Bazując na wcześniejszych badaniach uznano, że najbardziej istotna z punktu widzenia układu węgiel-gaz będzie identyfikacja witrynitu, inertynitu, kataklazy oraz (ze względów pomiarowych) kleju, w którym zatopione są badane okruchy węgla. Zdefiniowano wielowymiarową przestrzeń cech, która pozwoliła – bazując na metodach rozpoznawania obrazów – w sposób automatyczny klasyfikować wspomniane cechy. W wyniku przeprowadzonych analiz otrzymano poprawne klasyfikacje tych cech na poziomie sięgającym 96%. Wykazano tym samym, że metody sztucznej inteligencji, pozwalają na identyfikowanie wybranych parametrów petrograficznych i strukturalnych węgla. Dalsze rozwijanie tej metodyki może doprowadzić do opracowania uniwersalnego narzędzia, które pozwoli na obiektywizm w ocenie większej ilości cech petrograficznych i strukturalnych węgla.

---

Preliminary tests were performed to develop methods supporting the recognition of microscopic images of coal, to be used in the decision-making processes involved in coal classification in terms of their petrographic (maceral composition) and structural properties (the extent of structural damage). Results of previous tests reveal that identification of vitrinite, inertinite, catalase as well as adhesives encapsulating the tested coal fragments is of particular importance in the case of coal-gas systems. The multi-dimensional space of coal properties is defined, allowing an automatic classifi cation of pre-defined features, basing on image recognition methods. This procedure allowed for correct classification of those properties, the accuracy level approaching 96%. It appears that AI (artificial intelligence) methods enable the identification of selected petrographic and structural parameters of coal. Further development of this methodology may result in creation of an universal tool allowing the objective evaluation of a larger number of petrographic and structural properties of coal.