为解决手工选煤、湿法选煤中存在的效率低下、劳动强度大、水资源耗费、环境污染等诸多问题，研究团队开发了基于机器视觉的煤矸识别方法。在实验室中，搭建了试验平台并开发了MFC软件应用平台，实现了煤矸实时识别。这一研究通过选取山西西山、内蒙古和陕西神木的煤和矸石作为样本，建立了丰富的样本图像库，其中包含420张图像作为实验样本。对这些样本，提取了灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行详细的统计和分析。

为优化识别准确性，研究团队采用了粒子群优化算法（PSO）对支持向量机（SVM）进行优化，并进行了分类器的训练和分类测试。特征分析结果表明，灰度特征比纹理特征具有更好的区分度。在PSO-SVM分类器测试中，使用灰度、纹理及组合特征作为输入时，识别准确率分别达到了95.83%、72.92%和93.75%。结果清晰地显示，以灰度特征作为输入时，识别效果最佳。

如果你对这些技术和算法有更深入的兴趣，可以参考以下资源以获取更多详情：关于煤矸智能分选的机器视觉识别方法与优化的研究可以点击这里；如果你想了解PSO SVM算法的具体实现，可以查看这里；而对于机器视觉中的灰度直方图，相关资料可以在这里找到。更多关于机器视觉识别的内容，推荐访问此链接。