基于卷积神经网络的煤矸石识别算法研究

摘要：

煤矸石自动分选是充分利用能源和减轻环境污染的有效途径,然而传统的煤矸石分选方法效率低下、污染环境、成本过高,已不能满足当今智慧矿山的发展需求.为了提高煤矸石自动化分选的效率及识别精度,文中提出一种基于卷积神经网络的煤矸石智能识别算法.首先利用同态滤波增强煤和矸石的对比度;然后通过颜色空间转换得到HSV色彩,并利用K-means++聚类算法在HSV颜色空间对其进行图像分割,从而获得煤和矸石目标图像;最后构建无参数辨识的卷积神经网络模型,以解决人工选择煤矸石图像特征参数所导致的精度低、耗时长等问题,从而实现对煤和矸石图像的自动分类识别功能.实验结果表明:文中改进算法能够较好地对煤矸石样本图像进行分类识别,识别准确率达到93.3％;与多种先进的机器学习和深度学习煤矸石分选算法相比,改进算法的煤矸石分选识别准确率有明显提高.

关键词：煤矸石分选、卷积神经网络、图像识别、图像增强、图像分割、自动分类

所属期刊栏目：45

分类号：TN711-34;TP391.4(基本电子电路)

资助基金：国家自然科学基金61701393

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：57-62