煤矸石图像分类方法_中国煤炭行业知识服务平台

煤矸石图像分类方法

作者

饶中钰吴景涛李明
单位

中国矿业大学信息与控制工程学院冀中能源股份有限公司章村煤矿
摘要

针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题，提出了基于机器视觉的煤矸石图像分类方法。对煤矸石图像进行增强、平滑去噪等预处理，采用基于距离变换的分水岭算法实现煤矸石图像分割提取。针对煤矿矸石分割图像，选取煤矸石图像的HOG特征及灰度共生矩阵，分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别；分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络，进行基于卷积神经网络的煤矸石分类识别。研究结果表明，基于VGG16网络的煤矸石图像分类方法准确率最高为99.7%，高于基于特征提取方法的91.9%和基于浅层卷积神经网络方法的92.5%。
关键词

煤矸石分选煤矸石识别图像分类机器视觉卷积神经网络
基金项目(Foundation)

中国博士后科学基金资助项目（2014M551695）；徐州市科技计划资助项目（KC17075）
相关文章

[1]基于机器视觉的矿井输煤系统优化节能控制
[2]基于机器视觉的矿用数显电测量仪表检测系统
[3]轻量化的多尺度跨通道注意力煤流检测网络
[4]基于自监督学习的IRS辅助矿井通信系统信道估计方法
相关专题

这篇文章属于2020封面文章（《工矿自动化》）（48篇）