基于LBP特征与SVM的煤矸识别方法研究_中国煤炭行业知识服务平台

基于LBP特征与SVM的煤矸识别方法研究

作者

程刚陈杰何磊
单位

安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室安徽理工大学机械工程学院
摘要

为了提高煤炭开采过程中煤和矸石识别的准确率，提出了一种基于LBP特征与SVM的煤矸识别方法。首先利用机器视觉技术采集煤和矸石的图像，然后对煤和矸石图像进行中值滤波、图像锐化和阈值分割处理，再进行特征提取，最后分别用SVM、GA-SVM、PSO-SVM分类器进行分类识别。试验结果表明，LBP特征提取结合PSO-SVM分类器的识别效果最好，PSO-SVM模型的训练集和测试集的平均准确率分别为95.62%和94.06%，有效提高了煤矸识别的分类准确率。
关键词

煤矸识别图像处理LBP特征SVM分类
基金项目(Foundation)

安徽省高校协同创新项目（GXXT-2021-076）；
文章目录

0 引言
1 煤矸识别分选系统
2 图像处理
2.1 中值滤波
2.2 图像锐化
2.3 图像分割
3 特征提取
4 SVM分类及其优化
4.1 SVM
4.2 GA-SVM
4.3 PSO-SVM
5 试验
6 结语
引用格式

程刚,陈杰,何磊.基于LBP特征与SVM的煤矸识别方法研究[J].煤炭技术,2023,42(10):12-15.DOI:10.13301/j.cnki.ct.2023.10.003.