基于改进YOLOv3的煤矸识别方法研究
雷世威
肖兴美
张明
中煤科工集团重庆研究院有限公司,重庆400039
摘要：煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求.基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试.测试结果表明:改进的YOLOv3-M在小样本上,可在短时间内使模型快速收敛,单张图像识别时间为21.6 ms,识别准确率为95.4％,能适应不同环境下的煤矸样本,可实现实时检测识别.
关键词：煤矸分选煤矸识别机器视觉图像识别卷积神经网络深度学习
分类号：TD94(选矿)TP181(自动化基础理论)
资助基金：国家重点研发计划(2018YFC0808003)天地科技股份有限公司科技创新创业资金专项项目(2018-TD-QN056)
论文发表日期：2021-06-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 50-55 )
英文信息