嵌入空洞卷积和批归一化模块的智能煤矸识别算法
郭永存1
张勇2
李飞3
杨鹏4
1.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 淮南2320012.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 淮南232001;安徽理工大学 电气与信息工程学院,安徽 淮南2320013.安徽理工大学 机械工程学院,安徽 淮南2320014.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 淮南232001;安徽理工大学 机械工程学院,安徽 淮南232001
摘要：为解决现有机器视觉煤、矸石识别算法感受野小、特征提取能力低和训练收敛速度慢的问题,提出一种嵌入空洞卷积和批归一化模块的智能煤矸识别算法.该算法利用空洞卷积替换VGGNet16网络中尺寸为3×3的卷积核,增大卷积核感受野、提高网络的特征提取能力,同时在卷积层和激活层之间嵌入批归一化模块,在避免梯度消失的同时可加快模型训练收敛速度.利用搭建的实验装置采集煤和矸石图片,制作煤和矸石图像数据集,对模型进行训练,并基于浮点运算次数FLOP s和F1分数对模型的训练结果和预测效果进行评价.实验结果表明,改进后的煤矸识别算法FLOP s为71632538次,测试集F1分数为0.9943,训练在第5个周期即收敛且准确率达到97％以上.通过与其他网络模型训练结果进行对比,说明所建模型具有较快的收敛速度且预测效果较好.
关键词：机器视觉煤矸识别数据增强空洞卷积批归一化模型优化
分类号：TD94(选矿)
资助基金：安徽省科技重大专项项目(18030901049)国家自然科学基金(51904007)
论文发表日期：2022-06-10
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( 45-50 )
英文信息