煤矸石图像分类方法
饶中钰1
吴景涛2
李明1
1.中国矿业大学 信息与控制工程学院,江苏 徐州,2211162.中国矿业大学 信息与控制工程学院,江苏 徐州 221116;冀中能源股份有限公司 章村煤矿,河北 邢台 054000
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
分类号：TD948(选矿)
资助基金：中国博士后科学基金(2014M551695)徐州市科技计划(KC17075)
论文发表日期：2020-01-01
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：5( 69-73 )
英文信息