基于随机森林的综放工作面煤矸图像识别
薛光辉
李秀莹
钱孝玲
张云飞
1.中国矿业大学(北京)机电与信息工程学院,北京 1000832.中国矿业大学(北京)机电与信息工程学院,北京 1000833.中国矿业大学(北京)机电与信息工程学院,北京 1000834.中国矿业大学(北京)机电与信息工程学院,北京 100083
摘要：针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法.以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果.结果 表明,在决策树个数为150、采用log2M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97％,比降维前提高4％,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9％,泛化能力更强.
关键词：综放工作面煤矸图像识别煤矸图像纹理特征垮落煤矸自动识别随机森林算法
分类号：TD672(矿山电工)
资助基金：国家自然科学基金(51834006)国家重点基础研究发展计划（973计划）(2014CB046306)中央高校基本科研业务费专项(2009QJ16)
论文发表日期：2020-05-10
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( 57-62 )
英文信息