首页> 中文期刊> 《现代电子技术》 >基于卷积神经网络的煤矸石识别算法研究

基于卷积神经网络的煤矸石识别算法研究

         

摘要

煤矸石自动分选是充分利用能源和减轻环境污染的有效途径,然而传统的煤矸石分选方法效率低下、污染环境、成本过高,已不能满足当今智慧矿山的发展需求。为了提高煤矸石自动化分选的效率及识别精度,文中提出一种基于卷积神经网络的煤矸石智能识别算法。首先利用同态滤波增强煤和矸石的对比度;然后通过颜色空间转换得到HSV色彩,并利用K-means++聚类算法在HSV颜色空间对其进行图像分割,从而获得煤和矸石目标图像;最后构建无参数辨识的卷积神经网络模型,以解决人工选择煤矸石图像特征参数所导致的精度低、耗时长等问题,从而实现对煤和矸石图像的自动分类识别功能。实验结果表明:文中改进算法能够较好地对煤矸石样本图像进行分类识别,识别准确率达到93.3%;与多种先进的机器学习和深度学习煤矸石分选算法相比,改进算法的煤矸石分选识别准确率有明显提高。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号