基于CNN-SVM的选煤厂浮选泡沫图像识别方法_中国煤炭行业知识服务平台

基于CNN-SVM的选煤厂浮选泡沫图像识别方法

作者

孙友森陈传海杨志龙王新欣
单位

枣矿集团煤质管理处山东山控信息科技有限公司
摘要

以选煤厂煤泥浮选泡沫为分类对象,提出一种CNN—SVM混合模型,对煤泥浮选泡沫图像进行分类识别。试验采取山东某选煤厂的20 000张浮选图像制作数据集,根据灰分不同将图像分成8个类别,并针对图像的噪声特点,对其去除高斯椒盐噪声并做了增强预处理。通过模型试验,相对于单独的CNN和SVM模型来说,这种复合模型更加可靠准确。
关键词

选煤厂卷积神经网络（CNN）支持向量机（SVM）浮选泡沫图像识别分类
文章目录

1 概述
2 CNN-SVM模型概述
3 实验与分析
3.1 数据集
3.2 图像预处理
3.3 模型构建与分类结果
3.3.1 CNN特征提取
3.3.2 SVM分类
3.3.3 实验结果与分析
4 结语
引用格式

孙友森,陈传海,杨志龙,王新欣.基于CNN-SVM的选煤厂浮选泡沫图像识别方法[J].煤炭加工与综合利用,2021(02):8-11+4.
相关文章

[1]选煤厂数据网络系统的构建与研究
[2]柴里矿选煤厂改为部分入洗的可行性探讨