-
作者
李亚坤马宏伟王鹏
-
单位
西安科技大学机械工程学院陕西省矿山机电装备智能监测重点实验室
-
摘要
针对传统选煤方法在煤矸识别上效率低、错选率高等问题，提出了视觉图像加卷积神经网络的煤和矸石识别新方法。在团队研发的煤矸分拣机器人平台上采集了煤矸图像数据并进行了扩充处理。以卷积神经网络VGG＿16为基础设计改进了模型，通过设置不同的模型参数验证了其在煤和矸石识别上的性能。结果表明，新模型能在占用很少的硬件资源下达到较高的煤矸识别率，当网络学习率设置为0.000 1和正则化系数设置为0.001时模型的性能达到最优，训练集和测试集的识别准确率分别达到了99.73%和97.58%。
-
关键词
煤矸识别卷积神经网络数据扩充改进VGG＿16网络
-
基金项目(Foundation)
国家自然科学基金面上项目（51975468）；
-
文章目录
0 引言
1 煤和矸石图像识别模型构建
1.1 卷积神经网络运算原理
1.2 煤矸识别模型构建
2 煤矸样本数据制备
2.1 图像数据采集
2.2 图像数据预处理与扩充
3 煤矸识别模型试验与结果分析
3.1 试验环境
3.2 试验参数
3.3 试验与结果分析
3.4 不同方法比较
4 结语
-
引用格式
李亚坤,马宏伟,王鹏.基于VGG＿16网络的煤和矸石识别技术研究[J].煤炭技术,2022,41(09):156-159.DOI:10.13301/j.cnki.ct.2022.09.035.
煤炭技术 
2022年第09期 
