-
作者
张释如 余文瑾 王锐
-
单位
西安科技大学通信与信息工程学院
-
摘要
针对传统基于机器学习的输送带纵向检测方法中，特征提取过分依赖于人工设计的缺陷，采用卷积神经网络（CNN）对输送带纵向撕裂特征自动进行提取。但CNN中自带的Softmax分类器不能较好地解决非线性问题，而支持向量机（SVM）能利用核函数将向量映射到高维空间，将线性不可分的问题在高维空间线性可分，有效解决非线性问题，因此采用SVM代替CNN自带的Softmax分类器，提出一种基于CNN-SVM的输送带纵向撕裂检测方法。此外，在CNN中引入批量归一化（BN）、Dropout处理和SE注意力机制进行改进。实验结果表明，基于CNN-SVM的输送带纵向撕裂检测方法准确率可达到99.46%，有效提高了输送带纵向撕裂的检测准确率。
-
关键词
纵向撕裂检测特征提取卷积神经网络支持向量机核函数
-
基金项目(Foundation)
陕西省榆林市科技计划项目（CXY-2020-035）；国家矿山安全监察局矿山安全生产科研攻关项目（第一批,序号：75）；
-
文章目录
0前言
1 卷积神经网络
2 支持向量机
3 本文输送带纵向撕裂检测方法
3.1 图像采集
3.2 特征提取及撕裂检测
4 实验及结果分析
4.1 数据集的构建
4.2 模型评判标准
4.3 模型搭建与结果分析
5 结语
-
DOI
-
引用格式
[1]张释如,余文瑾,王锐.基于CNN-SVM的输送带纵向撕裂检测方法研究[J].煤炭技术,2024,43(07):201-204.
煤炭技术 
2024年第07期 
