基于卷积神经网络的煤矸石图像识别
煤矸石筛选是煤矿生产中一个重要的环节,目前的人工捡矸法、机械湿选法以及射线分选法无法兼顾选矸过程中的高效性、清洁性和无害性.针对上述选矸过程中存在的问题,提出了一种基于卷积神经网络的煤矸石识别方法,以颜色和纹理作为煤和矸石图像的类别特征,结合迁移学习方法,构建了VGG-16深度学习模型.实验结果表明,其识别准确率可以达到99.18％,可以有效地实现对煤和矸石的识别.
煤矸石识别、卷积神经网络、图像分类、迁移学习
16
TP391(计算技术、计算机技术)
2020-08-13（万方平台首次上网日期，不代表论文的发表时间）
共4页
16-18,22
