基于YOLOv4-tiny的铁矿石品位识别技术研究

摘要：

为实现矿山现场对不同铁矿石品位的智能化识别以及模型在便携设备上的搭载,对不同铁矿石的不同品位进行了数据增强处理并选择YOLOv4-tiny作为训练的神经网络算法.YOLOv4-tiny深度学习神经网络框架,采用CSPdarknet53_tiny作为主干提取网络并结合FPN对岩石图像进行特征提取和学习,在训练过程中采用迁移学习思想以及早停法对训练进行加速,进而生成铁矿石品位识别模型.最终通过测试集验证,模型对于每种矿石品位图像识别正确率大于91％.对于不同环境拍摄的图像以及视频识别也超过80％.模型可以很好地区分不同品位的铁矿石,试验证明模型的鲁棒性较强.

关键词：铁矿;矿石品位;图像识别;YOLOv4-tiny;特征识别

分类号：TD672(矿山电工)

资助基金：国家自然科学基金项目编号:51674061

在线出版日期：2021-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：150-154