煤矸石图像分类方法

摘要：

针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题,提出了基于机器视觉的煤矸石图像分类方法.对煤矸石图像进行增强、平滑去噪等预处理,采用基于距离变换的分水岭算法实现煤矸石图像分割提取.针对煤矸石分割图像,选取煤矸石图像的HOG特征及灰度共生矩阵,分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别;分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络,进行基于卷积神经网络的煤矸石分类识别.研究结果表明,基于VGG16网络的煤矸石图像分类方法准确率最高为99.7％,高于基于特征提取方法的91.9％ 和基于浅层卷积神经网络方法的92.5％.

关键词：煤矸石分选、煤矸石识别、图像分类、机器视觉、卷积神经网络

所属期刊栏目：46

分类号：TD948(选矿)

资助基金：中国博士后科学基金资助项目2014M551695;徐州市科技计划资助项目KC17075

在线出版日期：2020-04-15（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：69-73