基于随机森林的综放工作面煤矸图像识别

摘要：

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法.以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果.结果 表明,在决策树个数为150、采用log2M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97％,比降维前提高4％,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9％,泛化能力更强.

关键词：综放工作面、煤矸图像识别、煤矸图像纹理特征、垮落煤矸自动识别、随机森林算法

所属期刊栏目：46

分类号：TD672(矿山电工)

资助基金：国家自然科学基金资助项目;国家重点基础研究发展计划973计划资助项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2020-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：57-62