基于图像处理与卷积神经网络的煤矸识别方法

摘要：

对一种利用卷积神经网络(CN N)和图像处理实现原煤中的煤与矸石的精准识别进行了实验研究,实验所采用的识别方法是将进行人工标注的煤炭与矸石的图像样本输入至卷积神经网络ResNet18进行训练,通过调整网络中的卷积层、池化层,选用合适的激活函数以及损失函数进行调参,输出煤与矸石的关键特征完成煤与矸石的二分类.同时,卷积神经网络在训练过程前,会利用直方图均衡、中值滤波、归一化方法进行图像预处理.图像预处理对神经网络的训练提供数据质量的一致性,可以大大提升训练质量.结果表明,利用神经网络ResNet18训练煤与矸石的识别分类模型,能够有效地识别煤与矸石,当前煤与矸石的识别分类精度可达到99％,且随着训练数据的积累,模型的识别精度会持续提升,能够更广泛地应用与不同的原煤质量.

关键词：图像处理、卷积神经网络、图像样本、煤与矸石识别、原煤煤质

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：100-103