基于AlexNet-SN网络的煤与煤矸石分类方法

摘要：

现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低.随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向.为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术改进的煤矸石分拣方法.选用3×3的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN层和Dropout,并采用风格迁移数据增强法提高煤与煤矸石数据集的多样性.研究结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8％,损失率下降了2.0％.此方法不仅能够满足煤与煤矸石实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别.

关键词：AlexNet网络、煤矸石、人工智能、分选技术

所属期刊栏目：31

分类号：TD94;TP3(选矿)

资助基金：黑龙江省省属高校基本科研业务费项目;黑龙江省自然科学基金项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-85