文献类型：期刊文章

作　　者：饶中钰[1] 吴景涛[1,2] 李明[1]

RAO Zhongyu;WU Jingtao;LI Ming(School of Information and Control Engineering,China University of Mining and Technology,Xuzhou 221116,China;Zhangcun Coal Mine,Jizhong Energy Resources Co.,Ltd.,Xingtai 054000,China)

机构地区：[1]中国矿业大学信息与控制工程学院,江苏徐州221116 [2]冀中能源股份有限公司章村煤矿,河北邢台054000

出　　处：《工矿自动化》

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)。

年　　份：2020

卷　　号：46

期　　号：3

起止页码：69-73

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、EBSCO、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、核心刊

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

分 类 号：TD948]