文献类型：期刊文章

作　　者：王闰泽[1] 郎利影[1] 席思星[2]

WANG Runze;LANG Liying;XI Sixing(School of Artificial Intelligence,Hebei University of Technology,Tianjin 300401,China;School of Mathematics and Physics,Hebei University of Engineering,Handan 075000,China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300401 [2]河北工程大学数理科学与工程学院,河北邯郸075000

出　　处：《煤炭技术》

基　　金：河北省重点研发项目(20371802D)。

年　　份：2022

卷　　号：41

期　　号：1

起止页码：237-241

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、核心刊

摘　　要：目前机器人煤矸识别方法准确率较低,速度较慢,以及对硬件要求较高等问题都限制了其实用化发展。鉴于深度卷积神经网络在图像识别上取得的优异效果,提出用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型。扩大VGG16网络感受野并引入残差结构以提升模型网络性能,增加噪声和数据增强提升模型泛化能力。实验结果表明,改进型VGG网络煤矸识别模型的识别准确率提升了2.01%,召回率提升了2.58%,减小了所需内存,解决了VGG16网络效率低的弊病。同时模型的各项性能指标明显高于其他经典网络模型,更加满足煤矸分选机器人的各项实用化需求。

关 键 词：煤矸识别  图像分类 深度学习  VGG16网络  

分 类 号：TD94] TP242]