文献类型：期刊文章

作　　者：杨莹[1,2] 吴爱祥[2] 王先成[1] 王国立[1]

YANG Ying;WU Aixiang;WANG Xiancheng;WANG Guoli(JCHX Mining Management Co.,Ltd.,Beijing 101500,China;School of Civil and Resource Engineering,University of Science and Technology Beijing,Beijing 100083,China)

机构地区：[1]金诚信矿业管理股份有限公司,北京101500 [2]北京科技大学土木与资源工程学院,北京100083

出　　处：《中国矿业》

基　　金：中国博士后科学基金项目资助(编号:2021M701516)。

年　　份：2023

卷　　号：32

期　　号：7

起止页码：79-86

语　　种：中文

收录情况：IC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：膏体图像识别是监测膏体质量的一种有效方法,据此提出了一种基于RAdam算法优化ResNet50模型膏体图像识别方法,可实现膏体状态的高精度识别。通过收集尾砂悬液在浆体、膏体、滤饼等3种状态下的图像,经过图像预处理和数据集划分,结合迁移学习的方法,对卷积神经网络的AlexNet模型、VGG16模型、VGG19模型和ResNet50模型进行预训练,对比4种模型的识别准确率和损失值,确定最佳模型;采用Adam算法和RAdam算法对模型进行优化,对比两种优化器的识别结果;利用优化模型对矿山现场图像进行识别,验证模型精度。研究结果表明:4种经典卷积神经网络模型在膏体图像识别中均有较好表现,ResNet50模型性能最佳。基于RAdam算法优化ResNet50模型收敛速度更快,识别精度更高。基于RAdam算法优化ResNet50模型膏体图像识别精度可达99.24%,可实现膏体图像的高精度识别。

关 键 词：卷积神经网络 图像识别 RAdam算法  ResNet50模型  膏体

分 类 号：TD853.34]