科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位金诚信矿业管理股份有限公司; 北京科技大学
