科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着煤炭分选行业对智能化干分选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂分选条件下煤矸混合特征图像的识别方法显得愈发重要。依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统。根据煤矿分选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集。基于迁移学习的改进AlexNet网络和RPN网络获取煤矸混合特征图像样本的分类信息和像素坐标,通过相机标定方法获得像素坐标在相机坐标系中的位置坐标。构建煤矸分拣机器人分布式控制系统的局域网络,实现识别定位系统与主控系统的实时煤矸检测信息交互。基于煤矸识别定位系统对煤矸图像的检测模型进行测试,试验结果表明,煤矸识别定位系统的识别模型检测准确率可达90.17%,煤矸目标最大定位误差9.45 mm,系统响应测试时间低于350 ms,满足煤矿复杂分选的基本要求。该煤矸识别模型对煤矸混合特征图像具有较好的检测结果,为煤矸图像识别方法应用于煤矿智能化分选发展提供了研究基础。
- 单位
