科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高煤与矸石分选的自动化与智能化程度，针对煤与矸石在线识别的过程中，图像特征值需人工选取且模型鲁棒性差的问题，以现场采集的煤与矸石原始图像作为输入，建立了一种基于卷积神经网络的煤与矸石图像识别模型。通过反卷积对卷积神经网络进行可视化处理，分析了卷积神经网络提取煤与矸石图像特征的过程，并以此为基础在卷积神经网络中设置小波变换层，利用Biorthogonal小波对原始图像进行分解，将高频系数与原始图像结合后进行卷积操作，优化了模型的识别效果。结果表明：该识别模型能够对煤与矸石图像进行有效识别，设置小波变换层能够提升网络训练效率与识别准确率，且小波变换第二层高频系数与原始图像结合输入卷积层时，网络模型效果最优。在不同光照条件下，相比于传统识别模型，该模型有更好的适应能力，对测试集的识别准确率达到93%。
- 单位
