科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了准确快速地识别原煤中的煤和矸石,基于机器视觉的方式,采取经典卷积神经网络模型对煤和矸石图像进行识别分类;利用在以实验室环境下采集的小批量煤和矸石图像数据,运用数据增强技术扩充数据集,在深度学习框架中搭建各种经典卷积神经网络模型,对采集的数据集进行训练、验证和测试,获得各经典网络的训练准确率和损失函数曲线,并结合训练过程中的训练和验证损失函数曲线,对训练情况进行可视化分析,最后以训练参数量、浮点运算次数和评估损失函数为评价指标,建立综合评价函数E对各经典网络进行评估。结果表明AlexNet,ResNet50和ResNet101网络的训练准确率均在90%以上,且训练状态为完美拟合,评估结果显示,AlexNetj是最适合于煤矸分选的经典卷积神经网络。
- 单位
