科研之友
微信
新浪微博
Facebook
分享链接
摘要
煤矸石是生产高岭土的直接原料，为了能快速精准地将含有高品位高岭土的煤矸石从原始矿石中预分选出来，提出了一种改进ResNet50的小模型图像分类识别方法。基于X射线与物质的相互作用原理，对已划分的高低品位原生矿石进行透射成像（灰度图），使用LabelImg标签软件制作数据标签；基于Pytorch深度学习框架，使用数据增强算法扩增样本容量；基于ResNet50残差网络架构，使用多尺度可分离卷积降低卷积计算量并加深网络深度，采用双通道池化替代单一池化来均衡图像局部特征，优化残差结构和微调超参数使网络学习性能达到更优。结果表明：在相同的实验条件下，与传统的ResNet18/34/50和VGG16网络相比改进的ResNet50网络在验证集上分类准确率最高，达到97.87%；对比GoogLeNet网络，两者分类精度相近的同时，整个网络的学习速度提升了接近4倍。
-
单位电子工程学院; 东华理工大学; 江西省新能源工艺及装备工程技术研究中心
