增量式矿石自动化分拣系统研究

作者：蒋卫祥

来源：矿业研究与开发, 2020, 40(11): 150-155.

DOI：10.13827/j.cnki.kyyk.2020.11.026

• 煤
• 矿石分选
• 增量学习
• 自动分拣
• 智能识别

矿产资源的分选对于矿业具有重要意义。以采煤为例,人工分选煤矸石存在效率低、工作量大、工作环境恶劣等问题,而基于传统机器学习的煤矸石分拣系统识别准确率低,且现有煤矸石知识先验模型无法有效覆盖新的矿石,需通过扩充数据集重新训练模型,造成训练时间长且训练效率低等问题。针对上述问题,研究提出了增量式自动化煤矸石分拣流水线。结合实际工程需要,构建深层卷积神经网络实现煤矸石图像的高效分选,同时采用深度增量学习算法实现对自动化煤矸石分拣流水线的增量式学习。研究结果表明,煤矸石增量式自动化分拣系统分类准确率达到99%,高于传统机器学习算法分类准确率7.7个百分点,且具有增量学习的能力。

• 单位
  常州信息职业技术学院