基于卷积神经网络的煤泥浮选泡沫图像分类方法

• 作者: 吴刚 张帆 李红强 郑杰 郭西进
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 浮选 泡沫分类 卷积神经网络 深度学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 煤炭加工与利用
• 页码范围: 348-351
• 页数: 4页
• 分类号: TP391.41|TD923
• 字数: 2186字
• 语种: 中文
• DOI: 10.13301/j.cnki.ct.2018.09.127

摘要

当前煤泥浮选泡沫分类研究多针对光照充足条件下泡沫图像,对于夜晚车间光照不足的暗淡图像效果不好.针对这一问题,引入一种利用深度学习的有效浮选泡沫分类方法,建立了一个深度卷积神经网络同时执行特征学习与泡沫分类,逐层运算抽取图像本质信息,过滤光线影响.实验结果表明,在白天强光和夜晚弱光下,无需图像增强等预处理均获得很高的准确率,实现浮选泡沫端到端分类,提高了识别的抗干扰能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭西进	中国矿业大学信息与控制工程学院	82	391	10.0	15.0
2	吴刚		2	2	1.0	1.0
3	李红强		2	2	1.0	1.0
4	郑杰		2	2	1.0	1.0
5	张帆		1	2	1.0	1.0