煤矸石图像分类方法

• 作者: 吴景涛 李明 饶中钰
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤矸石分选 煤矸石识别 图像分类 机器视觉 卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 实验研究
• 页码范围: 69-73
• 页数: 5页
• 分类号: TD948
• 字数: 2955字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.17495

摘要

针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题,提出了基于机器视觉的煤矸石图像分类方法.对煤矸石图像进行增强、平滑去噪等预处理,采用基于距离变换的分水岭算法实现煤矸石图像分割提取.针对煤矸石分割图像,选取煤矸石图像的HOG特征及灰度共生矩阵,分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别;分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络,进行基于卷积神经网络的煤矸石分类识别.研究结果表明,基于VGG16网络的煤矸石图像分类方法准确率最高为99.7％,高于基于特征提取方法的91.9％ 和基于浅层卷积神经网络方法的92.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	中国矿业大学信息与控制工程学院	156	1155	20.0	27.0
2	饶中钰	中国矿业大学信息与控制工程学院	2	1	1.0	1.0