基于随机森林的综放工作面煤矸图像识别

• 作者: 张云飞 李秀莹 薛光辉 钱孝玲
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 综放工作面 煤矸图像识别 煤矸图像纹理特征 垮落煤矸自动识别 随机森林算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 实验研究
• 页码范围: 57-62
• 页数: 6页
• 分类号: TD672
• 字数: 4434字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019110064

摘要

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法.以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果.结果 表明,在决策树个数为150、采用log2M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97％,比降维前提高4％,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9％,泛化能力更强.