用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型

• 作者: 王闰泽 郎利影 席思星
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 煤矸识别 图像分类 深度学习 VGG16网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 煤矿机电与信息化|Coal Mine Electromechanical and Informatization
• 页码范围: 237-241
• 页数: 5页
• 分类号: TD94|TP242
• 语种: 中文
• DOI: 10.13301/j.cnki.ct.2022.01.059

摘要

目前机器人煤矸识别方法准确率较低,速度较慢,以及对硬件要求较高等问题都限制了其实用化发展.鉴于深度卷积神经网络在图像识别上取得的优异效果,提出用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型.扩大VGG16网络感受野并引入残差结构以提升模型网络性能,增加噪声和数据增强提升模型泛化能力.实验结果表明,改进型VGG网络煤矸识别模型的识别准确率提升了2.01％,召回率提升了2.58％,减小了所需内存,解决了VGG16网络效率低的弊病.同时模型的各项性能指标明显高于其他经典网络模型,更加满足煤矸分选机器人的各项实用化需求.