典型文献
基于AlexNet-SN网络的煤与煤矸石分类方法
文献摘要：
现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低.随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向.为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术改进的煤矸石分拣方法.选用3×3的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN层和Dropout,并采用风格迁移数据增强法提高煤与煤矸石数据集的多样性.研究结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8％,损失率下降了2.0％.此方法不仅能够满足煤与煤矸石实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别.
文献关键词：
AlexNet网络;煤矸石;人工智能;分选技术
中图分类号：
作者姓名：
郑爽;梁云浩;武俊峰;乔壮;刘付刚
作者机构：
黑龙江科技大学,黑龙江哈尔滨150022
文献出处：
引用格式：
[1]郑爽;梁云浩;武俊峰;乔壮;刘付刚-.基于AlexNet-SN网络的煤与煤矸石分类方法)[J].中国矿业,2022(06):79-85
A类：
煤矸石分类
B类：
AlexNet,SN,分类方法,煤矸石分选,分选方法,设计特征,智能选矸,煤矸石分拣,分类准确率,风格迁移,迁移技术,技术改进,卷积核,几层,BN,LRN,Dropout,迁移数,数据增强,损失率,实时检测,识别精度,有效应用,煤矸石识别,分选技术
AB值：
0.380636
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
