典型文献
融合改进YOLOv3与三次样条插值的煤岩界面识别方法
文献摘要：
YOLOv3是一种兼具检测精度与速度的深度学习目标检测算法.针对煤矿智能化开采的关键技术瓶颈——煤岩界面识别难题,利用深度可分离卷积改进YOLOv3算法,有效提升煤岩界面识别的精度和效率;针对煤岩界面连续和贯穿的特点导致的传统目标检测评测指标无法准确评价算法识别准确性的问题,建立了新的煤岩界面识别准确性评测指标;利用三次样条插值算法对煤岩界面识别预测框中点进行拟合,获得了接近真实的煤岩界面曲线.相关试验结果表明,改进YOLOv3的训练参数规模减少了约80％,测试时间减少了约5％;采用新的评测指标,在x和y方向上的准确率分别提高了5.85％和16.99％;提取的煤岩界面曲线较真实值误差控制在4.1％以内.
文献关键词：
煤岩识别;目标检测;YOLOv3;深度学习
中图分类号：
作者姓名：
孙传猛;王燕平;王冲;许瑞嘉;李新娥
作者机构：
中北大学 电子测试技术重点实验室,山西 太原 030051;中北大学 电气与控制工程学院,山西 太原 030051
文献出处：
引用格式：
[1]孙传猛;王燕平;王冲;许瑞嘉;李新娥-.融合改进YOLOv3与三次样条插值的煤岩界面识别方法)[J].采矿与岩层控制工程学报,2022(01):77-86
A类：
B类：
YOLOv3,三次样条插值,煤岩界面识别,检测精度,学习目标,目标检测算法,煤矿智能化,智能化开采,技术瓶颈,深度可分离卷积,评测指标,准确评价,算法识别,插值算法,中点,测试时间,较真,真实值,误差控制,煤岩识别
AB值：
0.23578
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。
