典型文献
基于卷积神经网络的煤矸石识别算法研究
文献摘要：
煤矸石自动分选是充分利用能源和减轻环境污染的有效途径,然而传统的煤矸石分选方法效率低下、污染环境、成本过高,已不能满足当今智慧矿山的发展需求.为了提高煤矸石自动化分选的效率及识别精度,文中提出一种基于卷积神经网络的煤矸石智能识别算法.首先利用同态滤波增强煤和矸石的对比度;然后通过颜色空间转换得到HSV色彩,并利用K-means++聚类算法在HSV颜色空间对其进行图像分割,从而获得煤和矸石目标图像;最后构建无参数辨识的卷积神经网络模型,以解决人工选择煤矸石图像特征参数所导致的精度低、耗时长等问题,从而实现对煤和矸石图像的自动分类识别功能.实验结果表明:文中改进算法能够较好地对煤矸石样本图像进行分类识别,识别准确率达到93.3％;与多种先进的机器学习和深度学习煤矸石分选算法相比,改进算法的煤矸石分选识别准确率有明显提高.
文献关键词：
煤矸石分选;卷积神经网络;图像识别;图像增强;图像分割;自动分类
中图分类号：
作者姓名：
倪云峰;封子杰;郭苹;王静
作者机构：
西安科技大学 通信与信息工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]倪云峰;封子杰;郭苹;王静-.基于卷积神经网络的煤矸石识别算法研究)[J].现代电子技术,2022(10):57-62
A类：
B类：
煤矸石识别,识别算法,算法研究,轻环,煤矸石分选,分选方法,污染环境,智慧矿山,识别精度,智能识别,同态滤波,煤和矸石,对比度,颜色空间转换,HSV,means++,聚类算法,图像分割,标图,无参数,参数辨识,卷积神经网络模型,人工选择,图像特征参数,数所,自动分类,分类识别,识别功能,改进算法,识别准确率,分选识别,图像识别,图像增强
AB值：
0.308426
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。
