煤炭工程

作者：师亚文,李务晋,吕子奇

单位：1. 国能神东煤炭集团洗选中心，陕西 榆林 7193152. 中国矿业大学（北京）化学与环境工程学院，北京 100083

关键词：煤矸智能分选,机器视觉,小波变换层,卷积神经网络,

为提高煤与矸石分选的自动化与智能化程度, 针对煤与矸石在线识别的过程中, 图像特征值需人工选取且模型鲁棒性差的问题, 以现场采集的煤与矸石原始图像作为输入, 建立了一种基于卷积神经网络的煤与矸石图像识别模型。通过反卷积对卷积神经网络进行可视化处理, 分析了卷积神经网络提取煤与矸石图像特征的过程, 并以此为基础在卷积神经网络中设置小波变换层, 利用Biorthogonal小波对原始图像进行分解, 将高频系数与原始图像结合后进行卷积操作, 优化了模型的识别效果。结果表明: 该识别模型能够对煤与矸石图像进行有效识别, 设置小波变换层能够提升网络训练效率与识别准确率, 且小波变换第二层高频系数与原始图像结合输入卷积层时, 网络模型效果最优。在不同光照条件下, 相比于传统识别模型, 该模型有更好的适应能力, 对测试集的识别准确率达到93%。

来源：2023年第11期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2023年第11期