APP下载

基于支持向量机与多种特征的煤矸石识别

2021-05-06陈乃建黄玉林张来伟李映君

济南大学学报(自然科学版) 2021年3期
关键词:特征区域

范 振, 陈乃建, 黄玉林, 张来伟, 李映君

(济南大学 机械工程学院, 山东 济南 250022)

我国拥有丰富的煤炭资源,其资源量约占我国化石能源资源的基础储量的94%。由于开采过程经常混杂有煤矸石,严重影响煤的质量,因此煤与煤矸石的分拣是煤炭生产过程中不可或缺的环节[1]。

煤与煤矸石的分拣通常采用传统的人工分选法,不仅工作环境差,劳动强度大,而且效率非常低。随着科学技术的进步,自动化分拣技术逐渐取代传统的人工方法,其中的煤矸石识别技术是非常重要的环节。目前,国内外已有多种识别技术,根据煤与煤矸石密度的不同,Wang等[2]提出基于激光三角法和重量法,采用三维激光扫描技术根据煤矸石体积计算出所测物体的密度,与已知的煤与煤矸石密度对比,实现煤矸石的分拣。杨慧刚等[3]通过X射线与图像处理技术相结合,提取煤与煤矸石图像的灰度信息,分析差异确定分离阈值。Liu等[4]用多重分形去趋势波动分析方法来提取煤和煤矸石的几何特征,并与图像的灰度和纹理特征相结合,提高了煤矸石识别率。

近年来,随着机器视觉与机器学习的发展,煤矸石分拣也出现了多种新技术。Pu等[5]提出了利用卷积神经网络图像识别的典型工作流程和模型参数更新策略,基于功能强大的训练图像识别模型VGG16,引入传递学习的思想,建立了一个自定义的卷积神经网络模型,解决了从头开始建立全新模型所带来的可训练参数大、计算能力有限的问题。……

登录APP查看全文

猜你喜欢

特征区域
永久基本农田集中区域“禁废”
分割区域
如何表达“特征”
不忠诚的四个特征
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计
线性代数的应用特征
区域