基于深度學習的煤矸石識別技術與實現

郜亞松，張步勤，郎利影

(1.河北工程大學 信息與電氣工程學院,河北 邯鄲 075000；2.冀中能源峰峰集團有限公司,河北 邯鄲 056200；3.河北工業大學 先進激光技術研究中心, 天津 300401)

0 引 言

高速精準的煤矸識別是實現煤炭行業智能化發展的關鍵，對提高采煤和選煤的生產效率至關重要。因此，煤矸識別研究一直是煤炭智能化技術領域的研究重點和熱點，關系到煤炭開采技術水平的進一步提升和安全綠色開采的發展[1-2]。

目前煤矸識別技術的研究方向逐漸從煤和矸石的物理性質差異[3-4]轉向更簡單、直觀的視覺差異，其中包括煤和矸石的紋理、灰度差異等手動提取的圖像特征[5-9]，然后結合機器學習方法進行分類識別的傳統圖像識別技術，此類方法在實驗室的環境中有較高的準確率。由于傳統機器學習圖像識別方法基于的是手動提取的圖像特征，所生成模型的泛化能力較弱。此外，傳統機器學習方法的識別速度低，不能滿足實際生產需求。后來有學者提出基于遷移學習的深度學習方法進行煤矸識別，能很好地解決傳統機器學習泛化能力差的缺點，也相對提高了識別精度[10-11]，但是此類方法使用的深度學習網絡結構復雜，訓練所產生的網絡模型參數體積龐大，實際運行時所要求的設備較為昂貴，所以投入到實際生產環境中仍存在很多困難。

針對以上問題，提出一種識別精度高、速度快且易嵌入到實際生產設備中的輕量型煤矸識別網絡模型。……