基于TW-RN優(yōu)化CNN的煤矸識別方法研究

郭永存,王 希,何 磊,劉普壯

(1.安徽理工大學(xué) 深部煤礦采動響應(yīng)與災(zāi)害防控國家重點實驗室,安徽 淮南 232001;2.礦山智能技術(shù)與裝備省部共建協(xié)同創(chuàng)新中心，安徽 淮南 232001;3.安徽理工大學(xué) 礦山智能裝備與技術(shù)安徽省重點實驗室，安徽 淮南 232001;4.安徽理工大學(xué) 電氣與信息工程學(xué)院,安徽 淮南 232001)

0 引 言

機械化開采的普及使原煤中夾矸率不斷增高,混雜的矸石一方面會降低煤炭的燃燒效率和能源利用率,另一方面會排放大量煙塵和有毒氣體,危害人體健康,污染自然環(huán)境,這與我國倡導(dǎo)的綠色發(fā)展理念相違背[1],因此分選出原煤中混雜的矸石塊是發(fā)展?jié)崈裘杭夹g(shù)的前提。目前基于X射線的煤矸識別方法成本高,具有輻射危險,且識別率受煤和矸石粒度大小限制[2-3]。在獲取目標(biāo)圖像時,與射線法相比,高幀率的CCD、CMOS工業(yè)相機不僅對人體無危害、成本低,而且可以獲取目標(biāo)清晰的表面特征[4]。基于機器學(xué)習(xí)的煤矸識別算法，如:改進SVM算法[4-5],需人工利用圖像處理、模式識別技術(shù)手動提取煤和矸石圖像表面紋理、灰度值等淺層特征,過程繁瑣，且提取到的若干個淺層特征無法完全反映煤和矸石區(qū)別所在,模型識別準(zhǔn)確率低。自卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)獲得2012年圖像分類競賽冠軍(ILSVRC12)以來,深層卷積神經(jīng)網(wǎng)絡(luò)的研究很快引起廣泛關(guān)注,并被成功應(yīng)用到人臉識別[6]、文本分類[7]、農(nóng)作物檢測[8-9]等領(lǐng)域。在煤矸分選領(lǐng)域中, ALFARZAEAI等[10]基于CNN開發(fā)了CGR-CNN煤矸識別模型,并以煤和矸石熱圖像作為模型輸入樣本,借助2個試驗硬件平臺訓(xùn)練了170輪次后,最終的平均測試精度為98.75%。……