矿业安全与环保

作者：雷世威, 肖兴美, 张明

关键词：煤矸分选, 煤矸识别, 机器视觉, 图像识别, 卷积神经网络, 深度学习

煤矸识别技术对实现煤和矸石自动分选具有重要意义，而现有的图像识别算法在实用性、准确率方面无法满足实际需求。基于图像处理技术和深度学习技术，提出一种基于改进YOLOv3的煤矸识别方法，针对煤矸识别目标小、辨识度低等问题，对原始YOLOv3的网络结构及损失函数进行了改进，用训练生成的模型在测试集上进行识别测试。测试结果表明：改进的YOLOv3-M在小样本上，可在短时间内使模型快速收敛，单张图像识别时间为21.6 ms，识别准确率为95.4%，能适应不同环境下的煤矸样本，可实现实时检测识别。

来源：2021年第3期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2021年第3期