留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

图像特征与振动频谱多源融合驱动的煤矸识别技术研究

李立宝 袁永(通讯作者) 秦正寒 李波 闫政天

李立宝, 袁永(通讯作者), 秦正寒, 等. 图像特征与振动频谱多源融合驱动的煤矸识别技术研究[J]. 工矿自动化.
引用本文: 李立宝, 袁永(通讯作者), 秦正寒, 等. 图像特征与振动频谱多源融合驱动的煤矸识别技术研究[J]. 工矿自动化.

图像特征与振动频谱多源融合驱动的煤矸识别技术研究

  • 摘要: 煤矸识别技术是实现智能化放顶煤的关键。针对目前单一信息源煤矸识别不准或应用技术受限的问题,提出了一种基于图像与振动信号多信息融合的煤矸识别模型,包括图像特征提取模块、振动特征提取模块以及特征融合模块。采用全连接层的ResNet-18网络作为图像特征提取模块,采用一维卷积网络(1D-CNN)获取振动信号特征,之后通过多头注意力机制和多层LSTM网络实现双通道特征融合,用于强化各通道重要特征信息的表达。搭建放顶煤相似模拟平台,还原综放面多源信息环境,采集大量煤矸图像与煤矸振动数据。实验结果表明:多源特征融合模型平均识别准确度达到98.72%,相比传统单一的ResNet、MobilenetV3、1D-CNN、LSTM网络高出4.60%、7.96%、5.37%、4.58%和6.11%,相比近年来部分学者自主提出改进的煤矸识别模型EMD-RF、IMF-SVM与CSPNet-YOLOv7在识别精度方面分别高出4.18%、4.45%和3.46%,验证了多源融合在煤矸识别的有效性和优越性,提升了复杂环境下煤矸识别的准确性。

     

  • 加载中
计量
  • 文章访问数:  6
  • HTML全文浏览量:  0
  • 被引次数: 0
出版历程
  • 网络出版日期:  2024-11-01

目录

    /

    返回文章
    返回