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。
点击查看大图
计量
- 文章访问数: 6
- HTML全文浏览量: 0
- 被引次数: 0