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

基于随机森林的综放工作面煤矸图像识别

薛光辉 李秀莹 钱孝玲 张云飞

薛光辉,李秀莹,钱孝玲,等.基于随机森林的综放工作面煤矸图像识别[J].工矿自动化,2020,46(5):57-62..  doi: 10.13272/j.issn.1671-251x.2019110064
引用本文: 薛光辉,李秀莹,钱孝玲,等.基于随机森林的综放工作面煤矸图像识别[J].工矿自动化,2020,46(5):57-62..  doi: 10.13272/j.issn.1671-251x.2019110064
XUE Guanghui, LI Xiuying, QIAN Xiaoling, et al. Coal-gangue image recognition in fully-mechanized caving face based on random forest[J]. Industry and Mine Automation, 2020, 46(5): 57-62. doi: 10.13272/j.issn.1671-251x.2019110064
Citation: XUE Guanghui, LI Xiuying, QIAN Xiaoling, et al. Coal-gangue image recognition in fully-mechanized caving face based on random forest[J]. Industry and Mine Automation, 2020, 46(5): 57-62. doi: 10.13272/j.issn.1671-251x.2019110064

基于随机森林的综放工作面煤矸图像识别

doi: 10.13272/j.issn.1671-251x.2019110064
基金项目: 

国家自然科学基金资助项目(51834006)

国家重点基础研究发展计划(973计划)资助项目(2014CB046306)

中央高校基本科研业务费专项资金资助项目(2009QJ16)

详细信息
  • 中图分类号: TD672

Coal-gangue image recognition in fully-mechanized caving face based on random forest

  • 摘要: 针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果。结果表明,在决策树个数为150、采用logM2+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97%,比降维前提高4%,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9%,泛化能力更强。

     

  • 加载中
计量
  • 文章访问数:  109
  • HTML全文浏览量:  16
  • PDF下载量:  15
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-05-20

目录

    /

    返回文章
    返回