基于改进Keras模型的煤矸石快速识别  

作　　者：向艳芳[1,2] 梁龙 潘跃亮 张家臣 

机构地区：[1]湖南工业职业技术学院机械工程学院,湖南长沙410208 [2]复杂薄壁精密零件智能柔性加工技术湖南省工程研究中心,湖南长沙410208 [3]长沙矿山研究院有限责任公司,湖南长沙410012 [4]湖南理工学院,湖南岳阳市414006

出　　处：《采矿技术》2025年第1期268-273,共6页Mining Technology

基　　金：湖南省自然科学基金项目(2023JJ60195)。

摘　　要：为解决煤矸石分选过程中检测算法复杂度高、训练周期长和不易部署等问题,对获取的煤矸石增强数据集进行检测研究,提出了一种基于轻量化Keras模型的煤矸石快速识别方法。首先通过背景差分法将获取的煤矸石前景信息分离出来,运用灰度共生矩阵(GLCM)提取煤矸石样本关键特征参数;然后采用Keras神经网络模型对目标进行语义分割检测,使用ReLU和Softmax激活函数完成非线性变换,增加网络的表达能力;最后利用采集的煤矸石图像数据对训练完成的GLCM-Keras模型进行全面测试。试验结果表明:改进Keras模型在测试集的准确率达到97%,相较于经典SVM模型,改进Keras模型在准确率和训练时间上均有优化。该方法不仅满足了煤矸石检测要求,也有效提升了矿用机器人的矸石分拣作业精度。

关 键 词：煤矸石识别 灰度共生矩阵 Keras神经网络模型 深度学习 背景差分 

分 类 号：TD8[矿业工程—矿山开采]