基于深度学习的多产品煤料图像分类方法研究
Study on multi-product coal image classification method based on deep learning
-
摘要: 基于传感器的智能矿石干选技术在煤炭领域备受关注，其节能、无水、智能、高精度和易使用等优点在井下排矸、选厂预富集和矸石再选等环节有着广泛的市场前景，具有降低成本、节能降耗的优势。为探索深度学习在基于机器视觉的煤料智能干选过程中的分类精度和应用潜力，基于深度学习提出了一种多产品煤料图像分类方法。在获取低灰煤、中低灰煤、高灰煤和矸石4类产品无烟煤图像的基础上，采用位置变换操作对煤粒图像集进行数据增强，为深度学习模型提供大量训练数据，进而采用基于Tensorflow、Keras框架的Inception_v3神经网络模型进行迁移学习。通过使用ImgNet大量数据集在Inception_v3神经网络模型上训练出初始网络参数和权重，将其迁移至煤料多产品分类模型中，采用Dropout对模型进行处理以防止过拟合，最终建立了针对无烟煤多产品的深度学习分类模型，并通过训练过程的损失值和准确率的趋势图判断训练过程是否收敛。通过多分类器对比分析，结果表明深度学习分类模型的测试精度和验证精度均达到90%以上，且随产品数量增加而略有降低，多产品验证精度分别为93.5%、91.3%和90.1%，均优于KNN、RF和SVM常规分类模型的准确率，其中SVM分类模型准确率较高，RF分类模型次之，KNN分类模型准确率最低。分析结果表明深度学习能高效区分产品间特征差异性，并在煤料多产品图像分类应用上具有较大潜力。Abstract: The sensor-based intelligent dry ore separation technology has attracted much attention in the field of coal recent years. Its advantages of energy saving, waterlessness, intelligence, high-precision and easeof use have a broad market prospectin the links of downhole gangue discharging, pre-enrichment in the separation plant and gangue re-selection with the advantages of cost reduction, energy saving and consumption reduction. In order to explore the classification accuracy and application potential of deep learning in the intelligent dry separation of coal based on machine vision, a multi-product coal image classification method was proposed based on deep learning. On the basis of obtaining anthracite images of low-ash coal, medium-low ash coal, high-ash coal and gangue products, the position transformation operation was used to enhance the data of the coal particle image set, providing a large amount of training data for the deep learning model. Inception_v3 neural network model based on Tensorflow and Keras framework was adopted for migration learning. The initial network parameters and weightswere trained on the Inception_v3 neural network model by using ImgNet large data sets, and were transferred to the coal multi-product classification model, and the model was processed by Dropout to prevent over-fitting, and finally established a deep learning classification model for anthracite multi-products, and used the loss value of the training process and the trend graph of accuracy acc to determine whether the training process has converged. Through the comparison and analysis of multiple classifiers, the results show that the test accuracy and verification accuracy of the deep learning classification model reach more than 90%, and slightly decreases as the number of products increases. The verification accuracies of multi-product are 93.5%, 91.3% and 90.1% respectively, which are superior to the accuracy of conventional KNN, RF and SVM classification models. Among them, the accuracy of SVM classification model was higher, followed by RF, and KNN classification accuracy was the lowest. The analysis results indicate that deep learning can effectively distinguish the feature differences between products and has great potential in the application of image classification of coal products.
-
-
期刊类型引用(33)
1. 窦林名，马小涛，边戈，刘涛，王洪涛，宋金波，刘彦强，周坤友. 深部厚顶煤巷道矿震诱发冒顶复合灾害机理及其控制. 采矿与安全工程学报. 2025(01): 85-96 . 
百度学术
2. 窦林名，曹晋荣，曹安业，蔡武，巩思园，鞠明和，周坤友，阚吉亮. 煤矿覆岩矿震关键层及其破断释能机制. 煤炭学报. 2025(01): 180-192 . 百度学术
3. 张翔，朱斯陶，张修峰，姜福兴，刘金海，陈洋，万晓，杨涛，朱淳，李佳洁. 深厚表土综放采场断层煤柱整体失稳型冲击地压机制研究. 岩石力学与工程学报. 2024(03): 713-727 . 百度学术
4. 秦续峰，任杰，罗浩，代连朋，冯丁杰. 新街矿区深部开采大能量矿震规律与发生机理研究. 防灾减灾学报. 2024(01): 61-67 . 百度学术
5. 荣海，魏世龙，张宏伟，杨岁寒，汤进宝，陈林林，钱红亮，王雅迪，付兴. 井下断层活动的定量监测及其对冲击地压的影响研究. 煤炭科学技术. 2024(02): 10-22 . 本站查看
6. 王元杰. 基于地音监测技术的矿震演化规律及预警模型研究. 中国煤炭. 2024(03): 53-60 . 百度学术
7. 赵晓云，李斌. 大同煤田矿区微震记录特征与识别方法研究. 山西煤炭. 2024(02): 73-83 . 百度学术
8. 杨景，牟宗龙，李家卓，刘广建，尹子霆，庄佳鑫. 多指标融合赋权综合预警的冲击危险评价方法. 采矿与岩层控制工程学报. 2024(03): 81-94 . 百度学术
9. 孟上九，秦艺峰，王淼，孙志远，穆海龙. 矿震机理及其次生灾害监测技术研究进展. 世界地震工程. 2024(03): 103-118 . 百度学术
10. 田刚. 动载扰动下深部顺槽稳定性数值模拟研究. 能源技术与管理. 2024(04): 154-157+173 . 百度学术
11. 张艺耘，李成海，唐磊，杨海涛，熊洪恩，周强. 深部超长工作面矿震响应规律及传播机制研究. 矿业研究与开发. 2024(09): 9-17 . 百度学术
12. 刘玉宾，朱斯陶，张修峰，王绪友，李增强，周均忠，张斌，王高昂. 厚煤层掘进工作面强震动诱发底煤卸压失效机理研究. 采矿与岩层控制工程学报. 2024(05): 107-118 . 百度学术
13. 姜福兴，张翔，朱斯陶. 煤矿冲击地压防治体系中的关键问题探讨. 煤炭科学技术. 2023(01): 203-213 . 本站查看
14. 翟新献，赵晓凡，翟俨伟，钱红亮，刘勤裕，任柱安，郭钊洋. 综放开采上覆巨厚砾岩层离层和断裂力学模型及其应用. 中国矿业大学学报. 2023(02): 241-254 . 百度学术
15. 曹晋荣，窦林名，何江，王永忠，周坤友，王正义，王崧玮，韩泽鹏. 急倾斜特厚煤层工作面非对称冲击矿压机理. 采矿与安全工程学报. 2023(02): 334-345 . 百度学术
16. 白贤栖，曹安业，杨耀，王常彬，刘耀琪，赵迎春，郭文豪，顾颖诗，吴震. 高位巨厚覆岩运移规律及矿震触发机制研究. 煤炭科学技术. 2023(03): 10-20 . 本站查看
17. 李全贵，凌发平，胡千庭，李楠，姜志忠，钱亚楠，刘荣辉，李文禧. 煤系地层弹性波阶段性衰减特性分析. 中国矿业大学学报. 2023(03): 466-477 . 百度学术
18. 袁亮，王恩元，马衍坤，刘玉冰，李晓亮. 我国煤岩动力灾害研究进展及面临的科技难题. 煤炭学报. 2023(05): 1825-1845 . 百度学术
19. 曹安业，窦林名，白贤栖，刘耀琪，杨科，李家卓，王常彬. 我国煤矿矿震发生机理及治理现状与难题. 煤炭学报. 2023(05): 1894-1918 . 百度学术
20. 徐隽松，潘鹏志，陈建强，赵善坤，吴振华，刘旭东. 基于地应力反演的褶曲区煤层冲击危险性评价研究. 煤炭科学技术. 2023(09): 35-45 . 本站查看
21. 赵斌，王寅，赵善坤，吕坤，苏振国，李准. 特厚煤层综放工作面矿震诱发机理及防控技术：以龙王沟煤矿为例. 科学技术与工程. 2023(29): 12451-12457 . 百度学术
22. 崔铁军，李莎莎. 长期矿震作用对露天矿边坡岩体状态的影响研究. 自然灾害学报. 2023(05): 218-225 . 百度学术
23. 白贤栖，曹安业，刘耀琪，王常彬，杨旭，赵迎春，杨耀. 基于震源机制解析的巨厚覆岩矿震破裂机制. 煤炭学报. 2023(11): 4024-4035 . 百度学术
24. 王书文，智宝岩，杜涛涛，杨光宇，陆闯，夏永学. 厚硬顶板潜在矿震风险地面压裂预控技术. 煤炭科学技术. 2023(11): 1-11 . 本站查看
25. 杨耀，曹安业，白贤栖，刘耀琪，闫振乾，王常彬，王崧玮，赵迎春，顾颖诗. 深井巨厚覆岩邻空采动强矿震孕育发生机理. 煤炭科学技术. 2023(12): 220-231 . 本站查看
26. 崔峰，张随林，来兴平，陈建强，贾冲，孙敬轩，周玉普. 急倾斜巨厚煤层矿震诱冲机制及时-空特征. 煤炭学报. 2023(S2): 449-463 . 百度学术
27. 刘跃成，康跃明，赵智辉，周创，周水. 基于微震监测试验的微震信号类别识别降噪方法研究. 能源与环保. 2022(02): 186-192 . 百度学术
28. 曹安业，陈凡，刘耀琪，窦林名，王常彬，杨旭，白贤栖，宋士康. 冲击地压频发区矿震破裂机制与震源参量响应规律. 煤炭学报. 2022(02): 722-733 . 百度学术
29. 朱斯陶，刘金海，姜福兴，尚晓光，孙希奎，张修峰，宋大钊，张明，王爱文，谢华东，曲效成. 我国煤矿顶板运动型矿震及诱发灾害分类、预测与防控. 煤炭学报. 2022(02): 807-816 . 百度学术
30. 刘耀琪，曹安业，王崧玮，杨耀，郭文豪，薛成春，白贤栖，李震. 基于微震群震动波能量衰减特性的冲击地压危险预测方法. 煤炭学报. 2022(04): 1523-1533 . 百度学术
31. 程传超，谷雪斌，赵子浩，刘体军，公绪飞，张修峰. 岩层破裂信号与爆破微震信号特征对比分析. 矿业研究与开发. 2022(10): 187-191 . 百度学术
32. 朱建波，马斌文，谢和平，高峰，周宏伟，周昌台，郑福润. 煤矿矿震与冲击地压的区别与联系及矿震扰动诱冲初探. 煤炭学报. 2022(09): 3396-3409 . 百度学术
33. 赵华全，杨皓博. 坚硬顶板诱发含夹矸煤层围岩失稳机理及防治. 陕西煤炭. 2022(06): 26-31 . 百度学术
其他类型引用(34)
下载:
图(6)
计量
- 文章访问数: 186
- HTML全文浏览量: 2
- PDF下载量: 247
- 被引次数: 67
