面向煤矸分拣机器人的煤矸识别定位系统研究

随着煤炭分选行业对智能化干分选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂分选条件下煤矸混合特征图像的识别方法显得愈发重要.依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统.根据煤矿分选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集.基于迁移学习的改进AlexNet...     

基于深度学习的煤矸石识别技术与实现

针对传统基于图像处理的煤矸识别方法存在速度、效率低、精度起伏大及难以实际应用等问题,提出了一种改进型轻量级深度识别网络模型的煤矸识别方法,以MobileNetV3-large模块结构为基础,在保证模型参数体积及复杂度较少增加的前提下,对网络模型的性能做进一步的提升,使之能够更加适应开采或选拣的实际生产环境。首先在模型中采用CBAM注意力机制模块,该模块相比原模型中的SE模块具有更高的表征能力,能够更好提升网络对煤和矸石图像中感兴趣区域的复杂像素信息特征提取能力。然后通过对训练数据集采用颜色、位置以及图像模糊等相应的复杂图像增强技术进行处理,一方面增加识别模型对煤矸识别复杂生产环境的泛化能力,降低网络的过拟合风险,另一方面完成对数据集的进一步扩增,通过以上方法最终获得改进的轻量级深度识别网络模型。最后将改进的模型应用于煤矸识别技术研究与实现。试验结果表明：基于改进型轻量级深度识别网络模型的煤和矸石识别方法模型结构简单、网络易训练、易嵌入使用且识别精度高。在对煤和矸石识别的测试中精度相对原模型提高了2.3%,达到了97.7%,召回率提高了2%,达到97.8%,对于提高采煤和选煤工作面的自动...     

基于改进YOLOv3的煤矸识别方法研究

煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求.基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试.测试结果表明...     

基于光学图像的煤矸石识别方法综述

基于光学图像的煤矸石识别方法具有设备简单、易实现、绿色环保等优势,是实现智能化煤矸石分选的重要途径。该类方法分为两种研究路径,一种是需要人为提取特征进行识别的路径,一般包括煤矸图像数据采集、图像预处理、特征选择与提取和煤矸识别|另一种是利用深度学习神经网络进行自主提取特征识别的路径。文章对这两种研究路径的各类方法进行了总结,指出现有识别方法存在煤矸图像数据集不完备不充分、特征理解不全面不深入、识别方法无法兼顾高效与实时性等缺点,给出进行高效煤矸石识别的建议。     

破碎顶板条件下煤矸的智能识别研究

基于煤矸智能分选的关键——煤矸图像的在线准确快速识别,以实际生产状态下采集的煤矸图像为训练与测试样本,围绕着老石旦煤矿展开研究,并通过对破碎顶板下的煤矸进行视频和音频方面的智能化识别,阐述其具体操作并分析其意义,对该煤矿在开采环节当中所运用的技术加以优化和改进。     

基于VGG＿16网络的煤和矸石识别技术研究

针对传统选煤方法在煤矸识别上效率低、错选率高等问题,提出了视觉图像加卷积神经网络的煤和矸石识别新方法。在团队研发的煤矸分拣机器人平台上采集了煤矸图像数据并进行了扩充处理。以卷积神经网络VGG＿16为基础设计改进了模型,通过设置不同的模型参数验证了其在煤和矸石识别上的性能。结果表明,新模型能在占用很少的硬件资源下达到较高的煤矸识别率,当网络学习率设置为0.000 1和正则化系数设置为0.001时模型的性能达到最优,训练集和测试集的识别准确率分别达到了99.73%和97.58%。     

煤矸智能分选的机器视觉识别方法与优化

煤矸图像的在线准确快速识别是煤矸智能分选的关键,深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本,基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型,分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度,基于模型剪枝技术对相似度高的卷积核进行裁剪,实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标,定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易识别样本的分类热力图可视化结果,揭示了模型的识别机理与分类依据。结果表明:利用多数现有的CNN框架建立模型均可以对煤和矸石有效识别,但网络复杂度过低则特征提取能力不足,网络复杂度过高则易产生更严重的过拟合情况,即模型复杂度对识别精度影响较大;基于模型剪枝得到的煤矸识别模型可以将煤的截断面处因镜质组成分而产生的反光现象作为识别煤的可靠依据,同时准确捕捉煤与矸石由于硬度不同所产生的轮廓、纹理、表面平整度等差异,综合给出识别结果。压缩后的模型在计算量与模型大小减少10倍的同时,识别精度提升了17.8%,实现节约计算与存储资源的同时提升识别精度,模型性能明显优于常规网络模型。     

用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型

目前机器人煤矸识别方法准确率较低,速度较慢,以及对硬件要求较高等问题都限制了其实用化发展。鉴于深度卷积神经网络在图像识别上取得的优异效果,提出用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型。扩大VGG16网络感受野并引入残差结构以提升模型网络性能,增加噪声和数据增强提升模型泛化能力。实验结果表明,改进型VGG网络煤矸识别模型的识别准确率提升了2.01%,召回率提升了2.58%,减小了所需内存,解决了VGG16网络效率低的弊病。同时模型的各项性能指标明显高于其他经典网络模型,更加满足煤矸分选机器人的各项实用化需求。     

放顶煤工作面煤矸混合度自动识别研究进展

自动化放煤是实现自动化综放开采的关键技术,放煤过程中对于煤矸混合度的自动识别是研究的难点。文章依次论述了基于自然射线、声波信号、图像的放顶煤工作面煤矸混合度识别技术的研究进展,提出了基于图像的煤矸混合度识别技术是未来的发展方向,以及综采工作面的煤岩界面的识别技术及分选中的煤矸识别技术的研究进展,总结了为放顶煤工作面煤矸混合度识别提供的宝贵经验。提出了将深度学习理论引入到煤矸混合度识别研究中,为人工智能技术在采矿行业中的应用提供了新思路,对提高综放开采顶煤回收率、提高煤质、实现工作面自动化有重要意义。     

模拟暗湿工况下煤矸混合体态势热敏图像精准辨识试验

煤矸井下智能分选作为智慧矿山建设的重要组成,可有效提升矿井资源绿色利用。现阶段可见光图像识别技术针对井下昏暗潮湿环境中煤矸混合体的辨识还有待完善。基于热红外成像技术和改进YOLOv5算法模型,提出了一种暗湿工况下煤矸混合态势热敏图像辨识方法。将YOLOv5模型的Neck部分改用加权双向特征金字塔（BiFPN）结构,通过多层次特征融合提高煤矸的辨识效率,采用CIOU函数作为损失函数,提升煤矸检测精准率;构建了煤矸混合体热敏采集试验平台,模拟了井下密闭空间低照度、高湿度、高风速环境,通过CLAHE与LAPLACE算子对红外摄像机所采集的热敏图像进行对比度增强和边缘强化预处理,以不同数据集、不同改进模块、不同算法模型等多个角度系统分析了煤矸混合体态势热敏图像辨识结果,探究了湿度变化对暗湿工况下煤矸识别准确率的影响规律。研究结果表明：预处理后的图像平均精准率较原始图像提升了1.7%,F-Measure值提升了6.9%;改进后的YOLOv5模型平均精度均值和F-Measure达到了80.2%和84.6%,高于经典模型的74.6%和79.7%,可有效提升煤矸热敏图像检测精度;环境相对湿度与识别准确...     

基于神经网络的伺服系统的研究

提出了用ＣＭＡＣ神经网络对交流伺服电动机系统进行学习控制的方案, 并以交流永磁同步伺服电动机为对象进行了实验研究, 表明了此控制方案具有显著提高系统响应宽度和控制精度的优点．     

基于特征融合宽度学习系统的锌浮选过程工况识别

浮选工况是浮选操作的重要判断依据,如何准确地识别浮选工况对浮选性能的提升有重要意义。基于机器视觉方法是浮选工况识别的主流方法,通常采用大数据技术在浮选工况数据集上建立浮选表层泡沫特征与浮选工况之间的关系模型,工况识别效果与工况数据集密切相关。一旦出现数据集中未包含的新工况,难以获得满意的识别效果。为此,针对当前大部分工况识别方法自适应性不足的问题,本文以锌精选为例,提出一种基于多特征宽度学习的锌浮选工况识别方法,以增量学习方式自适应新出现的工况。首先,根据多特征的不同特性,构建基于多特征宽度学习的锌精选工况识别模型;然后,在浮选状态变化和精选槽故障导致模型识别准确率降低时,通过拓宽特征层、增强层以及输出层的方式调整网络结构以进行增量学习。实验结果表明,本文所提出的基于多特征宽度学习系统的锌浮选工况识别方法具有良好的工况自适应性能,应用价值良好。     

内在动机策略在课堂教学中的情感效应

为了达到在新课标下基础教育阶段英语教程的总体目标,运用“双系法”培养学生的综合语言运用能力,使内在动机策略在课堂教学中产生情感效应。     

关于构建数字媒体教育基于SNS的校际学习平台的研究

数字媒体是高等院校综合性交叉学科。为了满足教师教学需求、学生学习需求和就业需求、社会发展需求,基于SNS的校际学习平台是一种非常好的教育支撑。构建这样一个集教育、科研、就业于一体平台,有助于培养符合社会需求的复合型人才。     

教育博客在软件工程教学中的应用研究

教育博客是网络发展的产物,它作为一种新的教学和学习方式已经被越来越多的人所接受。基于博客宜于教学的特征,根据软件工程的学科特点和教学特点,系统地分析了教师和学生在软件工程教学中对教育博客的具体应用。     

基于AGENT技术的网络协作学习研究

为了改进网络协作学习中的一些问题,将智能代理技术引入到网络协作学习当中,建立了一个由主控程序、信息代理、学生代理、教学代理构成的网络协作学习智能代理模型,较好地满足了网络协作学习个性化的需求,促进其向个性化,智能化的方向发展。     

基于深度学习的浮选加药控制系统

赵楼煤矿选煤中心根据浮选泡沫的特点将深度学习技术融入到浮选加药系统的研发之中,设计了基于卷积神经网络的识别与分类网络,提高了系统的泡沫识别准确率及抗干扰能力。通过将西门子PLC、WinCC、高清摄像机与智能算法的深度接合,使浮选加药控制系统实现了"人工智能"。     

高职学生英语学习动机调查与分析

本文调查并分析了我院高职一年级学生学习英语的动机。调查结果发现大部分学生有积极学习的愿望,且认识到动机与成就的关系,但在学习过程中则不能持之以恒;部分学生对英语学习没有多大的动机。针对调查情况,提出了加强教育与引导的意见。     

基于强化学习算法的地下铲运机车速控制

针对铲运机无人驾驶行驶时车速变化难控制的问题,将强化学习算法应用于车速的控制,使车辆在各种状态下车速保持平滑稳定.对比了强化学习算法和经验法、模糊控制、传统PID控制、滑膜控制、逆控制、智能优化算法等算法,分析并设计了强化学习策略,推导出了强化学习模型,即控制车速和上一时刻车速、上一时刻航向角偏差、上一时刻位置偏差的关...     

独立学院计算机公共课程网络资源库的建设

从独立学院学生的特点出发,从当前独立学院计算机公共课程的现状出发,提出了创建独立学院计算机公共课程网络资源库的意义,对其组织结构和主要内容做了详细论述。