[发明专利]一种煤和矸石RGB图像识别方法及其系统

权利要求书

1.一种煤和矸石RGB图像识别方法，其特征在于：包括建立一种迁移权重简化神经元模型优化方法,通过迁移权重和简化模型网络结构，建立煤矸识别模型。

2.根据权利要求1所述的一种煤和矸石RGB图像识别方法，其特征在于：所述方法包括以下步骤：

S1搭建煤矸分选实验平台，实时获取煤和矸石图像；

S2扩展煤和矸石数据集，并进行有规律命名；

S3划分识别模型的训练集和测试集；

S4设计煤矸识别模型优化方法；

S5优化经典卷积神经网络结构，构建煤矸识别模型；

S6选择模型优化器类型以及学习率设置方式；

S7综合对比分析每种网络模型性能表现，确定一种最佳煤矸识别方法。

3.一种煤和矸石RGB图像识别系统，其特征在于：所述系统用于执行权利要2所述的方法，所述系统包括以下模块：

图像采集模块：获取煤和矸石图像；

图像扩展模块：扩展煤和矸石数据集，并进行有规律命名；

第一数据处理模块：随机选取数据构建模型的训练集和测试集；

第二数据处理模块：执行煤矸识别模型优化方法；

第一优化计算模块：优化经典卷积神经网络结构，构建煤矸识别模型；

第二优化计算模块：选择模型优化器类型以及学习率设置方式；

模型选取模块：综合对比分析每种网络模型性能表现，确定一种最佳煤矸识别方法。

4.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S1中，通过彩色CMOS工业相机实时获取运动状态下的煤和矸石RGB图像并存储到工控机。

5.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S2中，通过图片翻转、旋转、添加噪声方式批量扩充数据集，并分别将扩充后的煤和矸石图片进行有规律命名。

6.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S3中，通过随机选取煤和矸石总数据集的80％做为训练集，余下的20％做为测试集，两数据集之间独立无交叉。

7.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S4中，采用迁移权重简化神经元的方法把权重参数迁移到构建的煤矸识别网络中，通过划分好的训练集微调参数。

8.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S5中，采用步骤S4中的优化方法改进经典CNN网络，并手动降低网络全连接层中神经元个数，构建煤矸识别模型。

9.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S6中，依托煤和矸石训练集，通过对比分析每个模型的训练结果，分别对煤矸识别网络中的参数优化方式以及学习率设置方式进行寻优，以确定每种模型的最优超参数。

10.根据权利要求2所述的一种煤和矸石RGB图像识别方法，其特征在于：所述步骤S7中，选择出一种基于迁移权重简化神经元优化方法改进CNN后的最佳煤矸识别模型。