基于卷积神经网络的混合颗粒分类法研究 |
| |
引用本文: | 蔡杨,苏明旭,蔡小舒.基于卷积神经网络的混合颗粒分类法研究[J].光学学报,2019,39(7):115-124. |
| |
作者姓名: | 蔡杨 苏明旭 蔡小舒 |
| |
作者单位: | 上海理工大学能源与动力工程学院,上海,200093;上海理工大学能源与动力工程学院,上海,200093;上海理工大学能源与动力工程学院,上海,200093 |
| |
摘 要: | 针对混合颗粒的分类问题,传统算法多利用颗粒的二值化图像提取其特征,并通过精细的特征设计结合BP神经网络、支持向量机(SVM)等分类器进行分类,但颗粒粘连以及不精确的特征设计都会严重影响分类的准确率。利用卷积神经网络提取颗粒的特征,通过区域建议网络(RPN)搜索颗粒的位置,同时建立分类器,并结合全卷积网络实现像素级的颗粒分割。对由球形、长条形及非规则形颗粒组成的混合流动颗粒体系进行实验研究,结果表明:利用人工特征设计的SVM法可以达到87%的分类精确率和召回率,而基于卷积神经网络的方法则可以达到97%的分类精确率和93%的召回率,并且对于非规则颗粒的数目中位径,该方法不仅可以将分析误差降低11%以上,还避免了传统方法需要精确设计人工特征等的不足,更易形成一个端对端的混合颗粒分类体系,为流动混合颗粒的图像在线分析提供了更加有效的思路。
|
关 键 词: | 测量 颗粒分类 卷积神经网络 支持向量机 |
本文献已被 CNKI 万方数据 等数据库收录! |
|