基于卷积神经网络的显微煤粒分类算法

摘要

煤岩组分的精确表征直接关系到煤炭的质量以及工艺性能的界定。传统的煤岩表征技术过程复杂,鲁棒性不够,严重阻碍了煤岩自动化分析系统的发展。针对上述问题,本文提出了一种结合多阶段注意力与模型融合的卷积神经模型来实现显微煤粒的自动化分类。该方法先使用语义分割算法、颗粒分离算法等预处理手段提取出单独的显微煤粒,接着采用多阶段注意力机制和多分支模型融合的卷积神经网络模型实现显微煤粒的分类。此外,本文在模型训练过程中使用了迁移学习的方法大幅提升了模型的训练效率。实验结果表明,本文方法的精度高达99.12%,可应用于煤岩显微自动化分析系统中显微煤粒的提取和分类。