-
题名基于随机森林的综放工作面煤矸图像识别
被引量：17
- 1
-
-
作者
薛光辉
李秀莹
钱孝玲
张云飞
-
机构
中国矿业大学(北京)机电与信息工程学院
-
出处
《工矿自动化》
北大核心
2020年第5期57-62,共6页
-
基金
国家自然科学基金资助项目(51834006)
国家重点基础研究发展计划(973计划)资助项目(2014CB046306)
中央高校基本科研业务费专项资金资助项目(2009QJ16)。
-
文摘
针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果。结果表明,在决策树个数为150、采用log2^M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97%,比降维前提高4%,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9%,泛化能力更强。
-
关键词
综放工作面
煤矸图像识别
煤矸图像纹理特征
垮落煤矸自动识别
随机森林算法
-
Keywords
fully-mechanized caving face
coal-gangue image recognition
texture feature of coal-gangue image
automatic recognition of falling coal-gangue
random forest algorithm
-
分类号
TD672
[矿业工程—矿山机电]
-
-
题名基于深度学习的智能监控系统设计
被引量：5
- 2
-
-
作者
王瑞
陈文凯
曹中正
-
机构
上海大学通信与信息工程学院
-
出处
《电子测量技术》
2019年第14期23-27,共5页
-
文摘
随着人们安防意识的提升以及监控技术的日益成熟,智能监控系统的应用领域在不断扩大。传统的监控系统能够实现视频的回放、存储等功能,然而存在对服务器高性能的依赖、纯人工的监控模式等缺陷,因此提出了基于深度学习的思路,搭建了一套智能监控系统。首先采用了Jetson TX2嵌入式平台,对摄像头端采集的视频数据进行骨骼点检测,并且通过人体姿态识别网络进行摔倒检测以及人脸识别;然后将结果上传到云服务器,由云服务器进行处理并转发给移动端App;最后,一旦有人摔倒,移动端App会使用语音和消息推送对用户进行提醒。实验表明,本系统可以有效地进行摔倒检测及自动报警。
-
关键词
深度学习
骨骼点检测
摔倒检测
人脸识别
自动报警
-
Keywords
deep learning
detect the skeleton points
fall detection
face recognition
automatic alarming
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
