期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的黑钨矿图像识别选矿方法
被引量:
26
1
作者
王李管
陈斯佳
+1 位作者
贾明滔
涂思羽
《中国有色金属学报》
EI
CAS
CSCD
北大核心
2020年第5期1192-1201,共10页
黑钨矿图像识别是代替黑钨选矿手选抛废的一条高效途径,但存在无法识别黑钨矿石与围岩废石的问题。本文利用深度学习中卷积神经网络进行迁移学习来解决,该方法具有收敛快速、所需数据集小和分类准确的优点。首先,对黑钨原矿彩色图像采...
黑钨矿图像识别是代替黑钨选矿手选抛废的一条高效途径,但存在无法识别黑钨矿石与围岩废石的问题。本文利用深度学习中卷积神经网络进行迁移学习来解决,该方法具有收敛快速、所需数据集小和分类准确的优点。首先,对黑钨原矿彩色图像采用旋转、平移等方法进行数据增广降低样本不平衡性。其次,基于Keras框架使用本文优化的神经网络进行全新训练。结果表明:黑钨矿石与围岩两类识别中Wu-VGG19迁移网络矿石识别率最高,为97.51%。此外,本文加入石英脉石类别继续实验,得出修改的Wu-v3迁移网络矿石识别率最高,为99.6%。
展开更多
关键词
黑钨矿选矿
迁移学习
深度学习
图像识别
卷积神经网络
下载PDF
职称材料
题名
基于深度学习的黑钨矿图像识别选矿方法
被引量:
26
1
作者
王李管
陈斯佳
贾明滔
涂思羽
机构
中南大学资源与安全工程学院
出处
《中国有色金属学报》
EI
CAS
CSCD
北大核心
2020年第5期1192-1201,共10页
基金
国家重点研发计划资助项目(2017YFC0602905)
中南大学中央高校基本科研业务费专项资金资助项目(1053320182852,2018zzts751)。
文摘
黑钨矿图像识别是代替黑钨选矿手选抛废的一条高效途径,但存在无法识别黑钨矿石与围岩废石的问题。本文利用深度学习中卷积神经网络进行迁移学习来解决,该方法具有收敛快速、所需数据集小和分类准确的优点。首先,对黑钨原矿彩色图像采用旋转、平移等方法进行数据增广降低样本不平衡性。其次,基于Keras框架使用本文优化的神经网络进行全新训练。结果表明:黑钨矿石与围岩两类识别中Wu-VGG19迁移网络矿石识别率最高,为97.51%。此外,本文加入石英脉石类别继续实验,得出修改的Wu-v3迁移网络矿石识别率最高,为99.6%。
关键词
黑钨矿选矿
迁移学习
深度学习
图像识别
卷积神经网络
Keywords
wolframite beneficiation
transfer learning
deep learning
image recognition
convolutional neural network
分类号
TD92 [矿业工程—选矿]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的黑钨矿图像识别选矿方法
王李管
陈斯佳
贾明滔
涂思羽
《中国有色金属学报》
EI
CAS
CSCD
北大核心
2020
26
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部