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
2
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
确保地表建筑物安全矸石充填开采原料配比及充填量的确定
被引量:
20
1
作者
题正义
秦洪岩
《中国安全生产科学技术》
CAS
CSCD
2014年第12期138-142,共5页
为确定某矿的矸石充填开采过程中最优充填材料配比和最佳的矸石充填量。设计了一种新型的矸石压缩模具,应用该模具和YE-200A液压试验机对十种不同粒径配比的矸石进行压缩试验,得出均匀配比的矸石为最优充填配比。采用最小二乘法拟合的...
为确定某矿的矸石充填开采过程中最优充填材料配比和最佳的矸石充填量。设计了一种新型的矸石压缩模具,应用该模具和YE-200A液压试验机对十种不同粒径配比的矸石进行压缩试验,得出均匀配比的矸石为最优充填配比。采用最小二乘法拟合的数学模型,确定了均匀配比矸石充填材料与压力的变化规律。最后推出了均匀配比的矸石充填高度与采厚、顶板允许下沉量及顶板压力的函数关系。
展开更多
关键词
矸石充填
安全性分析
矸石压缩率
矸石配比选择
矸石压缩装置设计
回归分析
下载PDF
职称材料
高效移动端煤矸识别方法
被引量:
1
2
作者
张勇
郭永存
+2 位作者
陈伟
王爽
程刚
《中国粉体技术》
CAS
CSCD
2023年第1期61-70,共10页
针对传统轻量型卷积神经网络模型复杂度高,移动端识别速度慢,小样本数据集上训练、识别效果差的等问题,提出一种高效的改进后的移动端煤矸识别方法;分析卷积神经网络模型轻量化的方法,并从注意力机制、激活函数和分类头3个方面对MobileN...
针对传统轻量型卷积神经网络模型复杂度高,移动端识别速度慢,小样本数据集上训练、识别效果差的等问题,提出一种高效的改进后的移动端煤矸识别方法;分析卷积神经网络模型轻量化的方法,并从注意力机制、激活函数和分类头3个方面对MobileNetv3网络进行改进,通过模型量化压缩网络在移动端部署模型,分析改进网络量化前、后的空间存储容量,浮点运算次数,推理时间和识别准确率;在移动端煤矸识别实验装置中训练、部署和测试模型的识别效果。结果表明:改进后网络经过20次的训练后模型即收敛,收敛速度较快,训练和验证准确率均大于99%;改进后模型经量化压缩后模型存储容量较小,仅为原网络的24.64%,模型复杂度大幅度下降;移动端推理时间仅为77 ms,识别准确率达到99.7%;利用实验装置实时采集的煤和矸石图像的识别效果较好,识别方法可靠。
展开更多
关键词
煤矸识别
网络轻量化
模型压缩
注意力机制
小样本数据集
移动端
下载PDF
职称材料
题名
确保地表建筑物安全矸石充填开采原料配比及充填量的确定
被引量:
20
1
作者
题正义
秦洪岩
机构
辽宁工程技术大学矿业学院
出处
《中国安全生产科学技术》
CAS
CSCD
2014年第12期138-142,共5页
基金
国家自然科学基金项目(51174109)
国家自然科学基金项目(51074086)
文摘
为确定某矿的矸石充填开采过程中最优充填材料配比和最佳的矸石充填量。设计了一种新型的矸石压缩模具,应用该模具和YE-200A液压试验机对十种不同粒径配比的矸石进行压缩试验,得出均匀配比的矸石为最优充填配比。采用最小二乘法拟合的数学模型,确定了均匀配比矸石充填材料与压力的变化规律。最后推出了均匀配比的矸石充填高度与采厚、顶板允许下沉量及顶板压力的函数关系。
关键词
矸石充填
安全性分析
矸石压缩率
矸石配比选择
矸石压缩装置设计
回归分析
Keywords
gangue
backfilling mining
analysis of safety
gangue
compression
ratio
selection of
gangue
ratio
de-sign of gangue compression device
regression analysis
分类号
X936 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
高效移动端煤矸识别方法
被引量:
1
2
作者
张勇
郭永存
陈伟
王爽
程刚
机构
安徽理工大学电气与信息工程学院
安徽理工大学机械工程学院
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
出处
《中国粉体技术》
CAS
CSCD
2023年第1期61-70,共10页
基金
国家自然科学基金项目,编号:51904007
安徽省科技重大专项资助项目,编号:18030901049
安徽省高校协同创新项目,编号:GXXT-2021-076。
文摘
针对传统轻量型卷积神经网络模型复杂度高,移动端识别速度慢,小样本数据集上训练、识别效果差的等问题,提出一种高效的改进后的移动端煤矸识别方法;分析卷积神经网络模型轻量化的方法,并从注意力机制、激活函数和分类头3个方面对MobileNetv3网络进行改进,通过模型量化压缩网络在移动端部署模型,分析改进网络量化前、后的空间存储容量,浮点运算次数,推理时间和识别准确率;在移动端煤矸识别实验装置中训练、部署和测试模型的识别效果。结果表明:改进后网络经过20次的训练后模型即收敛,收敛速度较快,训练和验证准确率均大于99%;改进后模型经量化压缩后模型存储容量较小,仅为原网络的24.64%,模型复杂度大幅度下降;移动端推理时间仅为77 ms,识别准确率达到99.7%;利用实验装置实时采集的煤和矸石图像的识别效果较好,识别方法可靠。
关键词
煤矸识别
网络轻量化
模型压缩
注意力机制
小样本数据集
移动端
Keywords
recognition of coal and
gangue
network lightweight
model
compression
attention mechanisms
small dataset
mobile
device
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
确保地表建筑物安全矸石充填开采原料配比及充填量的确定
题正义
秦洪岩
《中国安全生产科学技术》
CAS
CSCD
2014
20
下载PDF
职称材料
2
高效移动端煤矸识别方法
张勇
郭永存
陈伟
王爽
程刚
《中国粉体技术》
CAS
CSCD
2023
1
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