融合残差信息轻量级网络的运煤皮带异物分类

融合残差信息轻量级网络的运煤皮带异物分类

TD528; 矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面.大量有关矿井中煤炭安全高效运输的研究显示,皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患,预警、分选及联动控制不及时会严重影响煤炭的运输效率.为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题,提出了一种融合残差信息的轻量级网络.该网络采用残差块作为基本特征提取单元,在残差块中去除卷积块之间的激活函数.采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息,增强了特征的表现力.精简信息融合网络的结构并增加信息融合网络的数量,提高了模型的扩展性.在模型进行前向传...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:煤炭学报 2022-03, Vol.47 (3), p.1361-1369
Hauptverfasser: 程德强, 徐进洋, 寇旗旗, 张皓翔, 韩成功, 于彬, 钱建生
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 1369
container_issue 3
container_start_page 1361
container_title 煤炭学报
container_volume 47
creator 程德强
徐进洋
寇旗旗
张皓翔
韩成功
于彬
钱建生
description TD528; 矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面.大量有关矿井中煤炭安全高效运输的研究显示,皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患,预警、分选及联动控制不及时会严重影响煤炭的运输效率.为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题,提出了一种融合残差信息的轻量级网络.该网络采用残差块作为基本特征提取单元,在残差块中去除卷积块之间的激活函数.采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息,增强了特征的表现力.精简信息融合网络的结构并增加信息融合网络的数量,提高了模型的扩展性.在模型进行前向传播时,对损失函数进行阈值处理,改善了测试集损失函数升高的问题,提高了模型的泛化性.提出的轻量级分类网络模型在Cifar10数据集、Cifar100数据集和矿用数据集的分类准确率分别为94.1％,73.9％和85.1％.在矿用数据集上与 ShufflenetV2,MobileNetV2,ResNet50,ResNeXt50,W-ResNet50,ResNet110等算法相比,本文提出的模型的识别准确率分别提升了 4.2％,4.3％,0.7％,0.5％,0.3％和0.8％;此外,与分类准确率同本文网络相近的ResNet50,ResNeXt50,W-ResNet50和ResNet110算法相比,FPS分别提高了 28,26,34和46.结果表明本文算法在提高对运煤皮带的异物进行分类识别精度的同时,其计算速度也得了提升,显著提高了煤炭的运输效率,促进了计算机视觉与煤矿安全生产的深度融合.
doi_str_mv 10.13255/j.cnki.jccs.XR21.1736
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_mtxb202203028</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>mtxb202203028</wanfj_id><sourcerecordid>mtxb202203028</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1008-d4407568fec94b71f7c582508cd53c0da6d0cc35b95d01dfde3aa2c0754f789f3</originalsourceid><addsrcrecordid>eNotjT9Lw0AcQG9QsFa_gptj4u_ul0ty4CLFf1AQRMGtXO56YtQIRtFV0VoRsa5FBEEUl4iTYiz9MqYXv4UFnd703iNkioJLkXE-E7sq2d5yY6VSd2OVUZcG6I-QCjCOjhACx8h4msYA6KHPK2S2vL8uOu1BdlW8Z9_9h8HJa9nLfy5u7Oez7d3a_M52z8p-x54_2m5WfDwVX6f28qVot-xbPkFGjdxJm5P_rJL1hfm12pJTX1lcrs3VnZQChI72PAi4H5qmEl4UUBMoHjIOodIcFWjpa1AKeSS4BqqNbqKUTA0dzwShMFgl03_dI5kYmWw24r3D_WR4bOweHEcMGAMEFuIvaalgpg</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>融合残差信息轻量级网络的运煤皮带异物分类</title><source>DOAJ Directory of Open Access Journals</source><source>EZB-FREE-00999 freely available EZB journals</source><creator>程德强 ; 徐进洋 ; 寇旗旗 ; 张皓翔 ; 韩成功 ; 于彬 ; 钱建生</creator><creatorcontrib>程德强 ; 徐进洋 ; 寇旗旗 ; 张皓翔 ; 韩成功 ; 于彬 ; 钱建生</creatorcontrib><description>TD528; 矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面.大量有关矿井中煤炭安全高效运输的研究显示,皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患,预警、分选及联动控制不及时会严重影响煤炭的运输效率.为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题,提出了一种融合残差信息的轻量级网络.该网络采用残差块作为基本特征提取单元,在残差块中去除卷积块之间的激活函数.采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息,增强了特征的表现力.精简信息融合网络的结构并增加信息融合网络的数量,提高了模型的扩展性.在模型进行前向传播时,对损失函数进行阈值处理,改善了测试集损失函数升高的问题,提高了模型的泛化性.提出的轻量级分类网络模型在Cifar10数据集、Cifar100数据集和矿用数据集的分类准确率分别为94.1％,73.9％和85.1％.在矿用数据集上与 ShufflenetV2,MobileNetV2,ResNet50,ResNeXt50,W-ResNet50,ResNet110等算法相比,本文提出的模型的识别准确率分别提升了 4.2％,4.3％,0.7％,0.5％,0.3％和0.8％;此外,与分类准确率同本文网络相近的ResNet50,ResNeXt50,W-ResNet50和ResNet110算法相比,FPS分别提高了 28,26,34和46.结果表明本文算法在提高对运煤皮带的异物进行分类识别精度的同时,其计算速度也得了提升,显著提高了煤炭的运输效率,促进了计算机视觉与煤矿安全生产的深度融合.</description><identifier>ISSN: 0253-9993</identifier><identifier>DOI: 10.13255/j.cnki.jccs.XR21.1736</identifier><language>chi</language><publisher>中国矿业大学信息与控制工程学院,江苏徐州221116%中国矿业大学计算机科学与技术学院,江苏徐州221116%永贵能源开发有限责任公司新田煤矿,贵州毕节551514</publisher><ispartof>煤炭学报, 2022-03, Vol.47 (3), p.1361-1369</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/mtxb/mtxb.jpg</thumbnail><link.rule.ids>314,780,784,864,27924,27925</link.rule.ids></links><search><creatorcontrib>程德强</creatorcontrib><creatorcontrib>徐进洋</creatorcontrib><creatorcontrib>寇旗旗</creatorcontrib><creatorcontrib>张皓翔</creatorcontrib><creatorcontrib>韩成功</creatorcontrib><creatorcontrib>于彬</creatorcontrib><creatorcontrib>钱建生</creatorcontrib><title>融合残差信息轻量级网络的运煤皮带异物分类</title><title>煤炭学报</title><description>TD528; 矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面.大量有关矿井中煤炭安全高效运输的研究显示,皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患,预警、分选及联动控制不及时会严重影响煤炭的运输效率.为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题,提出了一种融合残差信息的轻量级网络.该网络采用残差块作为基本特征提取单元,在残差块中去除卷积块之间的激活函数.采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息,增强了特征的表现力.精简信息融合网络的结构并增加信息融合网络的数量,提高了模型的扩展性.在模型进行前向传播时,对损失函数进行阈值处理,改善了测试集损失函数升高的问题,提高了模型的泛化性.提出的轻量级分类网络模型在Cifar10数据集、Cifar100数据集和矿用数据集的分类准确率分别为94.1％,73.9％和85.1％.在矿用数据集上与 ShufflenetV2,MobileNetV2,ResNet50,ResNeXt50,W-ResNet50,ResNet110等算法相比,本文提出的模型的识别准确率分别提升了 4.2％,4.3％,0.7％,0.5％,0.3％和0.8％;此外,与分类准确率同本文网络相近的ResNet50,ResNeXt50,W-ResNet50和ResNet110算法相比,FPS分别提高了 28,26,34和46.结果表明本文算法在提高对运煤皮带的异物进行分类识别精度的同时,其计算速度也得了提升,显著提高了煤炭的运输效率,促进了计算机视觉与煤矿安全生产的深度融合.</description><issn>0253-9993</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNotjT9Lw0AcQG9QsFa_gptj4u_ul0ty4CLFf1AQRMGtXO56YtQIRtFV0VoRsa5FBEEUl4iTYiz9MqYXv4UFnd703iNkioJLkXE-E7sq2d5yY6VSd2OVUZcG6I-QCjCOjhACx8h4msYA6KHPK2S2vL8uOu1BdlW8Z9_9h8HJa9nLfy5u7Oez7d3a_M52z8p-x54_2m5WfDwVX6f28qVot-xbPkFGjdxJm5P_rJL1hfm12pJTX1lcrs3VnZQChI72PAi4H5qmEl4UUBMoHjIOodIcFWjpa1AKeSS4BqqNbqKUTA0dzwShMFgl03_dI5kYmWw24r3D_WR4bOweHEcMGAMEFuIvaalgpg</recordid><startdate>20220301</startdate><enddate>20220301</enddate><creator>程德强</creator><creator>徐进洋</creator><creator>寇旗旗</creator><creator>张皓翔</creator><creator>韩成功</creator><creator>于彬</creator><creator>钱建生</creator><general>中国矿业大学信息与控制工程学院,江苏徐州221116%中国矿业大学计算机科学与技术学院,江苏徐州221116%永贵能源开发有限责任公司新田煤矿,贵州毕节551514</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20220301</creationdate><title>融合残差信息轻量级网络的运煤皮带异物分类</title><author>程德强 ; 徐进洋 ; 寇旗旗 ; 张皓翔 ; 韩成功 ; 于彬 ; 钱建生</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1008-d4407568fec94b71f7c582508cd53c0da6d0cc35b95d01dfde3aa2c0754f789f3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>程德强</creatorcontrib><creatorcontrib>徐进洋</creatorcontrib><creatorcontrib>寇旗旗</creatorcontrib><creatorcontrib>张皓翔</creatorcontrib><creatorcontrib>韩成功</creatorcontrib><creatorcontrib>于彬</creatorcontrib><creatorcontrib>钱建生</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>煤炭学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>程德强</au><au>徐进洋</au><au>寇旗旗</au><au>张皓翔</au><au>韩成功</au><au>于彬</au><au>钱建生</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>融合残差信息轻量级网络的运煤皮带异物分类</atitle><jtitle>煤炭学报</jtitle><date>2022-03-01</date><risdate>2022</risdate><volume>47</volume><issue>3</issue><spage>1361</spage><epage>1369</epage><pages>1361-1369</pages><issn>0253-9993</issn><abstract>TD528; 矿井中开采出来的煤炭要经过运煤皮带的长距离运输才能到达地面.大量有关矿井中煤炭安全高效运输的研究显示,皮带在煤炭输送过程中存在大块矸石、锚杆等异物划伤、撕裂皮带和堵塞落煤口等安全隐患,预警、分选及联动控制不及时会严重影响煤炭的运输效率.为克服当前对皮带异物分类识别时存在的网络参数量大、实时性差、识别精度低等问题,提出了一种融合残差信息的轻量级网络.该网络采用残差块作为基本特征提取单元,在残差块中去除卷积块之间的激活函数.采用交叉学习机制和特征拼接的方法来融合不同尺度的特征信息,增强了特征的表现力.精简信息融合网络的结构并增加信息融合网络的数量,提高了模型的扩展性.在模型进行前向传播时,对损失函数进行阈值处理,改善了测试集损失函数升高的问题,提高了模型的泛化性.提出的轻量级分类网络模型在Cifar10数据集、Cifar100数据集和矿用数据集的分类准确率分别为94.1％,73.9％和85.1％.在矿用数据集上与 ShufflenetV2,MobileNetV2,ResNet50,ResNeXt50,W-ResNet50,ResNet110等算法相比,本文提出的模型的识别准确率分别提升了 4.2％,4.3％,0.7％,0.5％,0.3％和0.8％;此外,与分类准确率同本文网络相近的ResNet50,ResNeXt50,W-ResNet50和ResNet110算法相比,FPS分别提高了 28,26,34和46.结果表明本文算法在提高对运煤皮带的异物进行分类识别精度的同时,其计算速度也得了提升,显著提高了煤炭的运输效率,促进了计算机视觉与煤矿安全生产的深度融合.</abstract><pub>中国矿业大学信息与控制工程学院,江苏徐州221116%中国矿业大学计算机科学与技术学院,江苏徐州221116%永贵能源开发有限责任公司新田煤矿,贵州毕节551514</pub><doi>10.13255/j.cnki.jccs.XR21.1736</doi><tpages>9</tpages></addata></record>
fulltext fulltext
identifier ISSN: 0253-9993
ispartof 煤炭学报, 2022-03, Vol.47 (3), p.1361-1369
issn 0253-9993
language chi
recordid cdi_wanfang_journals_mtxb202203028
source DOAJ Directory of Open Access Journals; EZB-FREE-00999 freely available EZB journals
title 融合残差信息轻量级网络的运煤皮带异物分类
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-29T04%3A14%3A06IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E8%9E%8D%E5%90%88%E6%AE%8B%E5%B7%AE%E4%BF%A1%E6%81%AF%E8%BD%BB%E9%87%8F%E7%BA%A7%E7%BD%91%E7%BB%9C%E7%9A%84%E8%BF%90%E7%85%A4%E7%9A%AE%E5%B8%A6%E5%BC%82%E7%89%A9%E5%88%86%E7%B1%BB&rft.jtitle=%E7%85%A4%E7%82%AD%E5%AD%A6%E6%8A%A5&rft.au=%E7%A8%8B%E5%BE%B7%E5%BC%BA&rft.date=2022-03-01&rft.volume=47&rft.issue=3&rft.spage=1361&rft.epage=1369&rft.pages=1361-1369&rft.issn=0253-9993&rft_id=info:doi/10.13255/j.cnki.jccs.XR21.1736&rft_dat=%3Cwanfang_jour%3Emtxb202203028%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=mtxb202203028&rfr_iscdi=true