發(fā)布時(shí)間：2020-12-01 19:00

　　煤塵檢測是實(shí)現(xiàn)自動化灑水降塵的關(guān)鍵步驟,本文主要研究的目的是通過攝像頭采集到的煤炭作業(yè)廠區(qū)尤其是露天煤炭堆場的圖像,判斷圖像中是否包含煤塵并用矩形框標(biāo)注。在檢測出煤塵后可通過智能控制灑水降塵系統(tǒng)啟停的方法來實(shí)現(xiàn)自動化灑水,從而及時(shí)有效治理煤塵并能夠節(jié)約水資源。首先,由實(shí)地采集和網(wǎng)上爬取的數(shù)據(jù)構(gòu)建數(shù)據(jù)集,由于采集過程中受環(huán)境及相機(jī)本身的影響,需要對圖像進(jìn)行預(yù)處理以及數(shù)據(jù)增強(qiáng),為了避免過多的預(yù)處理丟失煤塵本身的信息,重點(diǎn)放在圖像增強(qiáng)。使用鏡像變換、旋轉(zhuǎn)變換和對比度亮度調(diào)整來增強(qiáng)圖像,模擬不同環(huán)境光照下的煤塵圖像來豐富數(shù)據(jù)集,未使用加噪處理是因?yàn)榧釉牒蟮膱D像易和煤塵圖像發(fā)生混淆,影響最終的分類識別精度。然后,對預(yù)處理增強(qiáng)后的數(shù)據(jù)集進(jìn)行傳統(tǒng)的特征提取和分類。選取局部二值模式特征描述子來描述煤塵的紋理特征,并分別使用了圓形局部二值模式、旋轉(zhuǎn)不變性局部二值模式、等價(jià)局部二值模式、對比度結(jié)合的局部二值模式做特征提取操作,將特征向量輸入到支持向量機(jī)中進(jìn)行分類并比較結(jié)果,選取結(jié)果最優(yōu)的方法后又使用遺傳算法對支持向量機(jī)進(jìn)行了參數(shù)尋優(yōu),進(jìn)一步提升了分類正確率。最后,用深度學(xué)習(xí)的方法,省去了人工選取特征,避免... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工神經(jīng)元示意圖

圖 2-2 基本神經(jīng)網(wǎng)絡(luò)示意圖權(quán)重值雖然沒有標(biāo)出，但其位于每條連線上，參與著整個(gè)的運(yùn)算。輸入層中的每個(gè)神經(jīng)元，都要和隱藏層中的每個(gè)神經(jīng)元做點(diǎn)對點(diǎn)的計(jì)算，計(jì)算的方法是加權(quán)求和并激活，利用隱藏層計(jì)算出的每個(gè)值，緊接著用相同的方法，和輸出層進(jìn)行計(jì)算數(shù)值在該網(wǎng)絡(luò)中的傳遞是從前往后進(jìn)行的，即由輸入層到隱藏層再到輸出層，最后將輸出值和真實(shí)的樣本值進(jìn)行比較，并計(jì)算出誤差，這個(gè)過程叫前向傳播。神經(jīng)網(wǎng)絡(luò)在具體工作過程中，數(shù)據(jù)由輸入層輸入，其主要目的是為了縮小最后輸出層輸出的值與真實(shí)值間的誤差，繼而不斷更新其權(quán)值和偏置值，其中隱藏層尤為重要，這也是神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)非線性的關(guān)鍵。對于一些復(fù)雜問題的解決，在設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，需要考慮神經(jīng)元個(gè)數(shù)和隱藏層的層數(shù)，一般來說，層數(shù)越多，對數(shù)據(jù)擬合得越好，但如果一味增加層數(shù)的話，會增加參數(shù)量和計(jì)算量，容易產(chǎn)生過擬合，使網(wǎng)絡(luò)的泛化性差，需根據(jù)具體問題設(shè)計(jì)合理的網(wǎng)絡(luò)結(jié)構(gòu)。

圖 2-3 反向傳播算法執(zhí)行流程像識別連接神經(jīng)網(wǎng)絡(luò)的改進(jìn)。由于練和實(shí)際使用，并且極易過理一小塊區(qū)域的視覺圖像。著 CNN 的真正面世，主要用的一段時(shí)間并未能火起來，而且其他的算法例如 SVM，的進(jìn)步，其運(yùn)算時(shí)間縮短，上面的手寫數(shù)字的。絡(luò)模型，則需要讀取整幅圖尺寸越大時(shí)，其連接的參數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]1950—2016年我國煤礦特大事故統(tǒng)計(jì)分析[J]. 朱云飛,王德明,戚緒堯,李德利,邵振魯.  煤礦安全. 2018(10)
[2]高斯支持向量機(jī)在家具板材分類識別中的應(yīng)用[J]. 何金彬,傅惠南,黃辰陽,潘奕創(chuàng).  自動化與儀表. 2018(06)
[3]時(shí)空背景模型下結(jié)合多種紋理特征的煙霧檢測[J]. 趙敏,張為,王鑫,劉艷艷.  西安交通大學(xué)學(xué)報(bào). 2018(08)
[4]2017年世界煤炭市場形勢回顧及發(fā)展趨勢展望[J]. 梁敦仕.  煤炭經(jīng)濟(jì)研究. 2018(03)
[5]基于高斯局部二值模式的紋理特征分類方法[J]. 黃辰,費(fèi)繼友,劉曉東.  電子技術(shù)應(yīng)用. 2018(01)
[6]基于深度學(xué)習(xí)AlexNet的遙感影像地表覆蓋分類評價(jià)研究[J]. 黨宇,張繼賢,鄧喀中,趙有松,余凡.  地球信息科學(xué)學(xué)報(bào). 2017(11)
[7]基于深度遷移學(xué)習(xí)的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計(jì)算機(jī)應(yīng)用. 2017(11)
[8]基于LBP和SVM的人臉檢測[J]. 翟社平,李煬,馬蒙雨,高山.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(09)
[9]“一帶一路”戰(zhàn)略視野下的煤炭開發(fā)投資國別研究[J]. 馬寶清.  煤炭工程. 2017(04)
[10]一種改進(jìn)的支持向量機(jī)參數(shù)優(yōu)化方法[J]. 趙朝賀.  地理空間信息. 2017(01)
[1]基于機(jī)器視覺的煤塵在線檢測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 劉偉華.山東大學(xué) 2011
[2]基于圖像處理的井下煤塵在線檢測技術(shù)的研究[D]. 張偉.山東大學(xué) 2010

博士論文
[1]1950—2016年我國煤礦特大事故統(tǒng)計(jì)分析[J]. 朱云飛,王德明,戚緒堯,李德利,邵振魯.  煤礦安全. 2018(10)
[2]高斯支持向量機(jī)在家具板材分類識別中的應(yīng)用[J]. 何金彬,傅惠南,黃辰陽,潘奕創(chuàng).  自動化與儀表. 2018(06)
[3]時(shí)空背景模型下結(jié)合多種紋理特征的煙霧檢測[J]. 趙敏,張為,王鑫,劉艷艷.  西安交通大學(xué)學(xué)報(bào). 2018(08)
[4]2017年世界煤炭市場形勢回顧及發(fā)展趨勢展望[J]. 梁敦仕.  煤炭經(jīng)濟(jì)研究. 2018(03)
[5]基于高斯局部二值模式的紋理特征分類方法[J]. 黃辰,費(fèi)繼友,劉曉東.  電子技術(shù)應(yīng)用. 2018(01)
[6]基于深度學(xué)習(xí)AlexNet的遙感影像地表覆蓋分類評價(jià)研究[J]. 黨宇,張繼賢,鄧喀中,趙有松,余凡.  地球信息科學(xué)學(xué)報(bào). 2017(11)
[7]基于深度遷移學(xué)習(xí)的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計(jì)算機(jī)應(yīng)用. 2017(11)
[8]基于LBP和SVM的人臉檢測[J]. 翟社平,李煬,馬蒙雨,高山.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(09)
[9]“一帶一路”戰(zhàn)略視野下的煤炭開發(fā)投資國別研究[J]. 馬寶清.  煤炭工程. 2017(04)
[10]一種改進(jìn)的支持向量機(jī)參數(shù)優(yōu)化方法[J]. 趙朝賀.  地理空間信息. 2017(01)
[1]基于機(jī)器視覺的煤塵在線檢測系統(tǒng)關(guān)鍵技術(shù)研究[D]. 劉偉華.山東大學(xué) 2011
[2]基于圖像處理的井下煤塵在線檢測技術(shù)的研究[D]. 張偉.山東大學(xué) 2010

碩士論文
[1]基于菲涅爾透鏡濃度測試的基礎(chǔ)技術(shù)研究[D]. 張珊珊.西安工業(yè)大學(xué) 2016
[2]基于加權(quán)多特征融合和SVM的圖像分類研究[D]. 翟莉.華中師范大學(xué) 2016



本文編號：2894982