[发明专利]一种多光谱图像信息和光谱信息异构融合的煤矸识别方法有效

专利信息
申请号: 201910663782.X 申请日: 2019-07-22
公开(公告)号: CN110378295B 公开(公告)日: 2022-12-20
发明(设计)人: 胡锋;周孟然;闫鹏程;李蓓;卞凯;戴荣英 申请(专利权)人: 安徽理工大学
主分类号: G06V20/00 分类号: G06V20/00;G06V20/13;G06V10/80;G06V10/82;G06N3/04;G06N5/00;G01N21/17;G01N21/31;G01J3/28
代理公司: 暂无信息 代理人: 暂无信息
地址: 230031 安徽*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 光谱 图像 信息 融合 识别 方法
【权利要求书】:

1.一种多光谱图像信息和光谱信息异构融合的煤矸识别方法,其特征在于:包括以下步骤:

(1)煤和矸石多光谱数据的获取;

(2)构造煤和矸石的多光谱数据库;

(3)二维卷积神经网络图像信息的特征提取;

(4)一维卷积神经网络光谱信息的特征提取;

(5)图像特征和光谱特征的融合;

(6)随机森林煤矸识别模型构建;

所述步骤(1)中,利用多光谱成像技术获取煤和矸石的多光谱数据,得到煤和矸石的多光谱数据集;

所述步骤(2)中,利用煤和矸石的多光谱数据集,结合煤和矸石的样本标签,构造煤和矸石的多光谱数据库,该数据库同时包含图像信息和光谱信息;

所述步骤(3)中,用于提取图像信息特征的二维卷积神经网络(Two-dimensionalconvolutional neural network, 2D-CNN)是一种包含两个卷积层的网络结构,主要包含标准化层、卷积层、池化层、全连接层;

所述步骤(4)中,用于提取光谱信息特征的一维卷积神经网络(One-dimensionalconvolutional neural network, 1D-CNN)是一种包含两个卷积层的网络结构,主要包含标准化层、卷积层、池化层、全连接层;

所述步骤(5)中,利用融合规则实现上述步骤(3)和(4)中提取的图像特征和光谱特征的融合;

所述步骤(6)中,利用融合后的特征在训练集上构建随机森林(Random forest, RF)煤矸识别模型,确定RF煤矸识别模型的参数,然后利用测试集来测试识别的效果,验证模型性能。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽理工大学,未经安徽理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910663782.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top