公开(公告)号：CN113449743B

公开(公告)日：2022-12-09

申请号：CN202110781494.1

申请日：2021-07-12

Applicant: 西安科技大学

Inventor： 王征 ,  谢丁丁 ,  李冬艳 ,  王浩明 ,  左纯子

IPC: G06V10/44 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种煤尘颗粒特征提取方法，包括步骤：一、将煤尘颗粒图像输入训练好的卷积神经网络中；所述卷积神经网络为对U‑Net网络进行改进得到的Ghost‑SE‑Unet网络，所述Ghost‑SE‑Unet网络包括用于提取图像中煤尘颗粒的特征信息的特征提取主干Feature Backbone和用于完成煤尘颗粒特征图的尺寸还原以及生成与煤尘颗粒对应的掩膜的特征上采样Feature Upsample；二、所述卷积神经网络对煤尘颗粒图像进行特征提取，得到煤尘颗粒分割图，将煤尘颗粒从背景中识别出来。本发明能够提高对煤尘颗粒的分割精度，并精确获取颗粒特征更多细节信息。

公开(公告)号：CN113449743A

公开(公告)日：2021-09-28

申请号：CN202110781494.1

申请日：2021-07-12

Applicant: 西安科技大学

Inventor： 王征 ,  谢丁丁 ,  李冬艳 ,  王浩明 ,  左纯子

IPC: G06K9/46 ,  G06K9/34 ,  G06N3/04

Abstract: 本发明公开了一种煤尘颗粒特征提取方法，包括步骤：一、将煤尘颗粒图像输入训练好的卷积神经网络中；所述卷积神经网络为对U‑Net网络进行改进得到的Ghost‑SE‑Unet网络，所述Ghost‑SE‑Unet网络包括用于提取图像中煤尘颗粒的特征信息的特征提取主干Feature Backbone和用于完成煤尘颗粒特征图的尺寸还原以及生成与煤尘颗粒对应的掩膜的特征上采样Feature Upsample；二、所述卷积神经网络对煤尘颗粒图像进行特征提取，得到煤尘颗粒分割图，将煤尘颗粒从背景中识别出来。本发明能够提高对煤尘颗粒的分割精度，并精确获取颗粒特征更多细节信息。

公开(公告)号：CN112001253B

公开(公告)日：2021-11-30

申请号：CN202010718963.0

申请日：2020-07-23

Applicant: 西安科技大学

Inventor： 王征 ,  李冬艳 ,  李磊 ,  张赫林

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进Fast R‑CNN的煤尘颗粒图像识别方法，包括步骤：一、将煤尘颗粒图像输入训练好的改进Fast R‑CNN网络中；改进Fast R‑CNN网络中存储了训练样本的多个煤尘颗粒标定区域；二、改进Fast R‑CNN网络采用VGG网络的卷积层进行特征提取，得到煤尘颗粒图像的特征图；三、改进Fast R‑CNN网络将煤尘颗粒图像的特征图中的煤尘颗粒从背景中识别出来；四、改进Fast R‑CNN网络将步骤三识别出煤尘颗粒目标的煤尘颗粒图像输入到两个并列的全连接层，通过线性脊回归器对煤尘颗粒目标的位置进行精调。本发明检测过程高效、检测精度高，能够最大限度还原颗粒样本的轮廓信息。

公开(公告)号：CN112001253A

公开(公告)日：2020-11-27

申请号：CN202010718963.0

申请日：2020-07-23

Applicant: 西安科技大学

Inventor： 王征 ,  李冬艳 ,  李磊 ,  张赫林

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进Fast R-CNN的煤尘颗粒图像识别方法，包括步骤：一、将煤尘颗粒图像输入训练好的改进Fast R-CNN网络中；改进Fast R-CNN网络中存储了训练样本的多个煤尘颗粒标定区域；二、改进Fast R-CNN网络采用VGG网络的卷积层进行特征提取，得到煤尘颗粒图像的特征图；三、改进Fast R-CNN网络将煤尘颗粒图像的特征图中的煤尘颗粒从背景中识别出来；四、改进Fast R-CNN网络将步骤三识别出煤尘颗粒目标的煤尘颗粒图像输入到两个并列的全连接层，通过线性脊回归器对煤尘颗粒目标的位置进行精调。本发明检测过程高效、检测精度高，能够最大限度还原颗粒样本的轮廓信息。