针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像生成灰度共生矩阵,以角二阶距、相关性、对比度和熵作为纹理特征进行均值和归一化处理,最后用支持向量机进行训练,得出识别结果。实验结果表明,该方法能够有效地提取到煤与矸石图像的纹理特征,煤和矸石的识别率分别为94%和96%。

煤矸图像的在线准确快速识别是煤矸智能分选的关键，深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本，基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型，分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度，基于模型剪枝技术对相似度高的卷积核进行裁剪，实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标，定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易