煤塵檢測是實現自動化灑水降塵的關鍵步驟,本文主要研究的目的是通過攝像頭采集到的煤炭作業廠區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注。在檢測出煤塵后可通過智能控制灑水降塵系統啟停的方法來實現自動化灑水,從而及時有效治理煤塵并能夠節約水資源。首先,由實地采集和網上爬取的數據構建數據集,由于采集過程中受環境及相機本身的影響,需要對圖像進行預處理以及數據增強,為了避免過多的預處理丟失煤塵本身的信息,重點放在圖像增強。使用鏡像變換、旋轉變換和對比度亮度調整來增強圖像,模擬不同環境光照下的煤塵圖像來豐富數據集,未使用加噪處理是因為加噪后的圖像易和煤塵圖像發生混淆,影響最終的分類識別精度。然后,對預處理增強后的數據集進行傳統的特征提取和分類。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、旋轉不變性局部二值模式、等價局部二值模式、對比度結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中進行分類并比較結果,選取結果最優的方法后又使用遺傳算法對支持向量機進行了參數尋優,進一步提升了分類正確率。最后,用深度學習的方法,省去了人工選取特征,避免... 

【文章來源】：燕山大學河北省

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

人工神經元示意圖

圖 2-2 基本神經網絡示意圖權重值雖然沒有標出，但其位于每條連線上，參與著整個的運算。輸入層中的每個神經元，都要和隱藏層中的每個神經元做點對點的計算，計算的方法是加權求和并激活，利用隱藏層計算出的每個值，緊接著用相同的方法，和輸出層進行計算數值在該網絡中的傳遞是從前往后進行的，即由輸入層到隱藏層再到輸出層，最后將輸出值和真實的樣本值進行比較，并計算出誤差，這個過程叫前向傳播。神經網絡在具體工作過程中，數據由輸入層輸入，其主要目的是為了縮小最后輸出層輸出的值與真實值間的誤差，繼而不斷更新其權值和偏置值，其中隱藏層尤為重要，這也是神經網絡可以實現非線性的關鍵。對于一些復雜問題的解決，在設計網絡結構時，需要考慮神經元個數和隱藏層的層數，一般來說，層數越多，對數據擬合得越好，但如果一味增加層數的話，會增加參數量和計算量，容易產生過擬合，使網絡的泛化性差，需根據具體問題設計合理的網絡結構。

圖 2-3 反向傳播算法執行流程像識別連接神經網絡的改進。由于練和實際使用，并且極易過理一小塊區域的視覺圖像。著 CNN 的真正面世，主要用的一段時間并未能火起來，而且其他的算法例如 SVM，的進步，其運算時間縮短，上面的手寫數字的。絡模型，則需要讀取整幅圖尺寸越大時，其連接的參數

【參考文獻】：
期刊論文
[1]1950—2016年我國煤礦特大事故統計分析[J]. 朱云飛,王德明,戚緒堯,李德利,邵振魯.  煤礦安全. 2018(10)
[2]高斯支持向量機在家具板材分類識別中的應用[J]. 何金彬,傅惠南,黃辰陽,潘奕創.  自動化與儀表. 2018(06)
[3]時空背景模型下結合多種紋理特征的煙霧檢測[J]. 趙敏,張為,王鑫,劉艷艷.  西安交通大學學報. 2018(08)
[4]2017年世界煤炭市場形勢回顧及發展趨勢展望[J]. 梁敦仕.  煤炭經濟研究. 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,費繼友,劉曉東.  電子技術應用. 2018(01)
[6]基于深度學習AlexNet的遙感影像地表覆蓋分類評價研究[J]. 黨宇,張繼賢,鄧喀中,趙有松,余凡.  地球信息科學學報. 2017(11)
[7]基于深度遷移學習的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計算機應用. 2017(11)
[8]基于LBP和SVM的人臉檢測[J]. 翟社平,李煬,馬蒙雨,高山.  計算機技術與發展. 2017(09)
[9]“一帶一路”戰略視野下的煤炭開發投資國別研究[J]. 馬寶清.  煤炭工程. 2017(04)
[10]一種改進的支持向量機參數優化方法[J]. 趙朝賀.  地理空間信息. 2017(01)
[1]基于機器視覺的煤塵在線檢測系統關鍵技術研究[D]. 劉偉華.山東大學 2011
[2]基于圖像處理的井下煤塵在線檢測技術的研究[D]. 張偉.山東大學 2010

博士論文
[1]1950—2016年我國煤礦特大事故統計分析[J]. 朱云飛,王德明,戚緒堯,李德利,邵振魯.  煤礦安全. 2018(10)
[2]高斯支持向量機在家具板材分類識別中的應用[J]. 何金彬,傅惠南,黃辰陽,潘奕創.  自動化與儀表. 2018(06)
[3]時空背景模型下結合多種紋理特征的煙霧檢測[J]. 趙敏,張為,王鑫,劉艷艷.  西安交通大學學報. 2018(08)
[4]2017年世界煤炭市場形勢回顧及發展趨勢展望[J]. 梁敦仕.  煤炭經濟研究. 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,費繼友,劉曉東.  電子技術應用. 2018(01)
[6]基于深度學習AlexNet的遙感影像地表覆蓋分類評價研究[J]. 黨宇,張繼賢,鄧喀中,趙有松,余凡.  地球信息科學學報. 2017(11)
[7]基于深度遷移學習的煙霧識別方法[J]. 王文朋,毛文濤,何建樑,竇智.  計算機應用. 2017(11)
[8]基于LBP和SVM的人臉檢測[J]. 翟社平,李煬,馬蒙雨,高山.  計算機技術與發展. 2017(09)
[9]“一帶一路”戰略視野下的煤炭開發投資國別研究[J]. 馬寶清.  煤炭工程. 2017(04)
[10]一種改進的支持向量機參數優化方法[J]. 趙朝賀.  地理空間信息. 2017(01)
[1]基于機器視覺的煤塵在線檢測系統關鍵技術研究[D]. 劉偉華.山東大學 2011
[2]基于圖像處理的井下煤塵在線檢測技術的研究[D]. 張偉.山東大學 2010

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



本文編號：2894982