信息工程学院

讲座时间：2020年9月16日13:00-14:20

讲座地点：工B308

讲座对象：信息工程学院师生

讲座摘要：

煤矿安全生产和煤炭产品质量一直是煤炭行业关注的核心问题。煤炭运输是煤炭开采的重要环节，而输送带是输送系统设备的主要组成部分。在运行过程中，当外来铁块、工字钢、大块煤矸石的尖锐部分刺穿输送带时，会被纵向切割或撕裂，对输送带造成不同程度的损坏，由于煤矿输送带视觉场景噪声大、场景复杂，需要对输送带图像进行有效的异物识别。

报告介绍了一种基于级联线性网络结构（PCANet）和平面神经网络（FNN）的煤矿输送带图像中煤和异物识别的方法。该模型由两个子网络组成：用于特征提取的级联线性网络结构（PCANet）和用于图像分类的广度神经网络。宽度神经网络的节点数由训练数据集自适应确定，增加节点需要调整局部参数。从实验结果可以看出，与普通的深度神经网络模型相比，改进后的模型提高了图像分类的准确性。