基于深度卷積神經(jīng)網(wǎng)絡的熟料顆粒方法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、水泥是一種重要的資源性和影響國民經(jīng)濟發(fā)展的基礎性產(chǎn)品,作為基礎材料,廣泛應用在民用建筑、橋梁公路建設、水利建設、工業(yè)建筑等的人們生活的方方面面。其中間產(chǎn)品熟料的質(zhì)量監(jiān)控和評估是保證水泥質(zhì)量的重要環(huán)節(jié),但是目前國內(nèi)水泥廠停留在人工干預、采樣分析方式,非常耗時耗力,故本文設計了一種基于機器視覺的熟料顆粒粒度檢測算法。
  本文在借鑒結合傳統(tǒng)選礦領域中的顆粒粒度檢測算法的基礎上,首次引入深度卷積網(wǎng)絡UNet算法對熟料顆粒圖像進行分割,并

2、在此基礎上做出了改進,提升了顆粒分割的準確率,最后,利用一些典型的顆粒大小特征來對分割圖像進行顆粒粒度分布估計。本文的主要研究內(nèi)容及成果如下:
  1.引入深度卷積網(wǎng)絡UNet算法對熟料顆粒圖像進行分割。傳統(tǒng)顆粒圖像分割算法需要復雜、專業(yè)的步驟設計和精細的參數(shù)調(diào)節(jié),且魯棒性不夠好,不同風格的顆粒圖像分割需要不同的算法流程。而對于深度卷積網(wǎng)絡算法,對不同種顆粒圖像的分割的算法流程是一致的,需要人工調(diào)節(jié)的參數(shù)少。
  2.UNe

3、t算法框架的搭建、訓練和測試。利用基于Tensorflow的Keras工具搭建了UNet算法框架,將訓練集數(shù)據(jù)進行簡單的預處理后結合人工手繪的標簽圖像進行訓練,訓練之后,利用測試集來驗證UNet算法的顆粒分割效果,并進行量化統(tǒng)計。最后,使用網(wǎng)上下載的兩張與熟料顆粒不同風格的顆粒圖像來檢驗了UNet算法的知識遷移特性。
  3.UNet算法的改進。基于加深網(wǎng)絡層和損失函數(shù)這兩點對UNet算法進行了改進:將預訓練好的VGG16網(wǎng)絡作為

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論