Resumen

La identificación precisa de la distribución de la veta de carbón es un requisito previo para realizar una minería inteligente de cizalla. Este artículo presenta un método novedoso para identificar carbón y roca basado en una red neuronal convolucional profunda (CNN). En este trabajo se introducen tres métodos de regularización para resolver el problema de sobreajuste de la CNN y acelerar la convergencia: abandono, regularización del peso y normalización por lotes. A continuación, la información de la imagen de la roca de carbón se enriquece mediante el aumento de datos, lo que mejora significativamente el rendimiento. Se diseña un sistema experimental de corte de roca de carbón para recopilar más imágenes reales de roca de carbón y se presentan algunos experimentos. Los resultados del experimento indican que la red que hemos diseñado tiene un mejor rendimiento en la identificación de las imágenes de roca de carbón.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:carbón, imágenes de rocas, red neuronal convolucional profunda, carbón más real, sistema experimental de rocas, información de imágenes de rocas, cnn, papel, cizalla, identificación precisa
• Keywords:coal, rock images, deep convolutional neural network, more real coal, rock experiment system, rock image information, cnn, paper, shearer, accurate identification