基于深度学习的矿岩图像识别技术研究

被引:8
作者
徐校竹
机构
[1] 鞍山市第八中学
关键词
深度学习; 卷积神经网络; 图像识别; 矿岩分选;
D O I
10.14101/j.cnki.issn.1002-4336.2018.06.042
中图分类号
TP391.41 []; TP181 [自动推理、机器学习];
学科分类号
080203 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
为了促进中国选矿事业的发展,提高资源回收率,利用深度学习图像识别技术对矿石及废石进行识别从而将其分选。同时介绍了深度学习技术理论,重点介绍基于卷积神经网络的图像识别技术,以及利用此图像识别技术针对锰矿石与废石在形态和R、G、B三基色分量方面的区别对矿岩分选的研究。
引用
收藏
页码:179 / 181
页数:3
相关论文
共 3 条
[1]   论有色金属选矿发展现状及展望 [J].
张忠 ;
吕秀莲 .
科技资讯, 2013, (35) :67-68
[2]  
基于卷积神经网络的医学图像癌变识别研究[D]. 薛迪秀.中国科学技术大学. 2017
[3]  
基于卷积神经网络的图像识别[D]. 蒋帅.吉林大学. 2017