投稿须知
  《光谱学与光谱分析》(国际标准刊号:ISSN 1000-0593, CODEN码:GYGFED, 国内统一刊号:CN 11-2200/O4)是中国科学技术协会主管,中国光学学会主办,由钢铁研究总院、中国科学院物理研究所、北京大学、清华大学共同承办的专业性学术刊物,主要报道我国光谱学与光谱分析学科具有创新性的研究成果,反映国内外光谱 ...

CNN在煤矿突水水源LIF光谱图像识别的应用

作者: 周孟然 [1] 来文豪 [1] 王亚 [2] 胡锋 [1] 李大同 [1] 王锐 [1]

关键词: 煤矿突水 激光诱导荧光 卷积神经网络 荧光光谱 图像识别

摘要:煤矿突水类型的快速识别在矿井安全生产中意义重大,煤矿突水激光诱导荧光(LIF)光谱的识别方法,需要对光谱曲线进行预处理和特征提取,其过程较复杂,对此,提出了一种卷积神经网络(CNN)快速识别矿井突水类别的方法.根据煤矿矿井水层的分布特点和最常见煤矿突水类型,选取三种原始水样以及由原始水样混合的两种混合水为实验材料,利用LIF技术快速获取五种水样的200组荧光光谱曲线图,灰度化后输入CNN算法,其中150组光谱曲线图用于CNN的训练,剩余50组用于训练好的模型测试.模型测试中,CNN算法对实验水样光谱曲线图的识别率为100%,实验结果表明,CNN算法不仅能省去煤矿突水光谱图像识别中的数据处理和特征提取工作,而且还能快速有效的识别矿井突水类型.


上一篇: 纳米金的SP-ICP-MS表征及测定
下一篇: 基于凸优化的激光诱导击穿光谱基线校正方法

Copyright@2003 China Physical Science & Technology All Rights Reserved
中国物理学会 版权所有 2013 京ICP备05002789号