一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法及系统技术方案

本发明专利技术提供了一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法及系统，该方法包括：S1，采集并扩充样本数据集，划分为训练集和测试集；S2，以MobileNetV3

【技术实现步骤摘要】
一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法及系统


[0001]本专利技术涉及图像处理
，特别是涉及一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法及系统。

技术介绍

[0002]煤岩显微组分结构复杂，其物理化学性质差异在指导煤炭的高效洁净利用方面，有着其他学科无法替代的优势。因此，研究煤岩显微图像组分特征，实现煤岩显微组分的自动分类与识别对煤炭资源的高效清洁化开发利用具有深远的现实意义。
[0003]惰质组是煤岩显微结构的重要组成部分，其碳含量高，氢含量低，具有挥发性和没有粘结性等特点，这些特点影响着煤结焦的性能。故针对惰质组的分类识别极具研究价值。
[0004]目前，国内外相关学者在煤岩显微组分的分类与识别上的研究：一部分学者根据煤岩显微图像中的灰度信息，建立了测定煤岩显微组分反射率的模型；一部分学者利用固定阈值分割法统计单种煤的显微组分；还有一部分学者基于PCA与RBF
‑
SVM算法对煤岩显微图像的纹理和灰度进行分析，采用小波变换将煤岩显微图像进行分解，提取不同尺度下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，包括以下步骤：S1，采集并扩充样本数据集：采集惰质组样本，得到惰质组图像数据集，接着对图像数据集进行数据增强，扩充数据集中样本数量，并将数据集划分为训练集和测试集；S2，构建煤岩惰质组显微组分识别模型：以MobileNetV3
‑
large网络作为基础网络，使用Ghost瓶颈代替原来的瓶颈层，并使用CBAM注意力机制模块代替原来的SE模块，得到改进后的MobileNetV3网络模型，并采用步骤S1中的训练集对改进后的MobileNetV3网络模型进行训练，调整全连接层数量再保存得到煤岩惰质组显微组分识别模型；S3，煤岩惰质组显微图像分类识别：利用步骤S2得到的煤岩惰质组显微组分识别模型以及Softmax分类器对煤岩惰质组显微图像进行显微组分分类。2.根据权利要求1所述的基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，步骤S1中，采集惰质组样本，得到惰质组图像数据集，接着对图像数据集进行数据增强，扩充数据集中样本数量，并将数据集划分为训练集和测试集，具体包括：S101，将数据集根据设定比例划分为训练集和测试集；S102，对训练集中的图像进行翻转、旋转、平移、添加噪声的处理实现数据扩充。3.根据权利要求2所述的基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，所述训练集和所述测试集中图像样本包括8种类别，分别为火焚丝质体、氧化丝质体、半丝质体、真菌体、分泌体、粗粒体、微粒体、碎屑惰质体。4.根据权利要求3所述的基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，所述步骤S2中，调整全连接层数量，具体指：将最后一层全连接层的层数改为类别数8。5.根据权利要求1所述的基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，步骤S2中，改进后的MobileNetV3网络模型，包括：2个普通卷积层、15个Ghost瓶颈层、1个全局平均池化层和2个全连接层；2个普通卷积分别在第1层和第17层，2个所述全连接层的输出特征维数分别为1280、8。6.根据权利要求5所述的基于改进MobileNetV3的煤岩惰质组显微图像分类方法，其特征在于，所述Ghost瓶颈层分为两种：...

【专利技术属性】
技术研发人员：王培珍，刘林，陆凡凡，杨志豪，张峰，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：