另外,本文还将本文采取的算法与基于灰度直方图的传统算邻分类器进行煤炭识别,并对算法进行仿真测试。实验结果Р法做了比较,实验结果如表緅表明,本文采用的算法实现简单,快速,识别率较传统的灰度Р 3Р 1 明,采用该算法的煤炭自动识别系统,同主要依靠人工识别Р 的传统的监控子系统相比,在识别精准率和喷淋控制精准度Р 都有明显的提高,能更好的满足煤炭运输抑尘自动化控制系Р 统的需要。Р 参考文献:Р 猿现遥访禾吭耸湟殖炯僚缛飨低车纳杓扑悸穂.山西Р 2010(3)Р 蚊簦跖嗯啵刍郏赟和纹理的煤和煤矸石自动识Р 观察实验结果可发现,本文采用的算法较传Р 别扑慊こ逃肷杓疲.Р统的算法识别精准率更高。芘簦谖评矸治龅拿河朊喉肥耐枷袷侗鹚惴ㄑ芯縖.Р 东北大学,.Р5 and James 甊瓹篈Р 本文采用的基于的煤炭识别算法在唐山南 for Scene Categorization[J]InPAMI2012Р 站铁路煤炭运输抑尘自动化控制系统中进行了现场实验。珹 BattleRRaina and A Y NgEfficient —Р 实验中该算法能够满足煤炭抑尘系统的中煤炭识别的实时『.,.Р 性要求,能够精确地识别煤炭与非煤物质,达到了煤炭自动Р 识别的要求。唐山南站铁路煤炭运输抑尘自动化控制系统髡呒蚪閉Р 6 郭富荣,女鹤,河北省张家口市Р 人,硕士研究生,主要研究领域为图像处理与模式识Р 别,机器学习;Р6Р (195712)()Р 本文针对铁路煤炭运输抑尘自动化控制系统中煤炭自Р 士,北京信息科技大学教授,中国计算机用户协会仿Р 动识别的特殊要求,分析了影响分类结果的因素以及煤炭自Р 真应用分会理事,《计算机仿真》编委,主要研究方向为虚拟现实与系Р BOWCENTRISTР 统仿真技术,网络多媒体信息技术,流媒体技术。Р 特征描述符特征以及稀疏编码方式表示图像以及采用最近Р 一】一
全文预览
