基于随机森林的综放工作面煤矸图像识别

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题，提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景，采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理；采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征；采用RF算法对15个煤矸纹理特征的重要性进行排序，并选取前5个实现降维处理，分析降维前后RF算法对煤矸图像的识别效果。结果表明，在决策树个数为150、采用log2M+1方法计算每次分裂时的特征数情况下，降维后RF模型的煤矸分类准确率为97%，比降维前提高4%，煤矸分类查准率为0.98，查全率为0.96，且袋外错误经50次迭代达到9%，泛化能力更强。