基于深度残差网络和近红外光谱的煤矸石分选方法

本发明涉及煤矸石分选技术领域，尤其涉及一种基于深度残差网络和近红外光谱的煤矸石分选方法，包括以下步骤：S1、构建煤矸石光谱数据集X；S2、剔除步骤S1中光谱数据的异常值；S3、构建第一深度残差网络模型M1；S4、训练步骤S3中的第一深度残差网络模型M1；S5、测试步骤S4中的第二深度残差网络模型M2；S6、分析步骤S5中的预测结果。本发明通过采集煤矸石的光谱信息并构建深度残差网络，分析煤和矸石的光谱特性，实现了煤和矸石的智能分选识别，该方式通过强大的特征提取能力和鲁棒性，能够抑制噪声干扰，从而能够提高煤矸石光谱数据的准确性以及可靠性，进而能够降低煤矸石分选识别的作业强度并能够提高煤矸石分选识别的效率和精度。