[发明专利]一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法

权利要求书

1.一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，其特征在于，包括以下步骤：

步骤1、在不同的环境下采集多组煤矸石的多光谱数据；

步骤2、计算所采集的煤矸石多光谱数据的每一个波段的方差，选择一个信息量最大的波段作为最佳波段，然后将所选的最佳波段的光谱数据转换为一个灰度图像；

步骤3、利用图像分割标注工具在每一张被转换的灰度图像中标注煤矸石的位置和形态，将标注的位置和形态数据保存为json文件；

步骤4、设计一个轻量的用于特征提取的主干网络改进基本的U-Net模型，然后构建基于改进的U-Net煤矸石识别和定位模型；

步骤5、把json中的位置和形态数据转换为改进后的U-Net所用数据形式，然后将波段选择后的数据按4:1划分为训练数据集和验证数据集；

步骤6、把训练数据集和验证数据集中的最佳波段的光谱数据归一化，然后联合格式转换后的标注数据训练改进后的U-Net模型；

步骤7、保存U-Net训练过程中的最佳模型的权重，然后把保存的最佳模型用于煤矸石识别和定位。

2.根据权利要求1所述的一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，其特征在于，步骤2中所述的方差分析的计算如下：

公式(1)中，H和W是每个多光谱每个波段的光谱图的高和宽，X_h,w是第w行和第h列的光谱强度，是每个波段光谱数据的平均值，公式(2)是的计算原理，并且公式(2)中的变量与公式(1)中的变量相同；

信息量最大的波段的选择机制是选择标准差最大的波段，将所选的波段的光谱数据按公式(3)转换为灰度图像：

公式(3)中，x和x_max是所选波段光谱数据值和最大值，x_img转换的灰度图像的像素值，uint8是将数据转换为无符号8位整型。

3.根据权利要求1所述的一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，其特征在于，步骤4中所述U-Net改进和轻量的用于特征提取的网络的设计包括如下：

4.1、改进U-Net模型的输入图像的分辨率为H′×W′×1，其中，H′和W′可以是每多光谱每个波段的光谱图的高H和宽W，也可以由用户自行设定；

4.2、轻量特征提取网络采用残差连接(Residual)和跨阶段部分连接(Cross StagePartial-connection,CSP)；

4.3、轻量特征提取网络的卷积操作后均连接一个批归一化层，批归一化的机制如式所示：

公式(4)、(5)和(6)中，x为待批归一化数据，μ和σ分别是均值和标准差，ε为无穷小变量，γ和β待学习参数，为批归一化后的变量；

4.4、批归一化层后均进行一次Mish非线性映射，以学习复杂特征，Mish非线性映射的函数如式所示：

f(x)＝x·tanh[ln(1+e^x)] (7)

公式(7)中ln为以e为底的对数，x为输入变量，f(x)为x的非线性变换；

4.5、将改进U-Net模型的最后一层网络的输出指数归一化，指数归一化的公式如下：

公式(8)中的x′_i是输入x_i的指数归一化后的输出，K是变量x的长度，e是自然数。

4.根据权利要求1所述的一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，其特征在于，步骤6中所述光谱数据归一化方式如下式所示：

公式(8)中，x_max为所选波段的光谱最大强度，为归一化后的光谱数据；

为使改进后的U-Net能稳定和快速的被训练，采用三种学习率训练，先使用小的学习率预训练，随后增大学习率训练一段时间，最后在使用小的学习率训练一段时间。

5.根据权利要求1所述的一种基于多光谱波段筛选和改进U-Net的煤矸石定位方法，其特征在于，步骤7中所述的最佳模型保存是在U-Net训练时监视验证集的损失，每次验证损失降低保存模型权重；训练结束后，把采集的全部光谱数据用于测试所保存的模型权重，煤矸石平均精度最小的权重作为最佳模型。