[发明专利]一种基于图像识别的火焰稳定性监测方法

摘要

本发明公开了一种基于图像识别的火焰稳定性监测方法，包括以下步骤：采集不同燃烧工况下的火焰图像，经过图像预处理后分为训练集与验证集；在训练集中加入高斯白噪声，训练自编码网络；利用已训练的自编码网络提取验证集图像的深层特征，并重建验证集图像；采用高斯混合模型对提取的深层特征进行两分类，得到两个簇；识别得到的两个簇的稳定性类别，得到定性标签，再利用新提出的燃烧稳定性指标得到定量标签；将深层特征加上定性及定量标签，并利用其来训练高斯过程分类模型与高斯过程回归模型，确定最佳模型参数。本发明所建立的燃烧稳定性检测模型，能够定性及定量地识别单张火焰图像的稳定性，无需标签数据，具有良好的实用性。

主权项

1.一种基于图像识别的火焰稳定性监测方法，其特征在于，包括以下步骤：步骤1、采集不同燃烧工况下的火焰图像，经过图像预处理后分为训练集与验证集；步骤2、在训练集中加入高斯白噪声，训练自编码网络；自编码网络包含两级子网络；在第一级子网络中，将平均结构相似度作为损失项引入到损失函数中，得到改进的损失函数L′₁，通过对比不同训练次数下的重建精度Q，确定最优训练次数；L′₁＝L_SPT+L_MSE+L_PSNR+L_MSSIM式中，L_SPT表示稀疏惩罚项，L_MSE表示均方误差，L_PSNR表示峰值信噪比，L_MSSIM表示平均结构相似度；重建精度Q为：式中，x_ij与x_rec，ij分别表示O×P尺寸的输入图像与重建图像中第(i，j)位置的像素强度；第二级子网络采用损失函数L₂，L₂表达为：L₂＝L_SPT+L_MSE式中，L_SPT表示稀疏惩罚项，L_MSE表示均方误差；步骤3、利用已训练的自编码网络提取验证集图像的深层特征，并重建验证集图像，其中，由深层特征所生成的重建图像，去除了原始图像中所包含的噪声；步骤4、采用高斯混合模型对提取的深层特征进行两分类，得到两个簇；步骤5、对重建的验证集图像进行统计学分析，识别步骤4得到的两个簇的稳定性类别；步骤6、定义用于验证集单张图像稳定性程度的燃烧稳定性指标e，得到定量标签；稳定性指标e的数值范围为[0，1]，表达为：式中，x^d表示D维深层特征向量的d位置特征值，表示稳定聚类中心向量的d位置特征值，表示不稳定聚类中心向量的d位置特征值；其中，聚类中心是深层特征向量在各个维度上的平均；步骤7、将深层特征加上定性标签训练高斯过程分类模型，将深层特征加上定量标签训练高斯过程回归模型；步骤8、通过已训练的分类模型和回归模型，对实时获取的火焰图像进行燃烧稳定性识别。