[发明专利]一种基于卷积神经网络的天然气集输站设备图像分类方法

摘要

本发明针对天然气集输站工艺流程复杂，设备繁多，某些设备相似度较高的问题，传统的分类模型难以有效的对其进行区分，识别的难度非常大。提出一种基于卷积神经网络的天然气集输站设备图像分类方法，以解决天然气集输站关键设备的识别问题。一种基于卷积神经网络的天然气集输站设备图像分类方法，基于天然气集输站的监控视频，设计集输站设备的深度神经网络模型，所述模型包括输入层、卷积层、池化层、全连接层和输出层。

主权项

1.一种基于卷积神经网络的天然气集输站设备图像分类方法，其特征在于，基于天然气集输站的监控视频，设计集输站设备的深度神经网络模型，所述模型包括输入层、卷积层、池化层、全连接层和输出层；步骤1输入层对天然气集输站的监控视频进行图像数据采集，将图像数据总样本数的一部分用于模型训练，其余部分用于模型的测试，输入层读取图像数据信息，并将图像数据信息进行图像处理，得到多维矩阵；步骤2卷积层‑池化层卷积层使用卷积核对传入的多维矩阵进行卷积运算，卷积层中输出的新的像素点由以下公式计算得出：其中，f(·)代表激活函数，代表上一层特征图像的某个像素值，代表卷积核，*代表卷积运算；考虑到本层输出可以与上一层多个特征图像关联，表示参与运算的上一层的特征图像的子集；代表偏置项，上标l表示第l层，采用最大池化法，取卷积运算后领域内的最大值，池化操作每个神经元对应卷积中的每一个位置，其公式为：其中，u(n,1)是卷积操作的一个窗函数，aj对应图像区域的最大值；步骤3全连接层和输出层全连接层将池化操作后的具有最大特征的二维数据变为一维数据，从而进入输出层进行分类处理。