[發(fā)明專利]一種基于ABC—BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811420385.1
• 申請日: 2018-11-26
• 公開（公告）號: CN109615615A
• 公開（公告）日: 2019-04-12
• 發(fā)明（設(shè)計(jì)）人: 王育堅(jiān);譚衛(wèi)雄;李深圳
• 申請（專利權(quán)）人: 北京聯(lián)合大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 北京馳納智財(cái)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11367
• 代理人: 謝亮

1.一種基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，包括提取路面裂縫圖像的特征矢量，其特征在于，還包括以下步驟：

步驟1：使用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練測試樣本；

步驟2：采用所述測試樣本的預(yù)測值和真實(shí)值的交叉熵作為所述矢量特征的目標(biāo)函數(shù)，完成對所述路面裂縫圖像的識別。

2.如權(quán)利要求1所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化包括以下步驟：

步驟11：初始化N、limit、maxcycle和D，其中，N為采蜜蜂、觀察蜂和食物源，limit為最大解不變搜索次數(shù)，maxcycle為最大迭代次數(shù)，D為向量維數(shù)；

步驟12：隨機(jī)生成解；

步驟13：計(jì)算個(gè)體適應(yīng)度值；

步驟14：尋找新蜜源；

步驟15：判斷是否出現(xiàn)偵查蜂：

步驟16：n＝n+1，當(dāng)n≤maxcycle時(shí)，執(zhí)行步驟12；當(dāng)n＞maxcycle時(shí)，執(zhí)行步驟17，其中，n是當(dāng)前迭代次數(shù)；

步驟17：用獲取的最優(yōu)權(quán)值和閾值應(yīng)用在BP神經(jīng)網(wǎng)絡(luò)模型中，將裂縫圖像測試樣本進(jìn)行分類。

3.如權(quán)利要求2所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述向量維數(shù)D的計(jì)算公式為D＝(I+1)×H+(H+1)×O，其中，I為輸入層的神經(jīng)元個(gè)數(shù)，H為隱藏層的神經(jīng)元個(gè)數(shù)，O為輸出層的神經(jīng)元個(gè)數(shù)。

4.如權(quán)利要求2所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述步驟12為設(shè)置所有蜜蜂都為偵查蜂模式，按照下面的公式來搜索隨機(jī)產(chǎn)生蜜源，

其中，u_ij是當(dāng)前隨機(jī)產(chǎn)生蜜源的位置，x_bestij是第j維(變量)的全局最優(yōu)解，x_bestj是第j維(變量)的全局最優(yōu)解，γ_ij∈(-1，1)是一個(gè)隨機(jī)數(shù)，x_kj是隨機(jī)選擇的不等于i的蜜源的第j維位置，β_ij是[0，1.5]的隨機(jī)數(shù)，x_ij是第i個(gè)蜜源的第j維位置，i∈(1，2，…，N)，j∈(1，2，…，D)，rand是[0，1]的隨機(jī)數(shù)，σ是自適應(yīng)因子。

5.如權(quán)利要求4所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述步驟13包括把所述步驟12產(chǎn)生的蜜源帶入到BP神經(jīng)網(wǎng)絡(luò)中，計(jì)算所述蜜源的交叉熵和個(gè)體適應(yīng)度值fit_i。

6.如權(quán)利要求2所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述步驟14包括采蜜蜂在蜜源附近搜索新蜜源，并計(jì)算其適應(yīng)度函數(shù)值，然后判斷搜索后的蜜源是否優(yōu)于前蜜源。

7.如權(quán)利要求6所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述判斷方法如下：

1)觀察蜂計(jì)算概率p_i，并以所述概率p_i尋找新蜜源并計(jì)算適應(yīng)度函數(shù)值；

2)如果優(yōu)于前蜜源，則替代前蜜源，并lim_i＝0；否則lim_i＝lim_i+1；其中，lim_i是當(dāng)前不變搜索次數(shù)。

8.如權(quán)利要求7所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述步驟15為當(dāng)某些蜜源經(jīng)過Limit次循環(huán)后還是不變，則放棄該蜜源，Limit是最大解不變搜索次數(shù)。

9.如權(quán)利要求7所述的基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別方法，其特征在于：所述步驟15為當(dāng)max(Lim_i)＞＝Limit時(shí)，相應(yīng)的采蜜蜂變成偵查蜂，并隨機(jī)產(chǎn)生新的解，Limit是最大解不變搜索次數(shù)。

10.一種基于ABC-BP神經(jīng)網(wǎng)絡(luò)的裂縫識別系統(tǒng)，包括用于提取路面裂縫圖像的特征矢量的信息提取模塊，其特征在于，還包括以下模塊：

樣本訓(xùn)練模塊：用于使用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練測試樣本；

圖像識別模塊：用于采用所述測試樣本的預(yù)測值和真實(shí)值的交叉熵作為所述矢量特征的目標(biāo)函數(shù)，完成對所述路面裂縫圖像的識別。