[發明專利]一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法

在審

• 申請號: 201910937130.0
• 申請日: 2019-09-29
• 公開（公告）號: CN111222529A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 楊志科;蔣秋明
• 申請（專利權）人: 上海上實龍創智慧能源科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06N3/04;G06N3/08
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 宣慧蘭

1.一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，該方法包括以下步驟：

步驟S1：獲得曝氣池的圖片；

步驟S2：基于圖片，獲得擴充的樣本；

步驟S3：基于樣本和openCV庫，得到統一尺寸樣本；

步驟S4：基于統一尺寸樣本，得到訓練集和測試集；

步驟S5：基于訓練集、測試集、GoogLeNet和SVM，構建污水曝氣池泡沫識別模型；

步驟S6：基于污水曝氣池泡沫識別模型，進行污水曝氣池泡沫識別。

2.根據權利要求1所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的步驟S2中的擴充過程包括將圖片進行翻轉、向圖片加入椒鹽噪聲、將圖片進行分割和向圖片添加光照。

3.根據權利要求1所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的步驟S4對統一尺寸樣本進行零均值化，得到訓練集和測試集。

4.根據權利要求1所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的步驟S5污水曝氣池泡沫識別模型的構建過程包括：

步驟S51：基于GoogLeNet框架和SVM框架，得到初始模型；

步驟S52：基于初始模型和訓練集，利用優化算法訓練得到初始污水曝氣池泡沫識別模型；

步驟S53：利用測試集對初始污水曝氣池泡沫識別模型進行測試，若測試結果符合設定，則得到污水曝氣池泡沫識別模型；若測試結果不符合設定，則改變GoogLeNet框架和SVM框架的參數，執行步驟S51。

5.根據權利要求4所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的優化算法為反向傳播算法。

6.根據權利要求1所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的GoogLeNet包括六層結構，第一層結構、第二層結構和第六層結構為單層結構，第三層結構和低五層結構各包括兩個子層結構，所述的第四層結構包括五個子層結構，將所述的第四層結構的第二子層結構的輸出特征、第四層結構的第五子層結構的輸出特征以及第六層結構的輸出特征進行分類。

7.根據權利要求6所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的第四層結構的第二子層結構的輸出特征、第四層結構的第五子層結構的輸出特征以及第六層結構的輸出特征的權重依次為0.3、0.5和1.0。

8.根據權利要求6所述的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，其特征在于，所述的第四層結構的第二子層結構的輸出特征和第四層結構的第五子層結構的輸出特征通過softmaxActivation進行分類，所述的第六層結構的輸出特征通過SVM進行分類。