[發(fā)明專利]一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法

在審

• 申請?zhí)枺?/td>: 202011409744.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112508001A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設計）人: 來文豪;周孟然;胡鋒;卞凱;朱梓偉;王錦國;孔茜茜
• 申請（專利權(quán)）人: 安徽理工大學
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法，其特征在于，包括以下步驟：

步驟1、在不同的環(huán)境下采集多組煤矸石的多光譜數(shù)據(jù)；

步驟2、計算所采集的煤矸石多光譜數(shù)據(jù)的每一個波段的方差，選擇一個信息量最大的波段作為最佳波段，然后將所選的最佳波段的光譜數(shù)據(jù)轉(zhuǎn)換為一個灰度圖像；

步驟3、利用圖像分割標注工具在每一張被轉(zhuǎn)換的灰度圖像中標注煤矸石的位置和形態(tài)，將標注的位置和形態(tài)數(shù)據(jù)保存為json文件；

步驟4、設計一個輕量的用于特征提取的主干網(wǎng)絡改進基本的U-Net模型，然后構(gòu)建基于改進的U-Net煤矸石識別和定位模型；

步驟5、把json中的位置和形態(tài)數(shù)據(jù)轉(zhuǎn)換為改進后的U-Net所用數(shù)據(jù)形式，然后將波段選擇后的數(shù)據(jù)按4:1劃分為訓練數(shù)據(jù)集和驗證數(shù)據(jù)集；

步驟6、把訓練數(shù)據(jù)集和驗證數(shù)據(jù)集中的最佳波段的光譜數(shù)據(jù)歸一化，然后聯(lián)合格式轉(zhuǎn)換后的標注數(shù)據(jù)訓練改進后的U-Net模型；

步驟7、保存U-Net訓練過程中的最佳模型的權(quán)重，然后把保存的最佳模型用于煤矸石識別和定位。

2.根據(jù)權(quán)利要求1所述的一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法，其特征在于，步驟2中所述的方差分析的計算如下：

公式(1)中，H和W是每個多光譜每個波段的光譜圖的高和寬，X_h,w是第w行和第h列的光譜強度，是每個波段光譜數(shù)據(jù)的平均值，公式(2)是的計算原理，并且公式(2)中的變量與公式(1)中的變量相同；

信息量最大的波段的選擇機制是選擇標準差最大的波段，將所選的波段的光譜數(shù)據(jù)按公式(3)轉(zhuǎn)換為灰度圖像：

公式(3)中，x和x_max是所選波段光譜數(shù)據(jù)值和最大值，x_img轉(zhuǎn)換的灰度圖像的像素值，uint8是將數(shù)據(jù)轉(zhuǎn)換為無符號8位整型。

3.根據(jù)權(quán)利要求1所述的一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法，其特征在于，步驟4中所述U-Net改進和輕量的用于特征提取的網(wǎng)絡的設計包括如下：

4.1、改進U-Net模型的輸入圖像的分辨率為H′×W′×1，其中，H′和W′可以是每多光譜每個波段的光譜圖的高H和寬W，也可以由用戶自行設定；

4.2、輕量特征提取網(wǎng)絡采用殘差連接(Residual)和跨階段部分連接(Cross StagePartial-connection,CSP)；

4.3、輕量特征提取網(wǎng)絡的卷積操作后均連接一個批歸一化層，批歸一化的機制如式所示：

公式(4)、(5)和(6)中，x為待批歸一化數(shù)據(jù)，μ和σ分別是均值和標準差，ε為無窮小變量，γ和β待學習參數(shù)，為批歸一化后的變量；

4.4、批歸一化層后均進行一次Mish非線性映射，以學習復雜特征，Mish非線性映射的函數(shù)如式所示：

f(x)＝x·tanh[ln(1+e^x)] (7)

公式(7)中l(wèi)n為以e為底的對數(shù)，x為輸入變量，f(x)為x的非線性變換；

4.5、將改進U-Net模型的最后一層網(wǎng)絡的輸出指數(shù)歸一化，指數(shù)歸一化的公式如下：

公式(8)中的x′_i是輸入x_i的指數(shù)歸一化后的輸出，K是變量x的長度，e是自然數(shù)。

4.根據(jù)權(quán)利要求1所述的一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法，其特征在于，步驟6中所述光譜數(shù)據(jù)歸一化方式如下式所示：

公式(8)中，x_max為所選波段的光譜最大強度，為歸一化后的光譜數(shù)據(jù)；

為使改進后的U-Net能穩(wěn)定和快速的被訓練，采用三種學習率訓練，先使用小的學習率預訓練，隨后增大學習率訓練一段時間，最后在使用小的學習率訓練一段時間。

5.根據(jù)權(quán)利要求1所述的一種基于多光譜波段篩選和改進U-Net的煤矸石定位方法，其特征在于，步驟7中所述的最佳模型保存是在U-Net訓練時監(jiān)視驗證集的損失，每次驗證損失降低保存模型權(quán)重；訓練結(jié)束后，把采集的全部光譜數(shù)據(jù)用于測試所保存的模型權(quán)重，煤矸石平均精度最小的權(quán)重作為最佳模型。