[發明專利]基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法

在審

• 申請號: 202011521389.6
• 申請日: 2020-12-21
• 公開（公告）號: CN112508041A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 劉春雨
• 申請（專利權）人: 蘇州銳希信息技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開了一種基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，所述方法分兩個階段針對以相同源圖像進行訓練。在第一階段中，首先將獲取的煤炭圖像通過卷積神經網絡獲得第一特征圖再通過第一分類器獲得該第一特征圖的分類結果，該第一分類器的分類標簽數目對應于噴霧裝置的控制檔位，以獲得該第一特征圖在每個標簽下的概率值。在第二階段中，將煤炭圖像通過該卷積神經網絡獲得第二特征圖，再以第一階段中獲得概率值構成標簽向量，計算所述標簽向量與所述第二特征圖的交叉熵損失函數值，且同時將所述第二特征圖通過第二分類器以獲得分類損失函數值，并通過該交叉熵損失函數值和該分類損失函數值來更新所述卷積神經網絡。

技術領域

本申請涉及人工智能技術領域，且更為具體地，涉及一種基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法、基于深度神經網絡的噴霧控制方法、基于分類結果標簽的用于噴霧控制的神經網絡的訓練系統、基于深度神經網絡的噴霧控制系統和電子設備。

背景技術

煤礦生產過程中，由采煤工作面采出的煤炭主要是采用帶式輸送機運輸到煤倉，以實現煤炭的高效運輸。帶式輸送機在運煤時，往往會產生揚塵，揚塵不僅對井下現場作業環境及職工的身體健康產生很大的危害，而且也是誘發煤塵爆炸的重要因素之一。所以，針對帶式輸送機，通常使用噴霧裝置來達到降低揚塵的效果。

目前，通常通過帶式輸送機的啟停控制噴霧裝置的開關，但是由于帶式輸送機運輸的煤炭量并不恒定，如果始終以最大量開啟噴霧裝置，則容易造成水資源的浪費。

因此，期待一種優化的用于帶式輸送機的噴霧裝置的控制方案。

目前，深度學習以及神經網絡已經廣泛應用于計算機視覺、自然語言處理、文本信號處理等領域。此外，深度學習以及神經網絡在圖像分類、物體檢測、語義分割、文本翻譯等領域，也展現出了接近甚至超越人類的水平。

近年來，深度學習以及神經網絡的發展為噴霧裝置的控制提供了新的解決思路和方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法、基于深度神經網絡的噴霧控制方法、基于分類結果標簽的用于噴霧控制的神經網絡的訓練系統、基于深度神經網絡的噴霧控制系統和電子設備，其在以深度卷積神經網絡提取煤炭圖像中的特征以進行揚塵的嚴重程度的判定時，以所述煤炭圖像中煤炭量作為輔助信息來提高對于揚塵嚴重程度的判定準確率，從而提高噴速裝置的噴霧檔位控制的準確率。

根據本申請的一個方面，提供了一種基于分類結果標簽的用于噴霧控制的神經網絡的訓練方法，其包括：

第一階段，包括：

獲取帶式輸送機運輸的煤炭的圖像，所述煤炭圖像中包含煤炭對象和揚塵對象；

將所述煤炭圖像通過第一卷積神經網絡以獲得第一特征圖；以及

將所述第一特征圖通過第一分類器以獲得所述第一特征圖分別歸屬于所述分類器的多個分類標簽的多個概率值，所述第一分類器的分類標簽數目對應于所述帶式輸送機的噴速裝置的控制檔位數；以及

第二階段，包括：

將所述煤炭圖像通過第二卷積神經網絡以獲得第二特征圖；

計算所述第二特征圖與由所述多個概念值構成的標簽向量之間的交叉熵損失函數值；

將所述第二特征圖通過第二分類器以獲得分類損失函數值；以及

基于所述交叉熵損失函數值和所述分類損失函數值，更新所述第二卷積神經網絡和所述第二分類器的參數。