[發明專利]用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法

在審

• 申請號: 202110024413.3
• 申請日: 2021-01-08
• 公開（公告）號: CN112733710A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 鄒可可
• 申請（專利權）人: 徐州展皎信息技術服務有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開了一種用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法，其包括：獲取訓練圖像，所述訓練圖像為待澆灌區域的圖像；將所述訓練圖像通過編碼器以獲得訓練特征向量，其中，所述編碼器包括深度卷積神經網絡；計算所述訓練特征向量的正交化損失函數值，所述正交化損失函數值為所述訓練特征向量與所述訓練特征向量的轉置的乘積與單位矩陣之間的均方差；將所述訓練特征向量通過解碼器以獲得解碼值，所述解碼器包括多個全連接層，所述解碼器中的最后一個全連接層的輸出位為一；計算所述解碼值與真實值之間的差值損失函數值；以及，基于所述差值損失函數值和所述正交化損失函數值，更新所述編碼器和所述解碼器的參數。

技術領域

本發明涉及深度學習和神經網絡技術領域，且更為具體地，涉及一種用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法、基于深度神經網絡的灌溉水壓控制方法、用于灌溉裝置的灌溉水壓控制的神經網絡的訓練系統、基于深度神經網絡的灌溉水壓控制系統和電子設備。

背景技術

水在人類的生產和生活是必不可少的寶貴資源，但其自然存在的狀態并不完全符合人類的需要。通過修建水利工程，可以控制水流，防止洪澇災害，并進行水量的調節和分配，以滿足人民生活和生產對水資源的需要。

在農業應用方面，水利工程用灌溉裝置用于對作物進行灌溉作業，但是，當前的水利工程用灌溉裝置不能很好地適應多地形進行灌溉作業，且對具有一定高度的作物進行灌溉時，也容易出現水壓控制不當的問題。如果水壓不足，則會導致灌溉范圍變小，水資源利用不充分，而如果水壓過大，也會造成水資源的浪費和效率下降。

因此，期待一種用于灌溉裝置的灌溉水壓控制的技術方案。

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。

深度學習以及神經網絡的發展為灌溉裝置的灌溉水壓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用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法、基于深度神經網絡的灌溉水壓控制方法、用于灌溉裝置的灌溉水壓控制的神經網絡的訓練系統、基于深度神經網絡的灌溉水壓控制系統和電子設備，其基于深度學習的計算機視覺的方法來進行灌溉裝置的灌溉水壓的控制。具體地，在對用于灌溉裝置的灌溉水壓控制的神經網絡的訓練過程中，為了盡可能地去除特征向量中的無用信息，在對編碼器進行訓練時，通過構造正交化損失函數來對編碼器的參數進行更新，進而增加模型的準確性。

根據本申請的一個方面，提供了一種用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法，其包括：

獲取訓練圖像，所述訓練圖像為待澆灌區域的圖像；

將所述訓練圖像通過編碼器以獲得訓練特征向量，其中，所述編碼器包括深度卷積神經網絡，所述深度卷積神經網絡的最后一層為全連接層，所述訓練特征向量由所述全連接層輸出；

計算所述訓練特征向量的正交化損失函數值，所述正交化損失函數值為所述訓練特征向量與所述訓練特征向量的轉置的乘積與單位矩陣之間的均方差；

將所述訓練特征向量通過解碼器以獲得解碼值，所述解碼器包括多個全連接層，所述解碼器中的最后一個全連接層的輸出位為一；

計算所述解碼值與真實值之間的差值損失函數值；以及

基于所述差值損失函數值和所述正交化損失函數值，更新所述編碼器和所述解碼器的參數。

在上述用于灌溉裝置的灌溉水壓控制的神經網絡的訓練方法中，將所述訓練圖像通過編碼器以獲得訓練特征向量，包括：將所述訓練圖像通過所述深度卷積神經網絡中的多層卷積層、多層池化層和多層激活層以獲得卷積特征圖；以及，將所述卷積特征圖通過所述深度卷積神經網絡中的所述全連接層，以獲得所述訓練特征向量。