[發明專利]基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法

有效

• 申請號: 202110381702.9
• 申請日: 2021-04-09
• 公開（公告）號: CN113077002B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 張文理;孫要偉;鄭晶月;劉兆瑜;王毅;陳宇;梁坤;趙貞貞;王恒
• 申請（專利權）人: 鄭州航空工業管理學院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/30;G06V10/40;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 路寧

1.一種基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，其特征在于，包括如下步驟：

S1，通過氣敏傳感器獲取氣體分類數據信息，采集氣體分類的圖像數據，對圖像數據進行灰度處理和降噪過程；

S2，根據圖像數據進行卷積化處理，定義氣體分類圖像的目標函數；根據目標函數對圖像誤差進行卷積神經網絡期望值計算，所述S2具體包括如下步驟：

S2-1，在降噪完成后，設定圖像的尺度參數提取進行卷積輸出處理的氣體分類圖像，

卷積的輸出為其中，r()為非線性函數，氣體分類圖像i的灰度圖像的像素集合總數為I，為卷積輸出的氣體分類圖像的權值，為卷積輸入的氣體分類圖像特征向量；

S2-2，通過卷積神經網絡訓練形成目標函數：

為預測輸出的圖像樣本，d為實際輸出的圖像樣本，為氣體分類圖像損失函數，為第i個氣體分類圖像預測輸出標簽，l(dⁱ)為第i個氣體分類圖像實際輸出標簽；

S2-3，對需要識別的氣體分類圖像通過目標函數運算后，根據卷積神經網絡輸出的結果，判斷期望值的相符程度進行反向傳播，求出氣體分類圖像結果與期望值的誤差，再進行權值更新；通過訓練樣本和期望值來調整獲取氣體分類圖像；

期望值計算為G_h為第h種正常氣體分類圖像數據經過神經網絡運算后的輸出值，G_k為k種異常氣體分類圖像數據經過神經網絡運算后的輸出值，ω為特征調節值；

S3，對卷積神經網絡期望值進行訓練，不斷優化氣體分類圖像權值參數，對氣體分類篩選形成集成分類器。

2.根據權利要求1所述的基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，其特征在于，所述S1包括：

S1-1，收集氣體數據后，對氣體進行分類操作，劃分不同顏色種類的氣體圖像，對圖像的L、a和b通道圖像I_L(n)，I_a(n)和I_b(n)；

計算

其中I_L(n)，I_a(n)和I_b(n)分別表示通道L、a和b的圖像；I_i(n)表示灰度圖像；獲取氣體分類篩選特征描述直方圖M_feature＝N(I_i(n))，N()為任一氣體分類中用于灰度圖像I_i(n)的篩選特征。

3.根據權利要求2所述的基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，其特征在于，所述S1還包括：

S1-2，通過設定灰度圖像I_i(n)中的高斯白噪聲p＝{p(i)·λ(i)|i∈I}，任一氣體分類圖像i中帶噪聲的灰度估計值p(i)乘以濾波參數λ(i)，獲得圖像的加權平均值為δ(i,j)為圖像灰度處理的權值，I為灰度圖像的像素集合，j為噪聲氣體分類圖像；

在灰度圖像中去噪過程由于氣體分類篩選特征分布不同，異常氣體具有特征相似度，對圖像灰度處理的權值δ(i,j)加入特征因子和紋理因子，對異常氣體相似度進行重新度量，完成降噪過程，

其中，δ₁(i,j)為圖像灰度處理的特征因子，δ₂(i,j)為圖像灰度處理的紋理因子，在氣體分類圖像i中的圖像特征P_i和噪聲氣體分類圖像j中的圖像特征P_j絕對差值的平方，e的取值為噪聲氣體圖像相似度數量。

4.根據權利要求1所述的基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，其特征在于，所述S3包括：

S3-1，經過期望值的訓練之后，對氣體分類圖像權值參數進行優化，

優化計算為

D_x,y為氣體分類圖像提取特征驗證值，x為提取特征的方向，y為提取特征的尺度，·為范數計算，h_x,y為x方向y尺度的特征發現頻率，t為氣體圖像位置坐標；

S3-2，經過優化計算之后，形成分類器

U＝U_in·K·σ

其中，U_in為輸入的氣體分類圖像的特征認證集合，K為選用的分類認證參數。