一种识别弓网受流燃弧大小的方法
专利汇可以提供一种识别弓网受流燃弧大小的方法专利检索，专利查询，专利分析的服务。并且本 发明 提出一种识别弓网受流燃弧大小的方法，其步骤包括：获取数据集图片，并将数据集图片生成训练集和测试集；建立燃弧模型，燃弧模型为 卷积神经网络 模型；利用训练集图片对燃弧模型进行训练，调整和优化模型参数，得到优化的燃弧模型；利用优化的燃弧模型对测试集的图片进行识别。本发明提出的方法采用燃弧模型对弓网受流燃弧图片进行分类，判断燃弧大小，相较于现有的方法，可大大的减少训练时参数量和计算量，节省了资源和时间的消耗，同时通过网络的加深也能保证较高的正确率，使得对弓网受流燃弧大小进行自动识别得以实现并能适应实际工业应用。，下面是一种识别弓网受流燃弧大小的方法专利的具体信息内容。
1.一种识别弓网受流燃弧大小的方法，其特征在于，包括如下步骤：
S1：获取数据集图片，在所述数据集图片中选取部分图片按照燃弧大小分为5类，将每张图片按照其分类打上标签，生成训练集，将所述数据集中剩余的图片作为测试集；
S2：建立燃弧模型，所述燃弧模型为卷积神经网络模型；
S3：利用所述训练集图片对所述燃弧模型进行训练，调整和优化模型参数，得到优化的燃弧模型；
S4：利用所述优化的燃弧模型对所述测试集的图片进行识别。
2.如权利要求1所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述S1步骤中所述数据集图片为车载接触网运行状态检测装置在列车运行途中拍取的弓网受流燃弧图片。
3.如权利要求1所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述S3步骤的利用所述训练集图片对所述燃弧模型进行训练，调整和优化所述模型参数，得到优化的燃弧模型具体为：训练过程中将所述训练集中的图片数据输入燃弧模型进行前向传播，得到当前模型的输出值，通过减小当前模型的输出值与训练集图片实际类别的损失值来对所述燃弧模型进行优化，进而调整燃弧模型中的参数，训练完毕得到优化的燃弧模型。
4.如权利要求1所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述S4步骤的利用所述优化的燃弧模型对所述测试集的图片进行识别具体为，在优化的燃弧模型中输入测试集图片，进行前向传播，利用训练好的模型参数得到分类结果，实现对弓网受流燃弧大小的识别。
5.如权利要求1所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述燃弧大小分为5类具体为：较小，小，中，较大，大。
6.如权利要求1所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述燃弧模型共有11个卷积层，3个池化层，2个局部响应归一化层，3个全连接层，其顺序依次为：第一卷积层（201）、第二卷积层（202）、第一局部响应归一化层（203）、第一池化层（204）、第三卷积层（205）、第四卷积层（206）、第二局部响应归一化层（207）、第二池化层（208）、第五卷积层（209）、第六卷积层（210）、第七卷积层（211）、第八卷积层（212）、第九卷积层（213）、第十卷积层（214）、第三池化层（215）、第一全连接层（216）、第二全连接层（217）、第三全连接层（218）。
7.如权利要求6所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述第一卷积层（201）使用的2个大小规格为7*7，步长为2的卷积核进行特征提取, 特征图单元数由输入图像规格的224*224*1转化为112*112*2；
所述第二卷积层（202）使用的2个大小规格为7*7，步长为2的卷积核进行特征提取, 特征图单元数由112*112*2转化为56*56*2；
所述第三卷积层（205）使用的4个大小规格为3*3，步长为1的卷积核进行特征提取, 特征图单元数由27*27*2转化为27*27*4；
所述第四卷积层（206）使用的8个大小规格为3*3，步长为1的卷积核进行特征提取, 特征图单元数由27*27*4转化为27*27*8；
所述第五卷积层（209）使用的16个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*8转化为13*13*16；
所述第六卷积层（210）使用的32个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*16转化为13*13*32；
所述第七卷积层（211）使用的32个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*32转化为13*13*32；
所述第八卷积层（212）使用的16个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*32转化为13*13*16；
所述第九卷积层（213）使用的8个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*16转化为13*13*8；
所述第十卷积层（214）使用的4个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*8转化为13*13*4。
8.如权利要求6所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述第一局部响应归一化层（203）、所述第二局部响应归一化层（207）均用于对局部神经元的活动创建竞争机制，使的其中响应比较大的值变得相对较大，并抑制其他反馈较小的神经元，增强模型的泛化能力。
9.如权利要求6所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述第一池化层（204）对输入的特征图进行压缩，特征图单元数由56*56*2转化为27*27*2；
所述第二池化层（208）对输入的特征图进行压缩，特征图单元数由27*27*8转化为13*
13*8；
所述第三池化层（215）对输入的特征图进行压缩，特征图单元数由13*13*4转化为6*6*
4。
10.如权利要求6所述的一种识别弓网受流燃弧大小的方法，其特征在于，所述第一全连接层（216）的输入特征图单元数为6*6*4，输出特征图单元数为64；
所述第二全连接层（217）的输入特征图单元数为64，输出特征图单元数为16；
所述第三全连接层（218）的输入特征图单元数为16，输出特征图单元数为5。
一种识别弓网受流燃弧大小的方法
技术领域
背景技术
发明内容
S2：建立燃弧模型，所述燃弧模型为卷积神经网络模型；
S3：利用所述训练集图片对所述燃弧模型进行训练，调整和优化模型参数，得到优化的燃弧模型；
S4：利用所述优化的燃弧模型对所述测试集的图片进行识别。
所述第三卷积层（205）使用的4个大小规格为3*3，步长为1的卷积核进行特征提取, 特征图单元数由27*27*2转化为27*27*4；
所述第四卷积层（206）使用的8个大小规格为3*3，步长为1的卷积核进行特征提取, 特征图单元数由27*27*4转化为27*27*8；
所述第五卷积层（209）使用的16个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*8转化为13*13*16；
所述第六卷积层（210）使用的32个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*16转化为13*13*32；
所述第七卷积层（211）使用的32个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*32转化为13*13*32；
所述第八卷积层（212）使用的16个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*32转化为13*13*16；
所述第九卷积层（213）使用的8个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*16转化为13*13*8；
所述第十卷积层（214）使用的4个大小规格为2*2，步长为1的卷积核进行特征提取, 特征图单元数由13*13*8转化为13*13*4；
优选地，所述第一局部响应归一化层（203）、所述第二局部响应归一化层（207）均用于对局部神经元的活动创建竞争机制，使的其中响应比较大的值变得相对较大，并抑制其他反馈较小的神经元，增强模型的泛化能力。
所述第二池化层（208）对输入的特征图进行压缩，特征图单元数由27*27*8转化为13*
13*8；
所述第三池化层（215）对输入的特征图进行压缩，特征图单元数由13*13*4转化为6*6*
4。
所述第三全连接层（218）的输入特征图单元数为16，输出特征图单元数为5。
具体实施方式
S2：建立燃弧模型，燃弧模型为卷积神经网络模型；
S3：利用训练集图片对燃弧模型进行训练，调整和优化模型参数，得到优化的燃弧模型；
S4：利用优化的燃弧模型对测试集的图片进行识别。
216、第二全连接层217、第三全连接层218。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种解析房产证照片内容的方法 | 2020-09-06 | 1 |
| 一种三维模具缺陷检测方法及装置 | 2020-12-11 | 0 |
| 基于深度学习的鱼类细粒度分类方法 | 2021-04-08 | 2 |
| 卷积神经网络压缩方法及人脸检测方法 | 2022-10-24 | 0 |
| 一种基于改进卷积神经网络的焊缝缺陷识别方法 | 2022-09-21 | 1 |
| 用于面部识别和视频分析以识别上下文视频流中的个人的装置和方法 | 2023-03-13 | 0 |
| 基于多标签分类的道路交通标志的识别方法 | 2021-06-20 | 1 |
| 一种面向智慧社区的多摄像机联动多目标追踪方法及系统 | 2020-09-04 | 0 |
| 基于卷积注意力的矩阵分解方法、装置及电子设备 | 2021-10-30 | 1 |
| 用於類神經網路計算的旋轉資料 | 2023-11-04 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
