[发明专利]一种基于CNN+SVM的压力气泡图像识别算法

权利要求书

1.一种基于CNN+SVM的压力气泡图像识别算法，其特征在于，包括如下步骤：

步骤1，读取高精度数值模拟出结果的气泡压力图像，而后进行灰度处理与数据增强，构建气泡压力图像数据集；

步骤2，构建卷积神经网络CNN，将所述气泡压力图像数据集带入，进行训练，并保存训练好的CNN模型；

步骤3，将模拟出需要进行识别的气泡压力图像数据带入训练好的所述CNN模型，得到该CNN模型提取的特征向量；

步骤4，提取所述气泡压力图像的特征，所述气泡压力图像的所述特征包括：气泡边缘的长和宽、气泡面积、气泡形状以及流场中气泡的压力；

步骤5，将步骤3提取到的所述特征向量和步骤4提取到的所述特征进行融合，并进行归一化，得到所述气泡压力图像的特征数据集，并按照80%、20%的比例制作训练集和测试集；

步骤6，将所述训练集的特征数据送入到SVM进行训练，得到SVM模型；

步骤7，将所述测试集的特征数据送入到训练好的所述SVM模型中，进行预测，得到预测结果。

2.根据权利要求1所述的基于CNN+SVM的压力气泡图像识别算法，其特征在于：

其中，所述步骤1中的所述高精度数值模拟采用大涡模拟LES。

3.根据权利要求1所述的基于CNN+SVM的压力气泡图像识别算法，其特征在于：

其中，所述步骤1中的数据增强具体操作如下：

将图片进行镜面翻转，分别在90度、180度、270度的角度下进行翻转，增加样本量。

4.根据权利要求1所述的基于CNN+SVM的压力气泡图像识别算法，其特征在于：

其中，所述步骤2中的所述卷积神经网络CNN的模型结构包含4个交替的卷积层和池化层、1个全连接层以及1个输出层，

第一个所述卷积层的过滤器大小为Conv(5*5*32)，第二个所述卷积层的过滤器大小为Conv (3*3*128)，第三个所述卷积层的过滤器大小为Conv(3*3*256)，第四个所述卷积层的过滤器大小为 Conv(3*3*512)，

4个所述池化层的过滤器均为Maxpool(2*2)，

所述全连接层输出1024维特征向量，

所述输出层采用softmax函数，并以交叉熵作为优化目标。