[发明专利]基于分类结果标签的用于喷雾控制的神经网络的训练方法

权利要求书

1.一种基于分类结果标签的用于喷雾控制的神经网络的训练方法，其特征在于，包括：

第一阶段，包括：

获取带式输送机运输的煤炭的图像，所述煤炭图像中包含煤炭对象和扬尘对象；

将所述煤炭图像通过第一卷积神经网络以获得第一特征图；以及

将所述第一特征图通过第一分类器以获得所述第一特征图分别归属于所述分类器的多个分类标签的多个概率值，所述第一分类器的分类标签数目对应于所述带式输送机的喷速装置的控制档位数；以及

第二阶段，包括：

将所述煤炭图像通过第二卷积神经网络以获得第二特征图；

计算所述第二特征图与由所述多个概念值构成的标签向量之间的交叉熵损失函数值；

将所述第二特征图通过第二分类器以获得分类损失函数值；以及

基于所述交叉熵损失函数值和所述分类损失函数值，更新所述第二卷积神经网络和所述第二分类器的参数。

2.根据权利要求1所述的基于分类结果标签的用于喷雾控制的神经网络的训练方法，其中，将所述第一特征图通过第一分类器以获得所述第一特征图分别归属于所述分类器的多个分类标签的多个概率值，包括：

将所述第一特征图通过一个或多个全连接层，以获得第一分类特征向量；

将所述第一分类特征向量输入Softmax分类函数，以获得所述第一特征图分别归属于所述分类器的多个分类标签的多个概率值。

3.根据权利要求1所述的基于分类结果标签的用于喷雾控制的神经网络的训练方法，其中，将所述第二特征图通过第二分类器以获得分类损失函数值，包括：

将所述第二特征图通过编码器进行编码，以获得第二分类特征向量，所述编码器包括一个或多个全连接层；

将所述第二分类特征向量输入Softmax分类函数，以获得分类结果；及

将所述分类结果与真实值之间的差值输入损失函数，以获得所述分类损失函数值。

4.根据权利要求1所述的基于分类结果标签的用于喷雾控制的神经网络的训练方法，其中，基于所述交叉熵损失函数值和所述分类损失函数值，更新所述第二卷积神经网络和所述第二分类器的参数，包括：在每一轮迭代中，

基于所述交叉熵损失函数值和所述分类损失函数值的加权和，更新所述第二卷积神经网络的参数；以及

基于所述分类损失函数值，更新所述第二分类器的参数。

5.根据权利要求4所述的基于分类结果标签的用于喷雾控制的神经网络的训练方法，其中，所述第二卷积神经网络为深度残差网络。

6.一种基于深度神经网络的喷雾控制方法，其特征在于，包括：

获取带式输送机运输的煤炭的图像；以及

将所述煤炭图像输入根据如权利要求1至5任一所述的基于分类结果标签的用于喷雾控制的神经网络的训练方法所训练的第二卷积神经网络和第二分类器，以获得分类结果，所述分类结果用于表示喷速装置的控制档位。