[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

说明书

本申请公开了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，所述方法分两个阶段针对以相同源图像进行训练。在第一阶段中，首先将获取的煤炭图像通过卷积神经网络获得第一特征图再通过第一分类器获得该第一特征图的分类结果，该第一分类器的分类标签数目对应于喷雾装置的控制档位，以获得该第一特征图在每个标签下的概率值。在第二阶段中，将煤炭图像通过该卷积神经网络获得第二特征图，再以第一阶段中获得概率值构成标签向量，计算所述标签向量与所述第二特征图的交叉熵损失函数值，且同时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，并通过该交叉熵损失函数值和该分类损失函数值来更新所述卷积神经网络。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及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、基于深度神经网络的喷雾控制方法、基于分类结果标签的用于喷雾控制的神经网络的训练系统、基于深度神经网络的喷雾控制系统和电子设备。

背景技术

煤矿生产过程中，由采煤工作面采出的煤炭主要是采用带式输送机运输到煤仓，以实现煤炭的高效运输。带式输送机在运煤时，往往会产生扬尘，扬尘不仅对井下现场作业环境及职工的身体健康产生很大的危害，而且也是诱发煤尘爆炸的重要因素之一。所以，针对带式输送机，通常使用喷雾装置来达到降低扬尘的效果。

目前，通常通过带式输送机的启停控制喷雾装置的开关，但是由于带式输送机运输的煤炭量并不恒定，如果始终以最大量开启喷雾装置，则容易造成水资源的浪费。

因此，期待一种优化的用于带式输送机的喷雾装置的控制方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为喷雾装置的控制提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了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、基于深度神经网络的喷雾控制方法、基于分类结果标签的用于喷雾控制的神经网络的训练系统、基于深度神经网络的喷雾控制系统和电子设备，其在以深度卷积神经网络提取煤炭图像中的特征以进行扬尘的严重程度的判定时，以所述煤炭图像中煤炭量作为辅助信息来提高对于扬尘严重程度的判定准确率，从而提高喷速装置的喷雾档位控制的准确率。

根据本申请的一个方面，提供了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。