[发明专利]用于确定脱硫石膏的加料量是否适当的神经网络训练方法

权利要求书

1.一种用于确定脱硫石膏的加料量是否适当的神经网络训练方法，其特征在于，包括：

获得训练图像和参考图像，所述训练图像为未经过搅拌均匀的加料后图像，所述参考图像为已经搅拌均匀的加料后图像；

将所述训练图像通过第一卷积神经网络以获得训练特征图；

将所述参考图像通过第二卷积神经网络以获得参考特征图，所述第二卷积神经网络与所述第一卷积神经网络具有相同的网络结构；

计算所述训练特征图与所述参考特征图之间的余弦距离与一的差值，以获得所述训练特征图与所述参考特征图之间的不相似性系数；

以所述不相似性系数乘以所述训练特征图，以获得分类特征图；

将所述分类特征图通过分类器，以获得分类损失函数值；以及

基于所述分类损失函数值，更新所述第一卷积神经网络的参数。

2.根据权利要求1所述的用于确定脱硫石膏的加料量是否适当的神经网络训练方法，其中，计算所述训练特征图与所述参考特征图之间的余弦距离与一的差值，以获得所述训练特征图与所述参考特征图之间的不相似性系数，包括：

以第一池化层对所述训练特征图进行全局平均值池化处理，以获得训练特征向量；

以第二池化层对所述参考特征图进行全局平均值池化处理，以获得参考特征向量；以及

计算所述训练特征向量与所述参考特征向量之间余弦距离与1的差值，以获得所述不相似性系数。

3.根据权利要求1所述的用于确定脱硫石膏的加料量是否适当的神经网络训练方法，其中，将所述分类特征图通过分类器，以获得分类损失函数值，包括：

将所述分类特征图通过编码器以获得分类特征向量，所述编码器包括一个或多个全连接层；

将所述分类特征向量输入Softmax分类函数，以获得分类结果；以及

将所述分类结果与真实值输入损失函数，以获得所述分类损失函数值。

4.根据权利要求1所述的用于确定脱硫石膏的加料量是否适当的神经网络训练方法，其中，所述第一卷积神经网络为深度残差网络。

5.根据权利要求1所述的用于确定脱硫石膏的加料量是否适当的神经网络训练方法，其中，基于所述分类损失函数值，更新所述第一卷积神经网络的参数，包括：

以预设步长减小所述分类损失函数值，并通过梯度下降的反向传播来更新所述第一卷积神经网络和所述分类器的参数。

6.一种基于深度神经网络的脱硫石膏的加料量检测方法，其特征在于，包括：

获取待检测的加料后图像；

将所述图像输入根据如权利要求1到5中任意一项所述的用于确定脱硫石膏的加料量是否适当的神经网络训练方法所训练的深度神经网络和分类器，所述分类器的输出为表示所述脱硫石膏的加料量适当的第一概率和所述脱硫石膏的加料量不适当的第二概率；以及

基于所述第一概率和所述第二概率确定所述脱硫石膏的加料量是否适当。