[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

说明书

本申请涉及智慧制造领域下的智能操作控制，其具体地公开了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，其包括：获得训练图像和参考图像；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；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。

技术领域

本发明涉及智慧制造领域下的智能操作控制，且更为具体地，涉及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、基于深度神经网络的脱硫石膏的加料量检测方法、用于确定脱硫石膏的加料量是否适当神经网络训练系统、基于深度神经网络的脱硫石膏的加料量检测系统和电子设备。

背景技术

脱硫石膏又称排烟脱硫石膏、硫石膏或FGD石膏，其一般被制成含有脱硫石膏、有机肥、泥炭、腐殖酸等成分的盐碱地改良剂，以用于加速土壤中排盐速度，改善土质。目前，该含有脱硫石膏、有机肥、泥炭、腐殖酸等成分的盐碱地改良剂由上述按照配比的脱硫石膏及辅料与水混合后搅拌制成。但是，在将脱硫石膏由进料口加入搅拌罐内时，由于脱硫石膏为粉状材料，因此脱硫石膏容易残留在进料口的内壁上，且脱硫石膏进入搅拌罐中会有一部分原料飘散在搅拌罐内，从而导致无法精确地判断加料量。

目前，基本上都是凭借着熟练工人的经验来判断加料量是否恰当，这是因为如果加料量已经足够，即使目前有脱硫石膏残留在进料口的内壁上，或者飘散在搅拌罐内，也可以在后续的搅拌罐的搅拌过程中与搅拌罐内已有的辅料和水充分混合，从而获得符合标准的盐碱地改良剂。但是，这种方式一方面依赖于熟练工人的经验，普通工人没有能力来判断加料量是否恰当；另一方面，即便是熟练工人，其也无法做到精准判断，因此，最终产品的一致性无法确保。

因此，期待一种优化的用于检测脱硫石膏的加料量是否恰当的技术方案。

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。

深度学习以及神经网络的发展为脱硫石膏的加料量检测问题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、基于深度神经网络的脱硫石膏的加料量检测方法、用于确定脱硫石膏的加料量是否适当神经网络训练系统、基于深度神经网络的脱硫石膏的加料量检测系统和电子设备，其以深度神经网络提取搅拌罐内加料后的图像中包含残留在进料口的内壁上以及飘散在搅拌罐内的脱硫石膏的图像特征，从而通过图像分类的方式来确定加料量是否适当。并且，为了提高在图像分类时的准确性并且加快神经网络的训练速度和提高其鲁棒性，同时使用基于参考图像的迁移学习的思路来促进对图像特征的提取。

根据本申请的一个方面，提供了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