文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201810133665.8

申 请 日：20180209

发 明 人：罗建伟 陈国荣 杜晓霞 邓菊丽 任虹 刘灿 利节 刘垚 刘松

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20180710

公 开 号：CN108268860A

代 理 人：杨明

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明针对天然气集输站工艺流程复杂，设备繁多，某些设备相似度较高的问题，传统的分类模型难以有效的对其进行区分，识别的难度非常大。提出一种基于卷积神经网络的天然气集输站设备图像分类方法，以解决天然气集输站关键设备的识别问题。一种基于卷积神经网络的天然气集输站设备图像分类方法，基于天然气集输站的监控视频，设计集输站设备的深度神经网络模型，所述模型包括输入层、卷积层、池化层、全连接层和输出层。

主 权 项：1.一种基于卷积神经网络的天然气集输站设备图像分类方法，其特征在于，基于天然气集输站的监控视频，设计集输站设备的深度神经网络模型，所述模型包括输入层、卷积层、池化层、全连接层和输出层；步骤1输入层对天然气集输站的监控视频进行图像数据采集，将图像数据总样本数的一部分用于模型训练，其余部分用于模型的测试，输入层读取图像数据信息，并将图像数据信息进行图像处理，得到多维矩阵；步骤2卷积层-池化层卷积层使用卷积核对传入的多维矩阵进行卷积运算，卷积层中输出的新的像素点由以下公式计算得出： 其中，f(·)代表激活函数，代表上一层特征图像的某个像素值，代表卷积核，*代表卷积运算；考虑到本层输出可以与上一层多个特征图像关联，表示参与运算的上一层的特征图像的子集；代表偏置项，上标l表示第l层，采用最大池化法，取卷积运算后领域内的最大值，池化操作每个神经元对应卷积中的每一个位置，其公式为： <

关 键 词：天然气集输 卷积神经网络 图像分类  站设备  神经网络模型  分类模型  关键设备  监控视频 工艺流程  传统的  集输站 连接层  输出层 输入层 相似度  池化  卷积

IPC专利分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)