[发明专利]一种基于迁移学习的煤场自燃检测方法

权利要求书

1.一种基于迁移学习的煤堆自燃自动检测方法，其特征在于，该方法包括以下步骤：

S1：获取互联网上有标记的煤堆自燃的普通火焰图像数据集，作为卷积神经网络模型A的训练集。

S2：获取未标注的煤堆红外自燃图像。

S3：所述卷积神经网络模型A共分为五层，层与层之间靠特征图feature map传递信号，输入为煤堆自燃的普通火焰图像，输出为煤堆是否有火焰的检测结果，将煤堆自燃的普通火焰图像数据集输入到卷积神经网络模型A中进行训练，得到训练好的卷积神经网络模型A。

S4：复制训练好的卷积神经网络模型A的参数到另外一个卷积神经网络模型B中，卷积神经网络模型A和B具有相同的结构；卷积神经网络模型B的输入为未标注的煤堆红外自燃图像，期望B的输出为煤堆红外图像中是否有自燃的形态和位置等信息。

S5：设计辨识神经网络D，辨识神经网络D的输入是卷积神经网络模型A或B产生的特征图，网络A产生煤堆自燃的普通火焰图像的特征图，网络B产生煤堆红外自燃图像的特征图，辨识神经网络D的输出为判断特征图是来自于煤堆自燃的普通火焰图像还是煤堆红外自燃图像，将卷积神经网络模型A或B产生的特征图作为训练集来训练辨识神经网络D，使其能识别煤堆红外自燃图像特征图和煤堆自燃的普通火焰图像特征图。

S6：利用辨识神经网络D的识别结果，更新卷积神经网络模型B的参数，进而训练卷积神经网络模型B，使得辨识神经网络D无法识别卷积神经网络模型A和B的特征图是煤堆红外自燃图像特征图还是煤堆自燃的普通火焰图像特征图，从而完成对抗训练；得到完成对抗训练后的卷积神经网络模型B，将未标注的煤堆红外图像输入到卷积神经网络模型B，卷积神经网络模型B将输出煤堆红外图像中是否有自燃的形态和位置等信息。

2.根据权利要求1所述的一种基于迁移学习的煤堆自燃自动检测方法，其特征在于，所述卷积神经网络模型A在训练时，采用BP算法，将误差由输出端反向传播到输入端，用梯度下降法更新网络参数。