[发明专利]含碳量的检测方法、检测系统及计算机存储介质在审

专利信息
申请号: 201911202770.3 申请日: 2019-11-29
公开(公告)号: CN110849879A 公开(公告)日: 2020-02-28
发明(设计)人: 袁俊;田鹏路;李志超;张少男;魏庆波;曾骥敏;宋亚杰;任新宇;陈世和 申请(专利权)人: 华润电力技术研究院有限公司
主分类号: G01N21/84 分类号: G01N21/84;G01N31/12;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 王学强
地址: 523808 广东省东莞市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 含碳量 检测 方法 系统 计算机 存储 介质
【权利要求书】:

1.一种含碳量的检测方法,其特征在于,包括:

检测系统获取训练样本的标准含碳量;

所述检测系统获取所述训练样本的图像的标准图像信息熵;

所述检测系统获取图像信息熵差,所述图像信息熵差为所述标准图像信息熵与对照系数之间的差值;

所述检测系统构建初始检测模型,所述初始检测模型中包含的函数关系的自变量为图像信息熵差,因变量为含碳量;

所述检测系统将所述标准含碳量和所述图像信息熵差确定为训练数据集;

所述检测系统使用所述训练数据集对所述初始检测模型进行训练,得到目标检测模型,所述目标检测模型用于对待检测样本进行检测。

2.根据权利要求1所述的含碳量的检测方法,其特征在于,所述对照系数为零。

3.根据权利要求1所述的含碳量的检测方法,其特征在于,所述对照系数为对照样本的图像的图像信息熵。

4.根据权利要求3所述的含碳量的检测方法,其特征在于,所述训练样本为校核煤种的燃煤对应的样本,所述对照样本为设计煤种的燃煤对应的样本。

5.根据权利要求1至4任一项所述的含碳量的检测方法,其特征在于,所述检测系统使用所述训练数据集对所述初始检测模型进行训练,包括:

所述检测系统使用所述训练数据集,基于反向传播神经网络算法对所述初始检测模型进行训练。

6.一种检测系统,其特征在于,所述检测系统包括:

第一获取单元,用于获取训练样本的标准含碳量;

第二获取单元,用于获取所述训练样本的图像的标准图像信息熵;

第三获取单元,用于获取图像信息熵差,所述图像信息熵差为所述标准图像信息熵与对照系数之间的差值;

构建单元,用于构建初始检测模型,所述初始检测模型中包含的函数关系的自变量为图像信息熵差,因变量为含碳量;

确定单元,用于将所述标准含碳量和所述图像信息熵差确定为训练数据集;

训练单元,用于使用所述训练数据集对所述初始检测模型进行训练,得到目标检测模型,所述目标检测模型用于对待检测样本进行检测。

7.根据权利要求6所述的检测系统,其特征在于,所述对照系数为零。

8.根据权利要求6所述的检测系统,其特征在于,所述对照系数为对照样本的图像的图像信息熵。

9.根据权利要求8所述的检测系统,其特征在于,所述训练样本为校核煤种的燃煤对应的样本,所述对照样本为设计煤种的燃煤对应的样本。

10.根据权利要求6至9任一项所述的检测系统,其特征在于,所述训练单元具体用于使用所述训练数据集,基于反向传播神经网络算法对所述初始检测模型进行训练。

11.一种检测系统,其特征在于,所述检测系统包括:

处理器、存储器、总线、输入输出设备;

所述处理器与所述存储器、输入输出设备相连;

所述总线分别连接所述处理器、存储器以及输入输出设备;

所述输入输出设备用于获取训练样本的标准含碳量,获取所述训练样本的图像的标准图像信息熵,获取图像信息熵差,所述图像信息熵差为所述标准图像信息熵与对照系数之间的差值;

所述处理器用于构建初始检测模型,所述初始检测模型中包含的函数关系的自变量为图像信息熵差,因变量为含碳量,将所述标准含碳量和所述图像信息熵差确定为训练数据集,使用所述训练数据集对所述初始检测模型进行训练,得到目标检测模型,所述目标检测模型用于对待检测样本进行检测。

12.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有指令,所述指令在计算机上执行时,使得所述计算机执行如权利要求1至5中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华润电力技术研究院有限公司,未经华润电力技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911202770.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top