[发明专利]一种转炉火焰识别方法、系统、电子设备及介质

权利要求书

1.一种转炉火焰识别方法，其特征在于，包括：

采集火焰图像并进行分类处理，获取数据集；

对所述数据集中的图像信息进行归一化处理；

提供神经网络，所述神经网络包括ResNet网络；

将归一化处理后的数据集中的图像信息分别输入所述神经网络进行训练，获取训练模型；

通过所述训练模型确定火焰图像对应的分类。

2.根据权利要求1所述的转炉火焰识别方法，其特征在于，采集火焰图像并进行分类处理的步骤包括：按照火焰的形态、明亮度、纹理对火焰图像进行分类。

3.根据权利要求1所述的转炉火焰识别方法，其特征在于，对所述数据集中的图像信息进行归一化处理的步骤包括：将图像信息的灰度值从0至255归一化为0至1。

4.根据权利要求1或者3所述的转炉火焰识别方法，其特征在于，对所述数据集中的图像信息进行归一化处理的数学表达为：

其中，其中xi表示图像像素点灰度值，max(x)表示图像像素灰度值的最大值，max(x)表示为图像像素灰度值的最小值。

5.根据权利要求1所述的转炉火焰识别方法，其特征在于，ResNet网络包括至少一个block残差模块以及至少一个bottleneck残差模块。

6.根据权利要求1或者5所述的转炉火焰识别方法，其特征在于，在所述神经网络中，神经元个数与火焰图像的分类数量相匹配。

7.根据权利要求6所述的所述的转炉火焰识别方法，其特征在于，所述神经元的激活函数的数学表达为：

ReLU(z)＝max(0,z)

8.根据权利要求1或者5所述的转炉火焰识别方法，其特征在于，所述神经网络还包括用于下采样的池化层以及用于火焰概率分类输出的回归层，所述池化层包括maxpool池化层，所述回归层包括softmax回归层。

9.根据权利要求1所述的转炉火焰识别方法，其特征在于，包括：将归一化处理后的数据集中的图像信息分别输入所述神经网络进行训练的步骤包括：

根据相应的映射关系计算各个火焰分类的概率，通过概率大小确定相应的分类以及训练模型。

10.根据权利要求9所述的转炉火焰识别方法，其特征在于，所述映射关系的数学表达为：

y＝labels

其中，softmax为归一化指数函数，labels表示相应分类的火焰图像的标签，numclasses代表火焰图像标签类别数，y是一个1*numclasses的向量，其中真实标签对应的位置为1，其余位置为0，P_i代表这个样本属于第i个火焰类别对应的概率。logits_i是softmax的输出向量logits的第i个值，loss_i表示对应的火焰分类的损失函数。

11.根据权利要求9或者10所述的转炉火焰识别方法，其特征在于，将归一化处理后的数据集中的图像信息分别输入所述神经网络进行训练的步骤还包括：

通过指数衰减法设置神经网络学习率，并通过L2正则化对训练模型的参数进行更新。

12.根据权利要求11所述的转炉火焰识别方法，其特征在于，L2正则化的数学表达为：

其中，C表示目标函数，C₀代表原始的代价函数，n是样本的个数，λ是正则项系数，w为正则项与C₀项的比重。