[发明专利]一种基于深度学习谐波信号分析的智能安检方法

权利要求书

1.一种基于深度学习谐波信号分析的智能安检方法，其特征在于包括如下步骤：

S1，设置探测器阵列，采集目标的波段信息，所述探测器发射端发出高频基波，由探测器接收端捕获目标产生的谐波信号，输出反映信号特征的指标数值，得到一个完整的数据结果；

S2，记录目标是违禁品时，测得的指标数值，得到一组违禁品数据；

S3，记录目标是非违禁品时，测得的指标数值，得到一组非违禁品数据；

S4，将违禁品和非违禁品数据打标签，分别代表报警和不报警，并用数据增强方法对数据进行处理；

S5，构建一维卷积神经网络，并将处理后的数据作为输入，用深度学习的方法提取特征，训练得到一个分类模型；

S6，构建长短期记忆网络，并将处理后的数据作为输入，训练得到一个分类模型；

S7，利用模型融合的方法综合使用两种分类模型，得到融合分类模型并保存；

S8，当待测的目标出现时，采用探测器阵列测出反馈信号并传入融合分类模型，得到的输出结果为非违禁品时，顺利通过，否则触发警报。

2.如权利要求1所述的一种基于深度学习谐波信号分析的智能安检方法，其特征在于所述步骤S4中的数据增强方法包括数据补充和数据打乱，所述数据补充是设定一个标准行数，对少于该行数的用0补齐，对超过该行数的则去掉多余的行，实现标准化；所述数据打乱，采用random函数随机打乱每列数据，用于扩充训练样本。

3.如权利要求1所述的一种基于深度学习谐波信号分析的智能安检方法，其特征在于对处理后的数据进行数据集划分，对于一维卷积神经网络，采用留出验证，从处理以后的数据中随机划分测试集，并将随机种子random_state设为固定值，再将剩余数据分为验证集、训练集，验证集用于参数微调；对于长短期记忆网络，采用K折验证，所述K折验证是将处理后的数据划分为大小相同的K个分区，对于每个分区i，在剩余的K-1个分区上训练模型，然后在分区i上评估模型，最终分数等于K个分数的平均值。

4.如权利要求1所述的一种基于深度学习谐波信号分析的智能安检方法，其特征在于所述步骤S5的一维卷积神经网络，釆用局部连接和权值共享的连接方式，包括输入层、卷积层、下釆样层、全连接层和输出层，输入层是将被处理的数据传到卷积网络的第一层，卷积层执行卷积运算，对数据进行特征提取，在一个卷积层，上一层特征图被一个可学习的卷积核做卷积运算，然后通过一个激活函数，得到下一层的输出特征图，下釆样层使用一个位置的相邻输岀的总体统计特征，来代替网络在该位置的输出，卷积层将多维向量平铺成一维向量，输入到全连接层，全连接层每个输出神经元都和输入节点相连接，对输入特征进行组合运算，然后选择激活函数，最终得到预测结果。