[发明专利]一种具有隐私保护的带钢表面缺陷分类方法及系统

权利要求书

1.一种具有隐私保护的带钢表面缺陷分类方法，其特征在于，包括如下步骤：

步骤一、将待处理的钢材表面缺陷图像进行预处理，按照类别打上标签，并将图片以三维数组矩阵的形式保存，形成可用数据集；

步骤二、将预处理后的数据集使用矩阵同态加密算法进行加密，得到密文状态下的数据集；

步骤三、利用获得的密文数据集，对经过改进的适应于密文的卷积神经网络模型进行训练；

步骤四、将钢材表面图像加密后的数据，输入训练后的卷积神经网络模型，获得密文数据集的最终分类结果。

2.根据权利要求1所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：步骤一对钢材表面缺陷图像进行预处理，包括降低噪声干扰，减去极少数类，对图像进行数字化、灰度调整、图像增强。

3.根据权利要求1或2所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：步骤二的具体过程如下：

(1)将预处理后的数据集从三维数组形式转换成二维数组形式；

(2)利用加密公式Sc＝wx+e，得到初始密文c；其中，S为初始密钥矩阵，w为加密参数，e为噪声矩阵，x为明文矩阵；

(3)进行密钥交换，引入一对可逆矩阵对P₁，P₂，结合中间密钥S_p，得到最终的密钥S^′，并将公钥矩阵M′转换为M；

(4)利用公式c’＝Mc，获得密文状态下的数据集。

4.根据权利要求3所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：所述初始密钥矩阵S，为根据二维数组矩阵的列随机生成的矩阵，S＝random.rand(n,n)*w，n为数据集二维数组矩阵的列值。

5.根据权利要求4所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：所述可逆矩阵对P₁，P₂为随机生成的可逆矩阵，满足：P₁＝random.rand(,n)，P₂＝np.linalg.inv(P₁)。

6.根据权利要求5所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：步骤(3)中，最终密钥S′＝S_pP₁，M＝P₂M′，其中，中间密钥S_p＝[I,T]，公钥矩阵I为单位矩阵，T为转置矩阵，A为预先设置的随机矩阵。

7.根据权利要求6所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：步骤三的具体过程如下：

1)将加密数据集进行预处理，包括去除由于加密产生的噪声以及进行维度转变；

2)构建一个卷积神经网络模型，该卷积神经网络模型的激活函数使用线性函数逼近非线性函数；

3)使用处理后的加密数据集进行卷积神经网络模型的训练。

8.根据权利要求7所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：所述激活函数采用swish激活函数：f(a)＝a·sigmoid(βα)，其中：β为常数或可训练的参数，将其值设为0，该函数变为线性函数

9.根据权利要求8所述的一种具有隐私保护的带钢表面缺陷分类方法，其特征在于：所述卷积神经网络模型包括依次层叠的3*3卷积层、2*2最大池化层、3*3卷积层、2*2最大池化层、3*3卷积层、2*2最大池化层、3*3卷积层、2*2最大池化层、Dropout层、Flatten层、Dense层、Dropout层、Dense层。

10.一种具有隐私保护的带钢表面缺陷分类系统，其特征在于：该系统用于权利要求1-9任一项所述的带钢表面缺陷分类，包括：

预处理模块，用于将待处理的钢材表面缺陷图像进行预处理，然后按照类别打上标签，并将图片以三维数组矩阵的形式保存，形成可用数据集；

加密模块，用于将预处理后的数据集使用矩阵同态加密算法进行加密，得到密文状态下的数据集；

分类模块，利用获得的密文数据集对经过改进的适应于密文的卷积神经网络模型进行训练，得到密文分类结果。