[发明专利]一种基于卷积神经网络的水上油膜相对厚度提取方法及系统在审
| 申请号： | 201810117455.X | 申请日： | 2018-02-06 |
| 公开（公告）号： | CN108334937A | 公开（公告）日： | 2018-07-27 |
| 发明（设计）人： | 刘丙新;李颖;侯永超;张强;吴鹏 | 申请（专利权）人： | 大连海事大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06T7/62 |
| 代理公司： | 大连东方专利代理有限责任公司 21212 | 代理人： | 赵淑梅;李洪福 |
| 地址： | 116026 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的水上油膜相对厚度提取方法及系统，所述方法为预先采集高光谱数据，作为预处理数据；从预处理数据中选取训练样本，将训练样本输入卷积神经网络，对卷积神经网络进行训练，提高卷积神经网络的精度，在卷积神经网络的精度未达到要求之前重复本步骤，直至精度达到要求，完成卷积神经网络训练过程；将预处理数据中待检测数据输入卷积神经网络，完成待检测数据的处理过程，输出结果；对输出结果进行评价，分析输出结果的准确性；实时显示处理结果和评价结果。本发明具有很好的分类精确性和泛化能力，能够较好的拟合不同油膜厚度的信息，为实现高光谱遥感大范围分析溢油厚度提供了可靠的技术支撑。 | ||
| 搜索关键词： | 卷积神经网络 预处理数据 输出结果 油膜 待检测数据 训练样本 大范围分析 高光谱数据 高光谱遥感 技术支撑 实时显示 训练过程 拟合 采集 分类 重复 分析 | ||
【主权项】：
1.一种基于卷积神经网络的水上油膜相对厚度提取方法，其特征在于具有如下步骤：S1、预先采集高光谱数据，作为预处理数据；S2、从预处理数据中选取训练样本，将训练样本输入卷积神经网络，对卷积神经网络进行训练，提高卷积神经网络的精度，在卷积神经网络的精度未达到要求之前重复步骤S2，直至精度达到要求，完成卷积神经网络训练过程；S3、将预处理数据中待检测数据输入卷积神经网络，完成待检测数据的处理过程，输出结果；S4、对输出结果进行评价，分析输出结果的准确性；S5、实时显示步骤S3得到的输出结果和步骤S4得到的评价结果。
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大连海事大学，未经大连海事大学许可，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/patent/201810117455.X/，转载请声明来源钻瓜专利网。
