【技术实现步骤摘要】
基于距离类别损失函数的装填控制的神经网络的训练方法
本专利技术涉及深度学习和神经网络
,且更为具体地,涉及一种基于距离类别损失函数的装填控制的神经网络的训练方法、基于深度神经网络的水泥装填控制方法、基于距离类别损失函数的装填控制的神经网络的训练系统、基于深度神经网络的水泥装填控制系统和电子设备。
技术介绍
在水泥加工制备的过程中,水泥最终会被装填在袋子中。相比传统的人工水泥装填的方式,已经开发出了自动化的水泥装填装置。但是,目前的自动化的水泥装填装置仅适用于对标准化的水泥装填袋进行装填,而在实际应用场景下,很多时候会使用非标准化的水泥装填袋。因此,期待一种用于自动化水泥装填装置的装填出口的开口大小控制的技术方案。目前,深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外,深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域,也展现出了接近甚至超越人类的水平。深度学习以及神经网络的发展为自动化水泥装填装置的装填出口的开口大小控制提供了新的解决思路和方案。
技术实现思路
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于距离类别损失函数的装填控制的神经网络的训练方法、基于深度神经网络的水泥装填控制方法、基于距离类别损失函数的装填控制的神经网络的训练系统、基于深度神经网络的水泥装填控制系统和电子设备,其基于深度学习的计算机视觉的方式,通过对水泥装填袋的袋口图像的识别,来控制自动化水泥装填装置的装填出口的开口大小。具 ...
【技术保护点】
1.一种基于距离类别损失函数的装填控制的神经网络的训练方法,其特征在于,包括:/n获取训练图像集,所述训练图像集中包含非标准化的水泥装填袋的袋口图像和标准化的水泥装填袋的袋口图像,所述标准化的水泥装填袋的袋口图像作为参考图像;/n将所述训练图像中非标准化的水泥装填袋的袋口图像通过第一卷积神经网络以获得第一特征图;/n将所述训练图像中所述参考图像通过第二卷积神经网络以获得第二特征图;/n计算所述第一特征图与所述第二特征图之间的距离,并以所述距离除以第一类别系数与第二类别系数的乘积以获得距离类别损失函数值,其中,所述第一类别系数为所述参考图像对应的标准化的水泥装填袋的大小类别系数,所述第二类别系数为所述参考图像对应的标准化的水泥装填袋所适用的自动化水泥装填装置的装填出口的开口大小的大小类别系数;/n将所述第一特征图通过分类器以获得分类损失函数值,其中,所述分类器的多个标签为用于装填水泥的自动化水泥装填装置的装填出口的开口大小的多个档位;以及/n基于所述距离类别损失函数值和所述分类损失函数值的加权和,更新所述第一卷积神经网络和所述分类器的参数。/n
【技术特征摘要】
1.一种基于距离类别损失函数的装填控制的神经网络的训练方法,其特征在于,包括:
获取训练图像集,所述训练图像集中包含非标准化的水泥装填袋的袋口图像和标准化的水泥装填袋的袋口图像,所述标准化的水泥装填袋的袋口图像作为参考图像;
将所述训练图像中非标准化的水泥装填袋的袋口图像通过第一卷积神经网络以获得第一特征图;
将所述训练图像中所述参考图像通过第二卷积神经网络以获得第二特征图;
计算所述第一特征图与所述第二特征图之间的距离,并以所述距离除以第一类别系数与第二类别系数的乘积以获得距离类别损失函数值,其中,所述第一类别系数为所述参考图像对应的标准化的水泥装填袋的大小类别系数,所述第二类别系数为所述参考图像对应的标准化的水泥装填袋所适用的自动化水泥装填装置的装填出口的开口大小的大小类别系数;
将所述第一特征图通过分类器以获得分类损失函数值,其中,所述分类器的多个标签为用于装填水泥的自动化水泥装填装置的装填出口的开口大小的多个档位;以及
基于所述距离类别损失函数值和所述分类损失函数值的加权和,更新所述第一卷积神经网络和所述分类器的参数。
2.根据权利要求1所述的基于距离类别损失函数的装填控制的神经网络的训练方法,其中,计算所述第一特征图与所述第二特征图之间的距离,并以所述距离除以第一类别系数与第二类别系数的乘积以获得距离类别损失函数值,包括:
计算所述第一特征图与所述第二特征图之间的曼哈顿距离。
3.根据权利要求1所述的基于距离类别损失函数的装填控制的神经网络的训练方法,其中,计算所述第一特征图与所述第二特征图之间的距离,并以所述距离除以第一类别系数与第二类别系数的乘积以获得距离类别损失函数值,包括:
计算所述第一特征图与所述第二特征图之间的欧式距离。
4.根据权利要求1所述的基于距离类别损失函数的装填控制的神经网络的训练方法,其中,将所述第一特征图通过分类器以获得分类损失函数值,包括:
将所述第一特征图通过一个或多个全连接层,以获得分类特征向量;
将所述分类特征向量通过Softmax分类函数,以获得分类结果;以及
计算所述分类结果与真实值之差并输入损失函数,以获得分类损失函数值。
5.根据权利要求1所述的基于距离类别损失函数的装填控制的神经网络的训练方法,其中,所述第一卷积神经网络为深度残差网络。
6.根据权利要求1所述的基于距离类别损失函数的装填控制的神经网络的训练方法,其中,所述标准化的水泥装填袋的大小类别为1档到m档,其中,当所述参考图像中标准化的水泥装填袋的大小类别为1档时,所述第一类别系数为1,所述第二类别系数为1。
7.一种基于深度神经网络的水泥装填控制方法,其特征在于,包括:
获取待检测的水泥装填袋的袋口图像;
将所述图像输入根据如权利...
【专利技术属性】
技术研发人员:刘建明,
申请(专利权)人:扬州高斯信息技术有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。