润滑科技信息平台

专利摘要

本实施例公开了一种基于注意力机制的煤矸高光谱变图像域数据识别方法；其中方法包括：对采集的煤矸高光谱数据进行预处理，获取具有特征级融合信息的高光谱RGB图像；基于该高光谱RGB图像构建训练集和测试集；构建煤矸分类识别模型，煤矸分类识别模型包括依次串联的EBAM层、Transformer Encoder层和MLP Head层；在训练集上对煤矸分类识别结果模型进行训练，并采用损失函数对训练的煤矸分类识别结果模型进行验证；在测试集上对训练后的煤矸分类识别结果模型进行测试，获得煤矸识别结果；本申请构建了一种新型煤矸分类识别模型，通过构建的EBAM层利用卷积层对煤矸石光谱信息进行卷积操作，有效提高煤矸识别的准确率。 ......

基本信息

专利类型:
发明专利
申请/专利号:
CN202211587979.8
申请日期:
2022-12-07
专利申请人:
中国矿业大学(北京)
分类号:
G06V10/764 ; G06V10/82 ; G06N3/045 ; G06N3/084
发明/设计人:
杨健健，张玉增，葛世荣，常博深，王凯帆，刘晋腾，吴淼
权利要求: 1.一种基于注意力机制的煤矸高光谱变图像域数据识别方法，其特征在于，包括以下步骤：对采集的煤矸高光谱数据进行预处理，获取具有特征级融合信息的高光谱RGB图像；基于所述高光谱RGB图像构建训练集和测试集；构建煤矸分类识别模型，所述煤矸分类识别模型包括依次串联的EBAM层、TransformerEncoder层和MLP Head层；在所述训练集上对所述煤矸分类识别结果模型进行训练，并采用损失函数对训练的所述煤矸分类识别结果模型进行验证；在所述测试集上对训练后的煤矸分类识别结果模型进行测试，获得煤矸识别结果。2.根据权利要求1所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述高光谱RGB图像的获取方法包括：采用近红外光谱仪多次采集的煤矸高光谱数据，获得的平均值为初始煤矸高光谱数据；对所述初始煤矸高光谱数据采用一阶微分处理，获得的光谱信息作为图像的R通道信息；对所述初始煤矸高光谱数据采用SG卷积平滑处理，获得的光谱信息作为图像的G通道信息；对所述初始煤矸高光谱数据采用标准正态变量变换处理，获得的光谱信息作为图像的B通道信息；将所述R通道信息、所述G通道信息、所述B通道信息分别转换为R像素矩阵、G像素矩阵、B像素矩阵；对所述R像素矩阵、所述G像素矩阵、所述B像素矩阵分别进行归一化处理，获得R像素预处理矩阵、G像素预处理矩阵、B像素预处理矩阵；融合所述R像素预处理矩阵、所述G像素预处理矩阵、所述B像素预处理矩阵为一个RGB像素矩阵，获得具有特征级融合信息的所述高光谱RGB图像。3.根据权利要求2所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述训练集、所述测试集的构建包括：将所述高光谱RGB图像按7:3的比例随机分配，以获取所述训练集、所述测试集。4.根据权利要求1所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述EBAM层包括依次串联的第一卷积层、BAM层和第二卷积层；所述第一卷积层用于输出光谱卷积特征；所述第一卷积层设置有32个卷积核，每个卷积核的尺寸均为1×3，卷积步长为3；所述BAM层包括通道注意力模块、空间注意力模块，所述通道注意力模块、所述空间注意力模块分别对所述光谱卷积特征处理，获得光谱特征；所述第二卷积层用于对所述光谱特征处理，获得光谱特征向量；其中，所述第二卷积层设置有64个卷积核，每个卷积核的尺寸均为1×1，卷积步长为1。5.根据权利要求4所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述Transformer Encoder层包括依次串联的第一归一化层、多头注意力层、第二归一化层和全连接层；所述第一归一化层用于对所述光谱特征向量进行归一化处理，得到第一煤矸信息；所述多头注意力层用于对所述第一煤矸信息处理以获取多头自注意力值；所述第二归一化层用于对多头自注意力值进行归一化处理，获得第二煤矸信息；所述全连接层用于对所述第二煤矸信息处理，以获得第三煤矸信息。6.根据权利要求5所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述MLPHead层用于对所述第三煤矸信息进行处理，以获得煤光谱信息和矸石光谱信息。7.根据权利要求1所述的煤矸高光谱变图像域数据识别方法，其特征在于，所述损失函数为交叉熵损失函数。8.一种基于注意力机制的煤矸高光谱变图像域数据识别系统，其特征在于，包括：预处理模块，配置为对采集的煤矸高光谱数据进行预处理，获取具有特征级融合信息的高光谱RGB图像；数据集构建模块，配置为基于高光谱RGB图像构建训练集和测试集；模型构建模块，配置为构建煤矸分类识别模型；训练模块，配置为在训练集上对煤矸分类识别结果模型进行训练，并采用损失函数对训练的煤矸分类识别结果模型进行验证；识别模块，配置为在所述测试集上对训练后的煤矸分类识别结果模型进行测试，以获得煤矸识别结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一所述的基于注意力机制的煤矸高光谱变图像域数据识别方法。10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行权利要求1-7任一所述的基于注意力机制的煤矸高光谱变图像域数据识别方法。