公开(公告)号：CN112529107A

公开(公告)日：2021-03-19

申请号：CN202011580816.8

申请日：2020-12-28

Applicant: 华中科技大学

Inventor： 杨勇 ,  杨帅 ,  李传 ,  余子恒

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于可见光图像识别的等离子体温度瞬态诊断方法和系统，属于图像识别技术领域。本发明利用机器学习和卷积神经网络模型进行等离子体温度诊断，一方面，一旦建立等离子体放电可见光图像与其等离子体温度参数对应数据集，并训练建立诊断模型后，后期的诊断可不需使用光谱仪等设备，只需使用通用图像采集设备采集新工况下等离子体放电的可见光图像，即可实时预测该工况下的等离子体温度参数，实验设备简单，预测过程自动完成，无需人工拟合。另一方面，机器学习卷积神经网络的优点是不需要人工设计并提取图像数据的特征，能够直接对图像的像素进行卷积处理，提取到图像特征，这样的处理方式和人类大脑视觉系统的处理方式十分相近。

公开(公告)号：CN112529107B

公开(公告)日：2022-05-31

申请号：CN202011580816.8

申请日：2020-12-28

Applicant: 华中科技大学

Inventor： 杨勇 ,  杨帅 ,  李传 ,  余子恒

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了基于可见光图像识别的等离子体温度瞬态诊断方法和系统，属于图像识别技术领域。本发明利用机器学习和卷积神经网络模型进行等离子体温度诊断，一方面，一旦建立等离子体放电可见光图像与其等离子体温度参数对应数据集，并训练建立诊断模型后，后期的诊断可不需使用光谱仪等设备，只需使用通用图像采集设备采集新工况下等离子体放电的可见光图像，即可实时预测该工况下的等离子体温度参数，实验设备简单，预测过程自动完成，无需人工拟合。另一方面，机器学习卷积神经网络的优点是不需要人工设计并提取图像数据的特征，能够直接对图像的像素进行卷积处理，提取到图像特征，这样的处理方式和人类大脑视觉系统的处理方式十分相近。

公开(公告)号：CN112396104A

公开(公告)日：2021-02-23

申请号：CN202011289544.6

申请日：2020-11-17

Applicant: 华中科技大学

Inventor： 杨勇 ,  余子恒 ,  李传 ,  张浩钦 ,  杨帅 ,  陈焕 ,  李驰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于机器学习的等离子体放电识别方法及系统，包括将采集到的放电图像分为训练集、验证集和测试集，并打上预设的放电种类标签，通过图片预处理统一每张放电图像的大小；使用训练集对带有预训练权重的卷积神经网络进行训练，使用验证集调整卷积神经网络的超参数并监控卷积神经网络是否过拟合，以决定是否停止训练；使用测试集验证调整后的卷积神经网络，计算误差；保存测试完成的卷积神经网络，用于识别等离子体放电类型。本发明能够充分发挥机器学习的优势，能够快速准确地提取图片特征，避免了人工提取特征的局限性。