公开(公告)号：CN118314435A

公开(公告)日：2024-07-09

申请号：CN202410349804.6

申请日：2024-03-26

Applicant: 辽宁大学

Inventor： 刘允 ,  白岩 ,  闫文君 ,  温致鹏 ,  刘波 ,  蒋金河

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 一种基于深度学习的气体智能识别方法，该方法首先将原始气体时间序列通过使用格拉姆角场GAF算法转换为二维图像信号。接着，将转换后的图像输入到多层的卷积神经网络，通过卷积操作提取图像特征。然后，将提取的图像特征展平后，通过全连接层进行分类，以获取气体识别结果。最后，利用公开数据集进行训练和测试，评估了所提出方法在气体识别任务中的有效性。同时，在公开数据集上的实验表明，通过本发明的技术路径，我们能够达到99％的分类准确率，显著优于传统的气体识别方法。这一成果不仅验证了深度学习在气体智能识别领域的巨大潜力，同时也为未来的气体识别和分类任务提供了新的技术视角和解决方案。

公开(公告)号：CN118608869A

公开(公告)日：2024-09-06

申请号：CN202410831952.1

申请日：2024-06-26

Applicant: 辽宁大学

Inventor： 刘允 ,  白岩 ,  闫文君 ,  范道新 ,  刘波 ,  蒋金河 ,  肖贤达

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的气体识别与浓度预测方法，该方法包括以下步骤：1)数据收集；2)数据预处理；3)模型建立；4)分类和回归建模；5)模型训练和测试；本发明涉及气体识别技术领域，利用多尺度卷积神经网络和变压器的结合，充分利用图像的局部和全局特征，能够有效识别气体特征的同时，准确预测气体的浓度。这种方法具有高效、准确、稳定等优点，对于气体识别领域的发展具有重要意义。