一种基于深度学习的单一有害气体红外图像分类识别方法

摘要

本发明涉及一种基于卷积神经网络的红外有害气体浓度检测的分类和识别方法。本发明首先采集已知浓度的有害气体红外图像样本，对采集到的原始图像进行灰度化，线性转化等预处理，然后将这些带标签的图像样本作为训练集输入卷积神经网络，当损失值高于阀值时，利用梯度下降法调节网络参数，当损失值低于阀值时保存网络参数。然后对未知浓度的红外有害气体图像进行相同的预处理，将这些处理后的未带标签的样本输入之前保存的卷积网络识别其气体的浓度。本发明能比人工特征提取得到更多更具代表性的图像信息，从而提高分类效果。