一种矿井下监控图像的去粉尘降噪神经网络方法技术

一种矿井下监控图像的去粉尘降噪神经网络方法，包括数据图像处理、设计神经网络模型、选择损失函数与优化算法和模型训练，通过配置电脑环境最终的测试结果能够达到24FPS左右，可以满足矿井下监控图像实时处理的要求，且本模型文件也可以储存在开发板中，用于嵌入式平台，具有良好的移植性。本发明专利技术将矿井中采集到的有粉尘、清晰度低的图片经过处理获得去粉尘图片，以此来提高监测系统的监控质量，解决现有技术中存在的不足。

A neural network method of dust removal and noise reduction for monitoring image under mine

【技术实现步骤摘要】
一种矿井下监控图像的去粉尘降噪神经网络方法
本专利技术涉及人工智能
，特别涉及一种矿井下监控图像的去粉尘降噪神经网络方法。
技术介绍
矿井下监控设备主要用来检测矿井瓦斯浓度、湿度、温度等参数，以防止出现瓦斯浓度过高引起爆炸的情况。然而由于矿井下粉尘较多，环境复杂，使得监控设备获取的监控图像清晰度较低，传统的监控图像物理去粉尘方法包括保持设备干燥、改善主板电流等不适用于这种情况，无法对监控图像去粉尘降噪的问题进行有效处理。
技术实现思路
为了克服上述现有技术的不足，本专利技术的目的在于提供一种矿井下监控图像的去粉尘降噪神经网络方法，将矿井中采集到的有粉尘、清晰度低的图片经过处理获得去粉尘图片，以此来提高监测系统的监控质量，解决现有技术中存在的不足。为了实现上述目的，本专利技术采用的技术方案是：一种矿井下监控图像的去粉尘降噪神经网络方法，包括以下步骤；步骤1：数据图像处理，其中数据图像为常用的420线摄像头获取的图像像素为500×582、通道为RGB模式的图像，包括在矿井下不同位置的不同摄像头在有粉本文档来自技高网...

【技术保护点】
1.一种矿井下监控图像的去粉尘降噪神经网络方法，其特征在于，包括以下步骤；/n步骤1：数据图像处理，其中数据图像为常用的420线摄像头获取的图像像素为500×582、通道为RGB模式的图像，包括在矿井下不同位置的不同摄像头在有粉尘和无粉尘的环境下拍摄的图像，将同一位置的两个图像分为一组，再根据图像拍摄时的粉尘浓度，把总粉尘浓度大于10％的情况下获取的图片作为训练样本，而与之对应的同组总粉尘浓度低于10％的情况下获取的图片作为该样本的标签，训练图像的输入数据形状为1×3×500×582，其中1是训练数据的输出通道数，3是训练数据的输入通道数，500是图像在单个通道上的高度，582是图像在单个通道...

【技术特征摘要】
1.一种矿井下监控图像的去粉尘降噪神经网络方法，其特征在于，包括以下步骤；
步骤1：数据图像处理，其中数据图像为常用的420线摄像头获取的图像像素为500×582、通道为RGB模式的图像，包括在矿井下不同位置的不同摄像头在有粉尘和无粉尘的环境下拍摄的图像，将同一位置的两个图像分为一组，再根据图像拍摄时的粉尘浓度，把总粉尘浓度大于10％的情况下获取的图片作为训练样本，而与之对应的同组总粉尘浓度低于10％的情况下获取的图片作为该样本的标签，训练图像的输入数据形状为1×3×500×582，其中1是训练数据的输出通道数，3是训练数据的输入通道数，500是图像在单个通道上的高度，582是图像在单个通道上的宽度；
步骤2：设计神经网络模型，神经网络模型包括三个由卷积层和池化层构成的神经网络模块，最后与1×1卷积层连接控制输出图片的通道数，卷积层和池化层按顺序依次排列，且除第一个卷积层外，其余每个卷积层还与上一层的池化层连接，最后一个池化层与1×1卷积层连接，所有池化层均为最大池化层，完整的神经网络模型为输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、1×1卷积层，所有的卷积层输出均先通过sig...

【专利技术属性】
技术研发人员：朱爱斌，安德麟，屠尧，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61