用于使用神经网络来表征样本的方法技术

本发明专利技术涉及一种用于使用待表征的样本的一组光谱图像和至少一个神经网络来表征所述样本的方法，所述光谱图像已经预先获取、特别是通过红外热成像或光谱成像预先获取，所述方法包括以下步骤：‑针对所述图像的像素的多个坐标和多个获取，由所述光谱图像生成被观察参数的值的至少一个值卷，‑从所述数据卷中提取至少一个输入数据的集合，所述输入数据对应于针对于根据不同获取的具有相同坐标的像素的所述被观察参数的值，其中，已经对所述值应用了至少一个转换函数，‑使用所述输入数据训练所述至少一个神经网络，以便提取所述待表征的样本的至少一个特征。

【技术实现步骤摘要】
【国外来华专利技术】用于使用神经网络来表征样本的方法
本专利技术涉及用于基于光谱图像(特别是通过红外热成像获得的光谱图像)并且使用深度神经网络来表征样本的方法和设备。
技术介绍
大多数已知的监测系统(特别是用于预防事故、路由流量或做出决定的监测系统，例如用于检测和/或用于非破坏性地测试部件和/或各种影响的监测系统)是基于许多传感器的使用和已知检测技术的使用。可以使用红外、近红外(near-infrared，NIR)和紫外(UV)辐射。特别地，使用由温度高于绝对零度(-273.15℃)的任何物体连续发射的远红外电磁辐射(也被称为辐射热)。特定的检测器允许在特定波长下感测到该辐射并将这些波长转换为与物体的表面温度相关的亮度值，从而创建热图像。红外热成像摄像机的小型化、其购置成本的降低以及计算机计算能力的发展已经促进将这种摄像机在多种应用(例如，工业检测；评估损害、材料的疲劳度；或估算涂层厚度)中用作替代的非破坏性技术。在对颜料没有任何影响的情况下穿透到涂层中的能力证明了使用红外技术来检查涂层(诸如油漆)厚度的合理性。该技术具有某些局限性，例如对外部反射的高灵敏度、发射率变化、以及使用热源作为激发源(从能量的角度来看，热源不能被认为是均匀的，因为例如一个或多个大功率闪光灯的使用)。这种不均匀性将在加热期和冷却期两者期间直接地影响所观察目标的涂层的热签名特性。为了解决该问题，已经研究了在热成像检查期间的温度分布，并且已经提议了旨在减少不均匀温度分布的影响的措施，例如使用基于傅立叶变换的图像重建算法以便抑制不均匀加热的影响。使用其它方法来改善热对比度并且克服这些外部伪像，所述其它方法特别是涉及使用热对比度、绝对热对比度或经修正的绝对差分对比度的方法。还已知使用基于偏最小二乘回归的算法通过部分地去除背景噪声来自动地提高样本中的缺陷的可见性。已经开发了基于使用高阶统计量或实际上是奇异值分解的其它方法。然而，这些去噪结果仍不是最佳的。多层感知器神经网络已经被用于使用脉冲红外热成像来检测和表征缺陷。结果表明，相位图像对噪声较不敏感，但强烈建议针对该研究增大采样频率。例如在1999年3月的ThermosenseXXI的Proc.SPIE3700中SteveVallerand等人的文章“Defectdetectioninpulsedthermography:acomparisonofKohonenandPerceptronneuralnetworks”中找到了这种结果的说明。最近已经证明，可以通过从数据(例如图像、声音或文本)中提取特征来使用深度学习算法对数据进行分类，以便以各种抽象级别表示数据。深度学习的使用允许获取稳健的结果并且允许设想各种应用。这些算法采用由多个有监督层或无监督层组成的模型，其中处理信息的非线性步骤本质上是等级化的。如已知的，卷积神经网络(convolutionalneuralnetworks，CNN)由多个层组成，每个层用作过滤器并且导致数据的维数的减少，这些数据然后被传输到下一层。这些层由神经元组成，这些神经元本身由激活函数、权重和其每个输入的偏差构成。如图1中所示，其示出了现有技术，在这种结构中，输入数据DE由传感器S1、S2、S3接收，每个传感器能够收集表示待分析的样本的特征F的信号。这些信号被传输到由多个层组成的神经网络M。使用一个或多个学习数据DApp的集合来训练该模型M，所述学习数据DApp特别是由图像组成，其中特征F已经被注释并且经历过允许识别待学习的所述特征的学习算法AApp。获得作为输入而传送的数据DE的分类C(分类为一组类别C1、C2、C3)作为输出。这些算法(并且特别是卷积神经网络)需要学习许多数据模型；因此，这些算法消耗大量的计算能力，并且需要大型数据库来教导它们。这些算法在板载系统中的实现受到计算能力和可用资源(尤其是存储资源)的限制。最近开发的系统(例如使用诸如RaspberryPi的纳米计算机的系统)目前能够每秒分析来自视频流的2至4个图像帧。然而，这还不够快以令人满意地管理视频流。专利申请CN106022365公开了一种使用RBF神经网络(RBF为径向基函数(acronymofradialbasisfunction)的缩写)和红外热成像图像来检测材料表面中的缺陷以创建分类器的方法。在监测采矿设备的运行状态的领域中，专利申请CN105760883描述了一种方法，该方法用于使用红外热成像和所谓的BP神经网络(BP为反向传播(back-propagation)的缩写)来自动地识别传送带的关键部件以提取部件的特征。专利申请CN102621150涉及一种用于使用基于灰度共生矩阵和表征各种类型的损害的信号的支持向量机(supportvectormachine，SVM)算法来识别飞机蒙皮以建立分类器的方法。可以对飞机蒙皮损害的检测以及损害本身进行分类和识别，以进行后续维护处理。特别是基于特定DSP(DSP是数字信号处理器(digitalsignalprocessor)的缩写)和软件系统来执行学习任务、或者实际上使用现场可编程门阵列(field-programmablegatearray，FPGA)来执行学习任务的其它方法(例如S.Jagannathan等人在IEEEInternationalConferenceonConsumerElectronics2016的文章“OptimizingConvolutionalNeuralNetworkonDSP”中所提出的)允许实现有利的性能水平，其是基于图形处理单元(graphicsprocessingunit，GPU)的系统的约三倍快。已知的是，使用仅对其最终层进行了修改的预训练的CNN，这允许提供混合网络，所述混合网络由特别是在具有高计算能力的机器上的预训练的CNN以及由待训练的监督分类器(例如SVM算法)组成。这允许缩小所需的学习数据库的大小，并且允许设想其在低成本板载系统(例如纳米计算机，如RaspberryPi)上的实现。HuangF.J.等人在IEEECVPR2006第2卷第4页的文章“Large-scalelearningwithSVMandconvolutionalnetsforgenericobjectcategorization”描述了一种由卷积网络和SVM组成的混合网络，该混合网络致力于物体的分类。国际专利申请WO99/05487描述了使用光纤探针和混合神经网络来提高组织损伤分析的精度。因此，仍然需要进一步改善来自光谱图像的样本的特定特征的可靠估计，所述光谱图像特别是通过红外热成像表征设备使用激发条件可变且不均匀的设备而获得的。
技术实现思路
根据本专利技术的一个方面，本专利技术满足了用于使用待表征的样本的一组光谱图像和至少一个神经网络来表征样本的方法所满足的上面提到的需求，该光谱图像是预先获取的，特别是通过红外热成像或者光谱成像获取的，该方法包括以下步骤：-针对所述光谱图像的像素N的多个坐标(x，y)和多个获取Ne，由所述光谱图像生成被观察参数的值的至少一个值卷D(N本文档来自技高网...

【技术保护点】
1.一种用于使用待表征的样本(E)的一组光谱图像以及至少一个神经网络(RN

【技术特征摘要】
【国外来华专利技术】20171201 FR 17615221.一种用于使用待表征的样本(E)的一组光谱图像以及至少一个神经网络(RNCNN)来表征所述样本的方法，所述光谱图像是预先获取的，特别是通过红外热成像或光谱成像预先获取的，所述方法包括在于以下的步骤：
-针对所述图像的像素(N)的多个坐标(x，y)和多个获取(Ne)，由所述光谱图像生成被观察参数的值的至少一个值卷(D(Nx，Ny，Ne))，
-从所述数据卷(D(Nx，Ny，Ne))中提取至少一个输入数据(D’x，y(Ne))的集合(Jx)，这些输入数据对应于针对于在各个获取(Ne)中的具有给定坐标的像素的所述被观察参数的值，已经对所述值应用了至少一个转换函数，
-使用所述输入数据(Jx)训练所述至少一个神经网络(RNCNN)，以便从所述输入数据中提取所述待表征的样本(E)的至少一个特征，以及
-使用通过所述神经网络(RNCNN)提取的所述至少一个特征来将所述输入数据分类为多个类别，每个类别表示所述待表征的样本(E)的至少一个特征。


2.根据权利要求1所述的方法，其中，所述至少一个神经网络(RNCNN)在不是光谱图像的图像上预先训练，特别是在动物、物体、植物或人的图像上预先训练。


3.根据权利要求1或2所述的方法，其中，所述至少一个神经网络(RNCNN)在虚拟图像、特别是虚拟光谱图像上预先训练。


4.根据权利要求1至3中任一项所述的方法，其中，所述至少一个神经网络(RNCNN)是卷积神经网络(CNN)。


5.根据权利要求1至4中任一项所述的方法，其中，所述分类是由独立于所述神经网络的分类器进行的。


6.根据前一项权利要求所述的方法，其中，所述分类器是支持向量机。


7.根据前述权利要求中任一项所述的方法，其中，所述输入数据(Jx)以图像(IJx)的形式传输至所述神经网络(RNCNN)，所述图像(IJx)表示对应于作为所述获取(Ne)的函数的输入数据的集合的值(D’x，y)的曲线。


8.根据前述权利要求中任一项所述的方法，其中，应用于所述被观察参数的所述值(D(Nx，Ny，Ne))的所述至少一个转换函数是定心函数、归一化函数和/或平滑函数。


9.根据权利要求1至7中任一项所述的方法，其中，应用于所述被观察参数的所述值(D(Nx，Ny，Ne))的所述至少一个转换函数是恒等函数。


10.根据权利要求1至8中任一项所述的方法，其中，将用于计算一阶导数的函数应用于所述被观察参数的所述值(D(Nx，Ny，Ne))，以便获得所述输入数据(D’x，y(Ne))。


11.根据前述权利要求中任一项所述的方法，其中，将用于计算二阶导数的函数应用于所述被观察参数的所述值(D(Nx，Ny，Ne))，以便获得所述输入数据(D’x，y(Ne))。


12.根据前述权利要求中任一项所述的方法，其中，从所述输入数据中提取的所述至少一个特征是所述样本(E)或所述样本的特定部分的厚度或厚度范围、表示所述样本的性质的量，特别是油漆涂层的厚度、中间层的厚度、植物的水应力水平、植物的色素沉着的变化。


13.根据前述权利要求中任一项所述的方法，其中，使用的所述光谱图像是通过红外热成像获得的热图像，所述被观察参数是所述样本(E)的温度。


14.根据前一项权利要求所述的方法，其中，在获取所述热图像之前，对所述待表征的样本(E)的表面进行热激发。


15.一种用于表征样本(E)的设备(20)，特别是通过红外热成像或光谱成像进行表征，所述设备(20)包括：
-用于获取待表征的所述样本(E)的一组光谱图像的装置(AQ)，所述装置(AQ)特别是热成像摄像机，
-数据...

【专利技术属性】
技术研发人员：瓦雷里·弗拉比厄，埃里克·佩兰，西赫姆·梅兹加尼，
申请(专利权)人：兰斯大学，克里特迈德茨公司，
类型：发明
国别省市：法国;FR