一种基于DCNN-Inception网络识别汽车尾气遥感数据的算法制造技术

本发明专利技术公开了一种利用DNN

【技术实现步骤摘要】
一种基于DCNN
‑
Inception网络识别汽车尾气遥感数据的算法


[0001]本专利技术属于汽车尾气遥感数据监测
，具体地讲，是涉及一种利用 DCNN
‑
Inception网络识别汽车尾气遥感数据的算法。

技术介绍

[0002]目前，全国的机动车数量增长非常迅速，而机动车带来的排气污染也对城市环境造成极其严重的影响，甚至成为主要的城市大气污染源，造成大气环境质量的恶化。在城市化的进程中，为了解决城市污染问题，必须对机动车排气污染进行控制，也就是对汽车尾气进行监测。目前监测汽车尾气用的最多的汽车遥感监测技术，该技术可以有效的在特定区域布置汽车尾气遥感监测系统，对过往行驶的汽车排放的氮氧化物、碳氢化合物和一氧化碳的浓度进行检测，形成监测数据，通过分析来判断该汽车是否存在排放控制问题。但是由于存在一些因素(车速过快，车辆减速过程，复杂天气条件等)，使得在采集到数据中存在少量不合理数据和干扰数据。需要进行剔除，不然会影响到识别精度，同时采集到的数据量比较大，人工剔除这些数据的难度比较大，不能快速的准确识别出尾气排放有问题的汽车。
[0003]在此背景下，迫切需求可以通过计算机软件对检测的汽车尾气遥感数据进行分析，应用算法的优化对数据的识别准确性进行提高，解决汽车尾气处理的实际问题。基于此，提出本次专利技术的研究目的：解决汽车尾气数据的识别问题，应用卷积神经网络算法识别汽车尾气数据，提高识别精度，有效判断出尾气排放有问题的车辆。
[0004]研究意义和必要性
>[0005]汽车尾气遥感检测技术是目前最有效方法检测尾气方法，具有检测速度快、自动化程度高、且无需停车检查等优点，能准确地监测汽车发动机的运行工况，并如实反映汽车尾气排放的实际情况，检测到的数据真实有效。目前，由于检测到的尾气数据存在数据量庞大，冗余量大，数据存在一定错误等因素，人工分析数据比较麻烦，需要借助计算机检测算法进行分析，计算机算法作为尾气遥感数据处理过程中的一个重要组成部分，被看作汽车尾气遥感数据进行后续识别、分析和解释的关键。因此，正确的区分出合格与不合格尾气数据在对大气环境质量，气候分析，环境检测等研究领域就具有不可或缺的作用，具有一定的实际意义。
[0006]由于汽车尾气遥感设备也会受到外部检测环境(云层、气流、电磁波、光波) 影响，汽车本身因素(车辆速度过快，过慢，车流量大等)影响，监测到结果经常会出现一些异常数据，这对于应用计算机识别技术而言，都存在是研究困难，影响着识别的准确性。基于以上因素以及传统算法存在严重的准确率不足的问题，本课题提出利用深度学习算法——卷积神经网络算法，应用该算法进行处理遥感数据是十分必要的，适用于汽车尾气遥感数据的识别和分类。

技术实现思路

[0007]本专利技术研究的图像是由数据本身形成的，汽车尾气遥感检测系统采集到数据，研
究者可以根据数据中的关键参数特性，进行特征选取，再把尾气中的各个关键参数和其对应数值形成图像，图像可以是柱状图，也可以是散点图，再利用卷积神经网络进行识别分类，最终结果可以应用机器学习来辨认尾气是否为合格尾气，从而能够判断汽车指标是否合格。该专利技术可以分解为以下几个研究内容：
[0008]1)汽车尾气遥感数据的采集与关键参数的提取
[0009]目前，世界上有许多的国家都将汽车工业生产作为本国国民经济的产业支柱，汽车工业发展迅速，这使的汽车数量趋于饱和状态。而汽车是能源消耗和污染物排放的主要来源，根据城市空气污染物来源的统计。有80％左右的空气污染物来源于汽车排放的尾气，所以限制汽车尾气排放可以更好的减少尾气对空气的危害。汽车尾气是包括汽油燃烧后的废气等，其尾气数据是判断尾气是否合格的重要标识，如何确定汽车尾气中的关键参数为研究重点。
[0010]通过对国内汽车尾气参数数据的调查研究，得出影响汽车尾气排放成分主要有NO/CO2、HC/CO2、CO/CO2等关键参数，通过汽车尾气遥感检测仪器获得得到这些参数的相对浓度后，需要通过公式来进行推导和计算，从而得出尾气中各种气体的绝对浓度。因此如果行驶的车辆处于化学计量空燃比燃烧状态，则能够取得更好的遥测效果，其参数更准确反应汽车尾气排放情况。
[0011]2)汽车尾气关键参数可视化方法实现
[0012]汽车尾气遥感检测系统每时每刻都会产生大量的数据，传播速度也是令人难以置信。据统计，2020年年度数据生成率为40Zettabytes。这是以前所不能比的。而这些数据本身并不能为管理人员和其他使用者获得具有价值的见解，必须要经过整理和规范这些数据。进行进一步的解释，然后进行分析和采取相关的行为，这里就需要研究者把数据更直观的表达出来。这就是可视化的步骤，允许使用者更直观的发现这个数据的内容。而Python是个很好的编程工具，可以把需求的数据用过程序模块来实现。
[0013]在汽车尾气数据各种参数中，选取具有关键参数的CO2，CO，HC为判断依据，初步生成1000张柱状图，作为卷积神经网的数据集合。同时通过阈值分析，将汽车尾气数据的规范分成两类。主要操作方法为：打开Python，添加环境变量引入matplotlib，pandas等模块，通过pandas来读取xls文件使其存储到变量data 中，再从中读取各个列的数据，用matplotlib中的plt子模块去配置生成图像的参数，主要包括大小，分辨率，标题等，plt.bar子模块生成柱状图，最终用plt.show() 显示出可视化图片。这样可以更加直观的把数据表达的信息显示出来，方便使用者的判断。通过Python中的matplotlib模块进行图像绘制。将汽车尾气的关键指标参数合成在一起，生成1000张柱状图，通过对数据数值的规范分成两类(合格和不合格)。
[0014]该生成的数据集图像作为CNN网络的训练集，用CNN模型训练数据时，研究者选取给图像命名的方法为：将尾气数据集通过python转变准备好1000张图像，并将其转换为jpg格式。数据集中选取了2类图片，每类500张图，分别是：0＝合格，1＝不合格。图像都放在datass文件夹中，按照label_id.jpg进行命名，例如1_111.jpg代表图片类别为1(不合格)，id为111。
[0015]3)卷积神经网络算法识别汽车尾气遥感数据研究
[0016]1、卷积神经网络结构
[0017]CNN算法的全称是卷积神经网络算法，是一种前馈的神经网络，一般是由数据输入层、卷积计算层、分析池化层、全连接分类层组成。用卷积运算来代替传统的运算方法的神经网络。卷积层的用途就是进行特征提取，通常研究者根据需求输入图像，本次是128*128*3(3是它的深度即R、G、B)。把图像分成三层分量，通常就是用矩阵表示，下一步用卷积核来提取图像的特征和卷积核卷积，就可以得到特征值。卷积核在神经网络里代表着对应的权重，卷积核和图像进行点乘代表着卷积核的权重对应相应位置的图像信息。池化层的输入一般是上一个卷积层的输出，池化层是把输入的特征图用n*n的窗口划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用DNN
‑
inception网络识别汽车尾气遥感数据的算法，包括如下步骤：(S1)汽车尾气数据收集处理，且进行可视化，准备输入信息。(S2)卷积神经网络，对信息进行训练学习。(S3)进卷积神经网络，加入inception结构进行迁移学习。(S4)建立CNN
‑
inception网络结构，并且对数据准确率和计算速度进行判断。2.根据权利要求1所述的一种利用DCNN
‑
Inception网络识别汽车尾气的算法，其特征在于，所述步骤(S1)中汽车尾气排放成分主要有NO/CO2、HC/CO2、CO/CO2等关键参数，通过汽车尾气遥感检测仪器获得得到这些参数的相对浓度后。选取关键参数的CO2，CO，HC为判断依据，初步生成1000张柱状图，作为卷积神经网的数据集合。同时通过阈值分析，将汽车尾气数据的规范分成两类。3.根据权利要求1所述的一种利用DCNN
‑
Inception网络识别汽车尾气的算法，其特征在于，所述步骤(S2)中所述卷积神经网络包含由数据输入层、卷积计算层、分析池化层、全连接分类层组成。用卷积运算来代替传统的运算方法的神经网络，卷积核在神经网络里代表着对应的权重，卷积核和图像进行点乘代表着卷积核的权重对应相应位置的图像...

【专利技术属性】
技术研发人员：彭桂力，王首彬，程保华，朱琳，莘嘉庆，麦永祺，
申请(专利权)人：天津城建大学，
类型：发明
国别省市：