工业物联网复杂环境下的小样本烟雾监测方法技术

本发明专利技术是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明专利技术结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。况下也能很好地在有雪环境下对烟雾进行监控。

【技术实现步骤摘要】
工业物联网复杂环境下的小样本烟雾监测方法


[0001]本专利技术属于智能图像识别
，具体的说是一种工业物联网复杂环境下的小样本烟雾监测方法，尤其是一种基于生成对抗网络和迁移学习的工业物联网复杂环境下的小样本烟雾监测方法。

技术介绍

[0002]在工业环境中，火灾会对经济和社会造成巨大的危害，所以必须要重视对其进行监控，而火灾的同时会产生烟雾，并且烟雾会比火灾更快的向上移动，因此可以从远处看到烟雾，而烟雾的早期发现可以帮助发现火灾，这对灾难管理系统很有帮助。所以这些年有许多的监测烟雾的方法被提出，如：将颜色信息与运动结合起来以进行烟雾检测，使用光流计算运动特征，然后使用反向传播神经网络将其分类为烟雾和非烟雾；将颜色特征与图像的能量相结合，以执行烟雾检测等。这些方法虽然在普通的视频监控中表现良好，但在有雪监视环境中的表现出的性能并不令人满意。如CN112101473A公开了一种基于小样本学习的烟雾检测算法，该方法是通过改进的生成对抗网络生产大量的样本数据，将数据输入到卷积神经网络进行学习训练，调整神经网络的参数，达到精确检测火灾的目的，但是此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业物联网复杂环境下的小样本烟雾监测方法，其特征在于：所述监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定，得到类别概率；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，得到类别概率；S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。2.根据权利要求1所述工业物联网复杂环境下的小样本烟雾监测方法，其特征在于：所述条件生成对抗网络采用一个生成器和鉴别器D1和鉴别器D2，图片在擦混入所述鉴别器D1之前被分割成小块。3.根据权利要求1所述工业物联网复杂环境下的小样本烟雾监测方法，其特征在于：所述步骤S1中，生成的数据集输入卷积神经网络中进行训练，具体的训练步骤包括：S1.1：生成器根据输入噪声及标签生成带标签的伪图像；S1.2：将步骤S1.1的伪图像传送到鉴别器D2中，同时将步骤S1.1的伪图像切割成小块后传入到鉴别器D1中；S1.3：前馈通过后，鉴别器将误差梯度发送给生成器，鉴别器更新自身；S1.4：通过损失函数来更新鉴别器D1和鉴别器D2。4.根据权利要求3所述工业物联网复杂环境下的小样本烟雾监测方法，其特征在于：所述步骤S1....

【专利技术属性】
技术研发人员：赵海涛，周相如，王滨，张晖，夏文超，朱洪波，张峰，王星，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：