一种基于人工智能的河道底泥探测及修复系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及一种基于人工智能的河道底泥探测及修复系统，包括：根据分类神经网络的混淆矩阵获得目标类别和对比类别的区分难度，对目标类别和对比类别的特征向量进行匹配获得目标类别和对比类别的KM匹配值；根据目标类别和对比类别的KM匹配值和目标类别在目标特征向量下和对比类别的KM匹配值获得目标类别的目标特征向量的区分能力；计算目标类别的每个超声波数据中每个数据点的区分系数，将数据点的区分系数作为初始权值训练分类神经网络，根据分类神经网络获得待清淤的河道包含的底泥类别，进而制定处理方案。本发明专利技术将数据点的区分系数作为初始权重进行神经网络的训练，提高对不同类别底泥的识别精度和准确度。精度和准确度。精度和准确度。

【技术实现步骤摘要】
一种基于人工智能的河道底泥探测及修复系统


[0001]本专利技术涉及数据处理
，具体涉及一种基于人工智能的河道底泥探测及修复系统。

技术介绍

[0002]河道淤积影响河道的防洪、排涝、灌溉、供水、通航等各项功能的正常发挥，为恢复河道正常功能，促进经济社会的快速持续发展，需要进行河道清淤疏浚工程；在进行河道底泥清理时，需要根据地域以及环境的不同制定不同的处理方案，这就需要先探明河道底泥的类型。
[0003]由于声波在不同介质中传播时会发生反射、折射和散射等现象，而不同类型的底泥具有不同的声学特性和物理结构，不同类型的底泥在不同频率声波下会呈现不同的特性和反应，因此，常使用超声波探测获得超声波探测。
[0004]现有方法将不同频率的超声波探测数据输入到神经网络中，对底泥类别进行识别；但是由于有的底泥的声波特征较为相近，导致神经网络的识别效果不好，容易将某些底泥类别识别错误。

技术实现思路

[0005]本专利技术提供一种基于人工智能的河道底泥探测及修复系统，以解决现有的问题。
[0006]本专利技术的一种基于人工智能的河道底泥探测及修复系统采用如下技术方案：本专利技术提供了一种基于人工智能的河道底泥探测及修复系统，所述系统包括：数据集获取模块，将不同频率的超声波数据及其底泥类别作为训练数据集；区分能力获取模块，通过训练数据集训练分类神经网络，获得分类神经网络的混淆矩阵；将任意一个底泥类别记为目标类别，将除目标类别外的任意一个底泥类别记为对比类别，根据混淆矩阵获得目标类别和对比类别的区分难度，获得目标类别和对比类别的特征向量，对目标类别和对比类别的特征向量进行匹配获得目标类别和对比类别的KM匹配值；将目标类别的任意一个特征向量记为目标类别的目标特征向量，获得目标类别在目标特征向量下和对比类别的KM匹配值；根据目标类别和对比类别的KM匹配值和目标类别在目标特征向量下和对比类别的KM匹配值获得目标类别的目标特征向量的区分能力；权值获取模块，根据目标类别的目标特征向量的区分能力和目标类别和对比类别的区分难度，计算目标类别的每个超声波数据中每个数据点的区分系数，将数据点的区分系数作为初始权值训练分类神经网络，根据分类神经网络获得待清淤的河道包含的底泥类别，进而制定处理方案。
[0007]进一步地，所述获得目标类别和对比类别的区分难度，包括的具体步骤如下：式中，D表示目标类别和对比类别的区分难度，n1表示混淆矩阵中标签为目标类别
的样本被错误划分为对比类别的数据量，N1表示标签为目标类别的样本的数据量；n2表示混淆矩阵中标签为对比类别的样本被错误划分为目标类别的数据量，N2表示标签为对比类别的样本的数据量。
[0008]进一步地，所述获得目标类别和对比类别的特征向量，包括的具体步骤如下：获得目标类别的特征向量：将属于目标类别的每条超声波数据作为矩阵中的一行，获得目标类别的多频率矩阵，将每条超声波数据中的每个数据点作为多频率矩阵中的每个元素；对目标类别的多频率矩阵进行SVD分解，得到目标类别的多频率矩阵的若干个特征向量；同理，获得对比类别的特征向量。
[0009]进一步地，所述获得目标类别和对比类别的KM匹配值，包括的具体步骤如下：对目标类别和对比类别的特征向量进行匹配，获得目标类别和对比类别的KM匹配值：将目标类别的特征向量作为左侧节点，将对比类别的特征向量作为右侧节点，左侧每个节点与右侧所有节点都有边，边权值为两个节点对应的特征向量的余弦相似度，通过最大匹配原则对左侧节点和右侧节点进行KM匹配，得到所有匹配对；将所有匹配对的边权值的和，记为目标类别和对比类别的KM匹配值。
[0010]进一步地，所述获得目标类别在目标特征向量下和对比类别的KM匹配值，包括的具体步骤如下：根据目标类别除目标特征向量外的其他特征向量进行重建得到目标类别在目标特征向量下的重建矩阵；对目标类别在目标特征向量下的重建矩阵进行SVD分解，得到目标类别在目标特征向量下的重建矩阵的若干个特征向量，记为目标类别在目标特征向量下的重建矩阵的重建特征向量；同理，对目标类别在目标特征向量下的重建矩阵的重建特征向量和对比类别的特征向量进行匹配，获得目标类别在目标特征向量下和对比类别的KM匹配值。
[0011]进一步地，所述获得目标类别的目标特征向量的区分能力，包括的具体步骤如下：如果目标类别在目标特征向量下和对比类别的KM匹配值与目标类别和对比类别的KM匹配值的差值大于0，将差值作为目标类别和对比类别的特征向量的区分能力值；如果目标类别在目标特征向量下和对比类别的KM匹配值与目标类别和对比类别的KM匹配值的差值小于等于0，目标类别和对比类别的特征向量的区分能力值为0；将目标特征向量对目标类别和每个底泥类别的区分能力与目标类别和每个底泥类别的区分难度的乘积的和，记为目标类别的目标特征向量的区分能力；对所有底泥类别的特征向量的区分能力进行线性归一化，将归一化后的区分能力记为所有底泥类别的特征向量的区分能力。
[0012]进一步地，所述计算目标类别的每个超声波数据中每个数据点的区分系数，包括的具体步骤如下：式中，表示目标类别的第j个超声波数据中第s个数据点的区分系数，m表示目标类别的特征向量的数量，表示目标类别的第i个特征向量的区分能力，表示目标类别的
多频率矩阵中第j行第s列的数据点与目标类别在第i个特征向量下的重建矩阵中第j行第s列的元素的差值的绝对值，表示以自然常数e为底的指数函数。
[0013]进一步地，所述获得分类神经网络的混淆矩阵，包括的具体步骤如下：通过分类神经网络获得训练数据集中每个样本的输出类别，将每种底泥类别的样本被错误划分为其他底泥类别的数据量组成的矩阵记为分类神经网络的混淆矩阵。
[0014]本专利技术的技术方案的有益效果是：针对现有方法将不同频率的超声波探测数据输入到神经网络中对底泥类别进行识别时，由于有的底泥的声波特征较为相近，导致神经网络的识别效果不好，容易将某些底泥类别识别错误的问题，本专利技术通过分类神经网络的混淆矩阵得到每两种底泥类别的区分难度，通过依次去除特征向量，进而进行KM匹配值的比较，得到了每个特征向量的区分能力，结合数据点对应的底泥类别的特征向量的区分能力，以及去除特征向量前后数据点的差异获得数据点的区分系数，将区分系数作为数据点的初始权重，进而进行神经网络的训练，使得得到的VGGNET网络大大提高了对不同类别底泥的识别精度和准确度。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术的一种基于人工智能的河道底泥探测及修复系统的系统框图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的河道底泥探测及修复系统，其特征在于，所述系统包括：数据集获取模块，将不同频率的超声波数据及其底泥类别作为训练数据集；区分能力获取模块，通过训练数据集训练分类神经网络，获得分类神经网络的混淆矩阵；将任意一个底泥类别记为目标类别，将除目标类别外的任意一个底泥类别记为对比类别，根据混淆矩阵获得目标类别和对比类别的区分难度，获得目标类别和对比类别的特征向量，对目标类别和对比类别的特征向量进行匹配获得目标类别和对比类别的KM匹配值；将目标类别的任意一个特征向量记为目标类别的目标特征向量，获得目标类别在目标特征向量下和对比类别的KM匹配值；根据目标类别和对比类别的KM匹配值和目标类别在目标特征向量下和对比类别的KM匹配值获得目标类别的目标特征向量的区分能力；权值获取模块，根据目标类别的目标特征向量的区分能力和目标类别和对比类别的区分难度，计算目标类别的每个超声波数据中每个数据点的区分系数，将数据点的区分系数作为初始权值训练分类神经网络，根据分类神经网络获得待清淤的河道包含的底泥类别，进而制定处理方案。2.根据权利要求1所述的一种基于人工智能的河道底泥探测及修复系统，其特征在于，所述获得目标类别和对比类别的区分难度，包括的具体步骤如下：式中，D表示目标类别和对比类别的区分难度，n1表示混淆矩阵中标签为目标类别的样本被错误划分为对比类别的数据量，N1表示标签为目标类别的样本的数据量；n2表示混淆矩阵中标签为对比类别的样本被错误划分为目标类别的数据量，N2表示标签为对比类别的样本的数据量。3.根据权利要求1所述的一种基于人工智能的河道底泥探测及修复系统，其特征在于，所述获得目标类别和对比类别的特征向量，包括的具体步骤如下：获得目标类别的特征向量：将属于目标类别的每条超声波数据作为矩阵中的一行，获得目标类别的多频率矩阵，将每条超声波数据中的每个数据点作为多频率矩阵中的每个元素；对目标类别的多频率矩阵进行SVD分解，得到目标类别的多频率矩阵的若干个特征向量；同理，获得对比类别的特征向量。4.根据权利要求1所述的一种基于人工智能的河道底泥探测及修复系统，其特征在于，所述获得目标类别和对比类别的KM匹配值，包括的具体步骤如下：对目标类别和对比类别的特征向量进行匹配，获得目标类别和对比类别的KM匹配值：将目标类别的特征向量作为左侧节点，将对比类别的特征向量作为右侧节点，左侧每个节点与右侧所有节点都有边，边权值为两个节点对应的特征向量的余弦相似度，通过...

【专利技术属性】
技术研发人员：陈凤振，张振海，张炯，田中锋，尚华，葛安春，侯畅，
申请(专利权)人：山东大学，
类型：发明
国别省市：