买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：航天神舟智慧系统技术有限公司

摘要：本发明涉及一种基于深度卷积神经网络的飞机加油场景识别方法及系统，其中方法包括步骤：收集飞机加油场景和非飞机加油场景的图像数据形成训练数据集；根据飞机加油场景，设计深度卷积神经网络结构；参考所述训练数据集，选择模型训练参数；根据所述训练数据集合和所述模型训练参数对所述深度卷积神经网络结构训练，形成深度卷积神经网络模型；利用所述深度卷积神经网络模型对特征数据进行识别检测。根据本发明的方案，实现了基于深度神经网络自动化的飞机加油场景识别，提升了机场安全生产监管人员的工作效率。本发明算法训练需要的数据少，减少了数据收集的工作量。本发明对飞机加油场景识别准确率（mAP）高，能够匹配业务需要。

主权项：1.一种基于深度卷积神经网络的飞机加油场景识别方法，其特征在于，包括以下步骤：收集飞机加油场景和非飞机加油场景的图像数据形成训练数据集；根据飞机加油场景，设计深度卷积神经网络结构；参考所述训练数据集，选择模型训练参数；根据所述训练数据集合和所述模型训练参数对所述深度卷积神经网络结构训练，形成深度卷积神经网络模型；利用所述深度卷积神经网络模型对特征数据进行识别检测；所述深度卷积神经网络结构基于InceptionV3网络进行修改，取InceptionV3mix7的输出，将其降维为一维向量，并使用完全连接的层减少输出参数的数量到128个，并使用ReLU函数激活输出，最后，将128个输出参数通过完全连接层连接到1个参数，并通过Sigmoid函数进行激活；Sigmoid函数将输出的结果转换为0到1之间的数值，代表所述深度卷积神经网络结构判断输入图像为飞机加油场景的概率；所述深度卷积神经网络结构训练时使用公开的已经完成训练的InceptionV3网络参数，仅训练新增的Flatten层和2个FullConn层的参数；所述模型训练参数包括基本超级参数和数据扩增参数；所述基本超级参数包括输入图像大小、学习率和批次大小；所述数据扩增参数包括图像旋转范围、图像宽度移动范围、图像高度移动范围和图像缩放范围；所述图像数据包括多种天气、时间和日照条件的图片；所述输入图像的尺寸为352mm*288mm，所述学习率为0.001，所述批次大小为30；所述图像旋转角度范围为-5°-5°；所述图像宽度移动范围为小于或者等于1.1倍的图像宽度，所述图像高度移动范围为小于或者等于1.1倍的图像高度；所述图像缩放范围为图像缩小或放大-40%-40%；收集所述图像数据时，利用摄像机每间隔1小时拍摄一次图片；所述飞机加油场景的图像数据和所述非飞机加油场景的图像数据相同或者相近。

全文数据：

权利要求：

百度查询： 航天神舟智慧系统技术有限公司 基于深度卷积神经网络的飞机加油场景识别方法及系统