《表1 优化BP神经网络算法的识别准确率》
个
本文从采集的大量热像图中随机选取了1 800个样本进行图像处理,所选取的样本包含6种类型,每种类型约300张热像图样本。首先,将所选取的样本进行预处理,接下来对热像图进行图像灰度化处理、二值化和轮廓提取的预处理对比实验,最后用优化后的BP神经网络方法对其进行特征提取与分类识别。主要对训练时间和检测精度所得的数据进行分析总结。基于优化的BP神经网络算法的识别准确率如表1所示。由表1可知,用这种优化的BP神经网络算法进行特征提取与分类识别,1200个待测样本中,可识别为1 161个,识别率高达96.8%。小波变换和优化BP神经网络算法在不同训练样本下的训练时间如表2所示。由表2可知,基于优化BP神经网络这种算法的训练时间非常短,经计算知平均每个样本的平均训练时间约为0.2 s。
图表编号 | XD0031058000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 赵士龙、李维军、石成江 |
绘制单位 | 辽宁石油化工大学机械工程学院、辽宁石油化工大学机械工程学院、辽宁石油化工大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |