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：北京光函数科技有限公司

摘要：本说明书实施例公开了一种垃圾热值的测量方法及装置。方案可以包括：利用光谱相机获取待处理垃圾的原始光谱图像，对原始光谱图像进行去噪处理，得到经过去噪处理后的光谱图像；基于所述经过去噪处理后的光谱图像得到所述待处理垃圾的光谱信息；将所述光谱信息输入到训练完毕的卷积神经网络中，得到所述待处理垃圾对应的热值信息。本申请通过设置于待处理垃圾附近的光谱相机获取待处理垃圾的光谱图像，再将经过去噪处理后的光谱图像中的光谱信息输入到训练完毕的卷积神经网络中，能够快速准确地得到该待处理垃圾对应的热值信息，并且该过程无需人工对待处理垃圾进行取样，从而不受分拣人员主观判断的影响，得到的待处理垃圾的热值信息的精确度高。

主权项：1.一种垃圾热值的测量方法，其特征在于，包括：S1、利用光谱相机获取待处理垃圾的原始光谱图像，对所述原始光谱图像进行去噪处理，得到经过去噪处理后的光谱图像；S2、基于所述经过去噪处理后的光谱图像得到所述待处理垃圾的光谱信息；S3、将所述光谱信息输入到训练完毕的卷积神经网络中，得到所述待处理垃圾对应的热值信息；其中，所述训练完毕的卷积神经网络的训练过程具体包括：S31、构建数据集；预先采用光谱相机得到若干个由不同种类垃圾进行混合得到的垃圾混合物的光谱图像，并基于热值测量仪器测量得到每个垃圾混合物的热值信息，得到若干个以热值信息为标签的垃圾混合物的光谱图像；S32、将所述若干个以热值信息为标签的垃圾混合物的光谱图像按预定比例划分为训练集和验证集两部分；S33、以所述训练集中以热值信息为标签的垃圾混合物的光谱图像为训练样本对卷积神经网络进行训练；在训练过程中按如下优化器算法对所述卷积神经网络中的权重参数进行更新，当训练出的卷积神经网络在所述验证集上的准确程度满足预定阈值时停止训练；其中，所述优化器算法具体包括：S331、设定学习率ε、衰减速率ρ、动量系数μ，设定卷积神经网络中的待学习参数θ、累积平方梯度r、累积梯度v的初始值，以及以数值大小等于10-5的参数δ，S332、从所述训练集中随机选择m个样本，其中，所述m个样本中的各个样本携带有对应的热值信息，所述样本中包含m个光谱图像表示为：{x1，...,xm}，以及各个光谱图像对应的热值信息表示为：{y1，...,ym}；S333、按如下规则计算所述m个样本在当前时间步t时的平均梯度gt：其中，函数fxi；θ表示卷积神经网映射的函数，函数Lfxi；θ,yi表示损失函数；表示梯度符号；S334、按如下规则更新所述当前时间步t对应的累积梯度vt：vt←μvt-1+1-μgt，其中，其中符号vt-1表示所述当前时间步t的上一时间步对应的累积梯度；S335、按如下规则更新累积所述当前时间步t对应的平方梯度rt：rt←ρrt-1+1-ρgt*gt，其中符号rt-1表示所述当前时间步t的上一时间步对应的累积平方梯度；S336、按如下规则分别计算第一修正偏差和第二修正偏差其中，S337、基于下述规则更新所述当前时间步t时的待学习参数其中，符号θt-1表示所述当前时间步t的上一时间步对应的待学习参数；更新时间步t＝t+1；S338、重复步骤S332至步骤S337迭代直至训练出的所述待学习参数θ在验证集上的准确程度满足预定阈值时停止训练。

全文数据：

权利要求：

百度查询： 北京光函数科技有限公司 一种垃圾热值的测量方法及装置