一种基于深度强化学习的空气预热器区域识别方法

发明专利有效专利

申请号：
CN202211158753.6
IPC分类号：G06V20/40;G06V10/30;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
申请日期：
2022-09-22
申请人：
南昌工程学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度强化学习的空气预热器区域识别方法
申请号	CN202211158753.6	申请日期	2022-09-22
法律状态	公开	申报国家	中国
公开/公告日	2022-10-25	公开/公告号	CN115240122A
优先权	暂无	优先权号	暂无
主分类号	G06V20/40	IPC分类号	G;0;6;V;2;0;/;4;0;;;G;0;6;V;1;0;/;3;0;;;G;0;6;V;1;0;/;7;6;4;;;G;0;6;V;1;0;/;7;7;4;;;G;0;6;V;1;0;/;8;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	南昌工程学院	申请人地址	江西省南昌市高新技术开发区天祥大道289号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南昌工程学院	当前权利人	南昌工程学院
发明人	许志浩;宋文;康兵;丁贵立;王宗耀;习伯泉;蒋善旗;吕奉坤
代理机构	南昌丰择知识产权代理事务所（普通合伙）	代理人	吴称生

摘要

本发明涉及一种基于深度强化学习的空气预热器区域识别方法，选取视频流中运行状态图像的识别区域，并选取模板帧，将视频流中运行状态图像都送入已经训练好的最优支持向量机模型进行分类，随后使用NanoDet模型对分类得到的运行状态图像的识别区域进行检测，得到所需特征点，以模板帧为NanoDet模型输出结果进行特征点仿射匹配，完成对检测帧的网格区域识别，从而对空气预热器转子的网格区域识别。本发明使用支持向量机模型对视频流进行分类得到最佳检测帧，使用NanoDet模型对最佳检测帧进行检测，最后使用仿射变换得到运行状态图像中其他区域的具体位置，可以较好完成空气预热器区域定位任务。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供