【能源人都在看，點選右上角加'關注'】
一
研究背景
甲烷感測器自動檢定系統採集感測器數值影象時，由於感測器本身材質存在光反射，且顯示面板上有附著物，採集到的數值影象質量較差，對字元識別造成困難，降低了識別準確率。而現有的基於機器學習的儀表字元識別方法識別率較低、演算法執行速度較慢。針對上述問題，提出了一種基於改進卷積神經網路（CNN）-支援向量機（SVM）的甲烷感測器數顯識別方法。
二
研究內容
透過影象增強、數值區域影象提取、影象分割、小數點定位等4個步驟對甲烷感測器數值影象進行預處理，並將處理後的數字影象作為自定義資料集。針對CNN-SVM模型執行時間較長的問題，使用PCA演算法對CNN全連線層提取的影象特徵進行降維處理，用最主要資料特徵代替原始資料作為SVM分類器的樣本進行分類識別。
改進CNN-SVM模型流程
採用微型高畫質USB攝像頭採集甲烷感測器數值影象，將訓練好的改進CNN-SVM模型移植到樹莓派中進行影象處理和識別
基於改進CNN-SVM的甲烷感測器數顯識別方法
三
總結
在自建資料集上的驗證結果表明，與傳統CNN模型和CNN-SVM模型相比，改進CNN-SVM模型的準確率更高，執行時間更短。在經典MNIST資料集上的驗證結果表明，綜合考慮精度和實時性要求，改進CNN-SVM模型的綜合性能優於CRNN，SSD，YOLOv3，Faster R-CNN等模型。實驗結果表明，基於改進CNN-SVM的甲烷感測器數顯識別方法的識別成功率為99%，與模擬分析結果一致。
引用格式
唐守鋒，史經燦，周楠，等.基於改進CNN-SVM的甲烷感測器數顯識別方法［J］.工礦自動化，2022,48（1）：53-57.
TANG Shoufeng,SHI Jingcan,ZHOU Nan,et al.Digital recognition method of methane sensor based on improved CNN-SVM［J］.Industry and Mine Automation，2022,48（1）：53-57.
作者聯絡方式
唐守鋒（1970-），男，山東淄博人，教授，博士研究生導師，主要研究方向為檢測技術與自動化裝置、感測器應用技術、智慧儀表和智慧機器人技術，E-mail:[email protected]。通訊作者：史經燦（1995-），男，江蘇徐州人，碩士研究生，主要研究方向為粉塵均勻性控制、檢測技術與自動化裝置，E-mail:[email protected]。
免責宣告：以上內容轉載自工礦自動化，所發內容不代表本平臺立場。
全國能源資訊平臺聯絡電話：010-65367702，郵箱：[email protected]，地址：北京市朝陽區金臺西路2號人民日報社
