公开(公告)号：CN112613536B

公开(公告)日：2024-07-05

申请号：CN202011443096.0

申请日：2020-12-08

Applicant: 燕山大学

Inventor： 王书涛 ,  刘诗瑜 ,  崔凯 ,  张靖昆 ,  孔德明

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/58 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N20/10 ,  G06N20/20 ,  G06N5/01 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于SMOTE和深度学习的近红外光谱柴油牌号识别方法，其包括如下步骤：步骤1、绘制柴油近红外光谱图并分析柴油不同牌号的分布情况，对牌号标签进行属性映射,并以柴油的不同牌号作为样本集；步骤2、采用SMOTE对样本集进行数据均衡处理，并将样本集划分为训练集样本和测试集样本；步骤3、用训练集样本构建一维深度卷积神经网络的近红外光谱分类模型；步骤4、将测试集样本带入建好的模型中，获得柴油牌号识别的结果，绘制多分类混淆矩阵，并分析每个类别的识别率。本发明不需要大量的预处理，可以提高分类识别的准确性，并可提高少数类样本的识别率。

公开(公告)号：CN112613536A

公开(公告)日：2021-04-06

申请号：CN202011443096.0

申请日：2020-12-08

Applicant: 燕山大学

Inventor： 王书涛 ,  刘诗瑜 ,  崔凯 ,  张靖昆 ,  孔德明

IPC: G06K9/62 ,  G06N20/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于SMOTE和深度学习的近红外光谱柴油牌号识别方法，其包括如下步骤：步骤1、绘制柴油近红外光谱图并分析柴油不同牌号的分布情况，对牌号标签进行属性映射,并以柴油的不同牌号作为样本集；步骤2、采用SMOTE对样本集进行数据均衡处理，并将样本集划分为训练集样本和测试集样本；步骤3、用训练集样本构建一维深度卷积神经网络的近红外光谱分类模型；步骤4、将测试集样本带入建好的模型中，获得柴油牌号识别的结果，绘制多分类混淆矩阵，并分析每个类别的识别率。本发明不需要大量的预处理，可以提高分类识别的准确性，并可提高少数类样本的识别率。