基于扩散模型图像增强与多类特征融合的火焰燃烧状态智能识别

摘要

针对领域专家依据经验判断城市固废焚烧(municipal solid waste incineration,MSWI)过程中的火焰燃烧状态具有随意性、主观性和差异性，以及高质量火焰图像稀少等问题，提出基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的图像增强与多类特征融合的火焰燃烧状态识别方法。首先，利用DDPM生成虚拟火焰图像以弥补高质量建模图像稀缺问题;然后，对由真实和虚拟图像混`合得到的建模数据采用Le Net-5模型提取深度特征，同时提取火焰图像的亮度、范围和颜色等物理特征;最后，面向上述混合特征构建基于深度森林分类(deep forest classification,DFC)的火焰燃烧状态识别模型。基于实际MSWI过程火焰图像验证了该方法的有效性和优越性。

关键词

城市固废焚烧(municipal solid waste incineration,MSWI) / 火焰燃烧状态识别 / 去噪扩散概率模型(denoising diffusion probabilistic model,DDPM) / 深度特征 / 物理特征 / 深度森林分类(deep forest classification,DFC)

基金资助

新一代人工智能国家科技重大项目资助项目(2021ZD0112302)