基于神经网络的交互式炉膛火焰图像识别

炉膛火焰燃烧状态监测的关键技术之一是炉膛火焰图像的分类和识别。由于炉膛火焰燃烧过程的复杂性，使得准确反映炉膛火焰燃烧状态的火焰图像特征参数难以确定，在用神经网络训练方法构造分类器时，神经网络的收敛速度和识别的准确性不能同时满足实际要求。文中提出了交互式火焰图像识别方法,改善神经网络的分类识别性能。在神经网络的构造过程中，将人对神经网络分类器构造结果的评价信息反馈给网络，使其根据反馈信息进一步修正分类器。由于将人工的修正信息引入到分类器构造中，加快了神经网络的收敛速度，提高了神经网络识别的准确性。对4000幅火焰图像的实验显示了此方法的有效性。