文件大小：1.66M
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，本文提出基于去噪扩散概率模型(denoising diffusion probabilistic models，DDPM)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；接着，对由真实和虚拟图像混`合得到的建模数据采用LeNet-5模型提取深度特征，同时提取火焰图像的亮度、火焰和颜色等物理特征；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过程火焰图像验证所提方法的有效性和优越性。
文章目录
1面向火焰燃烧状态识别的MSWI过程描述
2建模策略与算法实现
2.1基于DDPM的火焰图像生成模块
2.1.1 正向扩散过程
2.1.2 逆向扩散过程
2.1.3 生成过程
2.2多类特征混合提取模块
2.2.1 基于LeNet-5的图像深度特征提取子模块
2.2.2 火焰图像物理特征提取子模块
2.3基于DFC的火焰燃烧状态识别模块
2.4伪代码
3实验结果与分析
3.1数据集及环境配置
3.2实验结果
3.2.1 基于DDPM的火焰图像生成结果
3.2.2 混合特征提取结果
3.2.2.1 深度特征
3.2.2.2 物理特征
3.2.3基于DFC的火焰燃烧状态识别结果
3.3讨论与分析
4结论
