TY -的A2 - Na,京盟-阴,Changchang AU - Cheng Xuezhen盟——刘Xilu盟——赵,孟PY - 2020 DA - 2020/09/23 TI -大气粒子的识别和分类基于SEM图像使用卷积神经网络注意力机制SP - 9673724六世- 2020 AB -准确识别和分类的大气颗粒物可以提供他们的源解析的基础。目前大多数的研究主要集中在大气粒子的分类基于粒子的能谱,低精度的问题,耗费时间。有必要研究大气粒子的分类方法更高的精度。摘要卷积神经网络(CNN)模型与注意力机制提出了识别和分类的扫描电子显微镜(SEM)图像的大气粒子。首先,这项工作建立了一个数据库,青岛2016 - 2018年大气粒子的分类研究。这个数据库包含3469 SEM图像的单颗粒。其次,通过分析单粒子SEM图像的形态特征,它可以分为四类:纤维粒子,絮状颗粒球形粒子,粒子和矿物质。第三,通过将注意力机制引入卷积神经网络,一个Attention-CNN模型识别和分类的四种类型的大气粒子建立基于SEM图像。最后,Attention-CNN模型训练和测试基于SEM图像数据库,识别和分类的结果,得到了四种类型的粒子。在同样的扫描电镜图像数据库,分类结果Attention-CNN比较与CNN和支持向量机。 It is found that Attention-CNN has higher classification accuracy and reduces significantly the misclassification number of particles, which shows the focusing effect of attention mechanism. SN - 1076-2787 UR - https://doi.org/10.1155/2020/9673724 DO - 10.1155/2020/9673724 JF - Complexity PB - Hindawi KW - ER -