CNN 卷积神经网络实战:从服饰图像识别到工业设备故障检测

举报
yd_276081655 发表于 2026/11/17 20:05:31 2026/11/17
【摘要】 CNN(Convolutional Neural Network,卷积神经网络)是深度学习中最经典的网络架构之一。它通过卷积操作自动提取局部特征,广泛应用于图像识别、目标检测、语音处理及工业传感器分析。与传统全连接神经网络相比,CNN 利用局部连接和参数共享机制,能够更高效地处理具有空间或时间结构的数据。

本文通过两个实际案例,介绍 CNN 的工作原理及 Python 实践:使用 Fashion-MNIST 识别服饰类别,以及使用 FordA 工业传感器数据检测发动机异常。

一、CNN 究竟是什么?

假设我们需要识别一张图片中的物体。

传统全连接神经网络通常将图像展平成一维向量,这会弱化像素之间的空间结构。

CNN 则通过卷积核,在图像上逐步扫描,提取局部特征。

例如,一个 3×3 卷积核会观察图像中的 3×3 像素区域。

输入图像
   |
   v
Conv2D:提取边缘、纹理等特征
   |
   v
ReLU:引入非线性
   |
   v
Pooling:缩小特征图
   |
   v
Conv2D:组合更复杂的特征
   |
   v
Dense:输出分类结果

CNN 的核心组件如下:

组件 作用
Convolution 利用卷积核提取局部特征
ReLU 增强模型表达非线性关系的能力
Pooling 降低特征图尺寸与计算量
Flatten / Global Pooling 将特征图转换为分类或回归所需的表示
Dense 输出预测结果

CNN 为什么有效?

主要有两个原因。

局部感受野: 每个卷积核只观察输入中的局部区域,可以学习边缘、形状及局部变化规律。

参数共享: 同一个卷积核可以在不同位置重复使用,从而减少参数量,并识别出现在不同位置的相似特征。

例如,一个卷积核可以学习识别横向边缘,无论它出现在图片上方还是下方,都能够产生相应响应。

不过,CNN 的特征并非人工指定,而是通过训练自动学习。


二、案例一:Fashion-MNIST 服饰图像分类

1. 数据集介绍

Fashion-MNIST 是 Zalando 发布的经典图像分类数据集。

它包含:

  • 60,000 张训练图片。
  • 10,000 张测试图片。
  • 每张图片尺寸为 28×28。
  • 10 个服饰类别。

主要类别包括 T 恤、裤子、连衣裙、外套、运动鞋、包等。

这是典型的二维 CNN 分类问题。

2. Python 实践

使用 TensorFlow/Keras,首次运行会自动下载数据。

安装依赖:

pip install tensorflow numpy

完整代码:

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

keras.utils.set_random_seed(42)

# 1. 加载数据
(x_train, y_train), (x_test, y_test) = (
    keras.datasets.fashion_mnist.load_data()
)

# 2. 归一化,并增加通道维度
x_train = x_train.astype("float32") / 255
x_test = x_test.astype("float32") / 255

x_train = x_train[..., None]
x_test = x_test[..., None]

# 3. 构建CNN模型
model = keras.Sequential([
    layers.Input(shape=(28, 28, 1)),

    layers.Conv2D(32, 3, activation="relu"),
    layers.MaxPooling2D(2),

    layers.Conv2D(64, 3, activation="relu"),
    layers.MaxPooling2D(2),

    layers.Flatten(),
    layers.Dense(64, activation="relu"),
    layers.Dense(10, activation="softmax")
])

# 4. 编译模型
model.compile(
    optimizer="adam",
    loss="sparse_categorical_crossentropy",
    metrics=["accuracy"]
)

# 5. 训练
model.fit(
    x_train, y_train,
    epochs=5,
    batch_size=128,
    validation_split=0.1
)

# 6. 独立测试
loss, acc = model.evaluate(x_test, y_test)

print("测试准确率:", round(acc, 4))

3. 模型是如何工作的?

输入数据形状为:

(batch_size, 28, 28, 1)

最后一个维度代表灰度图像的单个通道。

第一层:

layers.Conv2D(32, 3)

表示使用 32 个大小为 3×3 的卷积核提取图像特征。

第二层卷积使用 64 个卷积核,在前一层特征的基础上进一步提取复杂形状。

最终使用 Softmax 输出 10 个类别的预测概率。

例如:

T恤:     0.03
裤子:    0.02
连衣裙:  0.91
其他类别:0.04

以上为示意概率。

模型最终选择概率最高的类别作为预测结果。

实际应用中,还可以通过混淆矩阵分析哪些服饰最容易混淆,例如衬衫与 T 恤。


三、案例二:工业发动机故障检测

CNN 除了处理图像,还能处理一维时间序列。

例如,发动机运行时产生的振动、噪声或电流信号,都可以表示为连续采样数据。

1. 业务背景

第二个案例使用 FordA 数据集。

该数据集来自 UCR 时间序列分类数据集,包含:

  • 3,601 条训练样本。
  • 1,320 条测试样本。
  • 每条样本包含 500 个时间采样点。
  • 两个类别,用于识别发动机运行状态。

这是一种典型的工业传感器序列分类任务。

与图像 CNN 不同,这里使用 Conv1D(一维卷积)。

发动机传感器信号(500个采样点)
              |
              v
           Conv1D
              |
              v
          MaxPooling1D
              |
              v
           Conv1D
              |
              v
       GlobalAveragePooling1D
              |
              v
        发动机状态分类

2. Python 实践

FordA 数据可以从 GitHub 获取:

https://github.com/hfawaz/cd-diagram/tree/master/FordA

以下代码会自动下载并读取数据。

import numpy as np
from urllib.request import urlretrieve
from tensorflow import keras
from tensorflow.keras import layers

keras.utils.set_random_seed(42)

# 1. 下载数据
base = (
    "https://raw.githubusercontent.com/"
    "hfawaz/cd-diagram/master/FordA/"
)

for name in ["FordA_TRAIN.tsv", "FordA_TEST.tsv"]:
    urlretrieve(base + name, name)

# 2. 读取时间序列
def load_data(path):
    data = np.loadtxt(path, delimiter="\t")

    x = data[:, 1:].astype("float32")
    y = (data[:, 0] == 1).astype("float32")

    return x[..., None], y

x_train, y_train = load_data("FordA_TRAIN.tsv")
x_test, y_test = load_data("FordA_TEST.tsv")

# 3. 构建一维CNN
model = keras.Sequential([
    layers.Input(shape=(500, 1)),

    layers.Conv1D(32, 7, activation="relu"),
    layers.MaxPooling1D(2),

    layers.Conv1D(64, 5, activation="relu"),
    layers.GlobalAveragePooling1D(),

    layers.Dense(1, activation="sigmoid")
])

# 4. 训练模型
model.compile(
    optimizer="adam",
    loss="binary_crossentropy",
    metrics=["accuracy"]
)

model.fit(
    x_train, y_train,
    epochs=15,
    batch_size=32,
    validation_split=0.2,
    callbacks=[
        keras.callbacks.EarlyStopping(
            patience=4,
            restore_best_weights=True
        )
    ]
)

# 5. 测试集评价
loss, acc = model.evaluate(x_test, y_test)

print("测试准确率:", round(acc, 4))

3. Conv1D 与 Conv2D 有什么区别?

维度 Conv1D Conv2D
输入形式 一维序列 二维图像
卷积方向 沿时间或序列维度 沿高度和宽度
典型数据 传感器、声音、金融序列 图像、视频帧
主要目标 提取局部时间模式 提取局部空间模式

在这个案例中:

layers.Conv1D(32, 7)

表示使用 32 个长度为 7 的卷积核,扫描发动机传感器信号。

模型能够自动学习某些局部波动模式,例如特定形状的振动或噪声变化。

由于 FordA 已经提供标准化的时间序列,因此示例中直接使用原始数据。

需要注意,该数据集已经将信号切分为固定长度的片段。要实现真正的提前故障预警,还需要明确故障发生时间,并使用故障发生之前的信号构造预测标签。


四、CNN、LSTM 和 Transformer 有什么区别?

模型 核心机制 常见优势
CNN 局部卷积与参数共享 局部特征提取效率高
LSTM 循环记忆与门控 处理具有时间依赖的序列
Transformer 自注意力机制 建模不同位置之间的复杂关系

CNN 特别适合识别局部模式,例如图像纹理、短时间振动变化及局部语音特征。

LSTM 通过循环状态传递历史信息,适合部分时间依赖明显的任务。

Transformer 可以通过注意力机制建立不同位置之间的联系,适用于复杂文本、图像和长序列建模。

实际项目中,可以根据数据规模、序列长度和计算成本选择模型,并通过实验比较性能。

五、总结

CNN 的核心思想是利用卷积核和参数共享机制,从原始数据中自动提取局部特征。

本文两个案例分别展示了 CNN 的不同用途:

Fashion-MNIST: 使用二维卷积提取图像特征,完成服饰类别识别。

FordA: 使用一维卷积提取工业传感器信号的局部变化模式,完成发动机状态分类。

CNN 的关键优势在于能够利用数据的空间或时间结构,以较少的参数学习有效特征。

学习 CNN,最重要的是理解卷积核如何提取局部特征、池化如何压缩特征,以及不同卷积层如何逐渐组合出更加复杂的表示。

掌握这些基本概念后,就可以进一步研究 ResNet、EfficientNet、U-Net 等经典卷积网络架构。

【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。