[發明專利]一種電梯保養5S檢測方法與系統

在審

• 申請號: 201910340285.6
• 申請日: 2019-04-25
• 公開（公告）號: CN110197201A
• 公開（公告）日: 2019-09-03
• 發明（設計）人: 江正文
• 申請（專利權）人: 永大電梯設備（中國）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 上海天翔知識產權代理有限公司 31224
• 代理人: 呂伴

1.一種電梯保養5S檢測方法，其特征在于，包括以下步驟：

步驟1：收集現有的電梯保養5S圖像數據；

步驟2：將步驟1所收集的電梯保養5S圖像數據進行彩色或灰度的直方圖統計以及反光、色偏、模糊與正常的分類處理，得到處理后圖像數據；

步驟3：將步驟2所得到的處理后圖像數據進行濾波處理，取出圖像紋理特征；

步驟4：將步驟3的圖像紋理特征轉成二維圖像特征矩陣；

步驟5：將步驟4構建的二維圖像特征矩陣輸入神經網絡進行訓練，得到電梯保養5S圖像分類模型。

2.如權利要求1所述的一種電梯保養5S檢測方法，其特征在于，步驟2中，所述正常的分類包含分類屬性。

3.如權利要求1所述的一種電梯保養5S檢測方法，其特征在于，步驟5中，采用神經網絡作為電梯保養5S圖像分類的分類器，其方法是將樣本從輸入層輸入到感知器中，經過隱含層的權值處理后，從輸出層輸出；而輸出層的實際輸出與期望輸出信號做比較，產生誤差信號，然后通過誤差信號調整訓練部的權值，使得新產生的權值能讓誤差信號盡可能的小，從而達到訓練的作用；因此在數據模型的訓練過程中，其結構與流程如下：

神經網絡是由輸入層、隱含層和輸出層組成，其拓撲結構如圖1所示，圖中x₁，x₂，…x_n為輸入，y₁，y₂，…y_n為輸出值，設輸入層神經元個數為m，隱含層節點為p，W¹、W²分別為輸入層至隱含層以及隱含層至輸出層的權值閾值矩陣，隱層激活函數為輸出層激活函數為g(x)；其中：

隱含層的輸入為：

隱含層的輸出為：

輸出層的輸入為：

輸出層輸出為：

流程是由誤差的反向傳播和輸入數據的正向傳播兩個過程組成。正向傳播使輸入信息在相應的權閾值和激活函數下傳輸到輸出層，當輸出誤差大于給定精度時，則轉入誤差反向傳播，在誤差返回過程中，網絡修正各層權閾值，如此反復迭代直到達到給定的精度。

4.如權利要求1所述的一種電梯保養5S檢測方法，其特征在于，步驟5中，通過差分進化算法對權值閾值矩陣進行了優化，以提高分類器的分類性能。

5.一種實現權利要求1至4任一項權利要求所述的電梯保養5S檢測方法的系統，其特征在于，包括圖像預處理模塊、直方圖處理模塊、濾波處理模塊、特征值處理模塊、模型訓練與儲存模塊、差分策略模塊、識別模塊、分類與輸出模塊；其中：

所述圖像預處理模塊用于圖像分割；

所述直方圖處理模塊用于彩色或灰度的直方圖統計以及反光、色偏、模糊與正常的屬性分類；

所述濾波處理模塊用于提取圖像文理特征；

所述特征值處理模塊用于將處理后的數據轉成二維圖像特征矩陣；

所述模型訓練與儲存模塊用于訓練模型，同時儲存各種訓練后的識別模型；

所述識別模塊用于圖像識別；

所述分類與輸出模塊用于圖像識別結果的分類與輸出；

所述差分策略模塊用于儲存與加快神經算法中的權閾值運算效能與提升準確度的差分策略。

6.如權利要求5所述的系統，其特征在于，所述濾波處理模塊用于提取圖像文理特征采用的方式有限幅濾波法、中位值濾波法、算術平均濾波法、滑動平均濾波法、中位值平均濾波法、限幅平均濾波法、一階滯后濾波法、加權遞推平均濾波法、消抖濾波法或限幅消抖濾波法。