[發明專利]一種工業生產過程的異常工況檢測和分類方法

有效

• 申請號: 201910779570.8
• 申請日: 2019-08-22
• 公開（公告）號: CN110472695B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 李世鵬
• 申請（專利權）人: 李世鵬
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 康震

1.一種工業應用中的異常工況檢測和分類方法，其特征在于，包括：

獲得包含金屬冶煉設備運行情況的視頻數據和變量數據；

將所述視頻數據輸入至卷積神經網絡，經過卷積層和池化層進行處理，獲得特征降維后的壓縮數據，將所述壓縮數據輸入至全連接神經網絡的全連接層；

獲得與所述視頻數據對應的所述變量數據，將所述變量數據加入至所述卷積神經網絡的全連接層與所述壓縮數據進行拼接，獲得目標數據；

將所述目標數據經過全連接神經網絡的隱藏層進行運算處理，獲得所述視頻數據和所述變量數據的識別結果；

基于所述視頻數據和所述變量數據組成的大數據深度學習后，完成網絡模型架構參數設置，獲得目標網絡模型架構；

獲取待檢測視頻數據和待檢測變量數據，將所述待檢測視頻數據和所述待檢測變量數據輸入到所述目標網絡模型架構，檢測待檢測數據中的金屬冶煉設備運行情況是否存在異常，若是，則對異常進行分類并發送報警指示信息；

所述隱藏層設置于所述卷積神經網絡的所述全連接層和所述全連接神經網絡的輸出層之間；

所述卷積神經網絡的所述全連接層和所述全連接神經網絡的輸出層之間包含至少兩個所述隱藏層；

所述隱藏層內設置有激活函數；

所述全連接神經網絡中第N層的每個神經元的輸入和第N-1層的所有神經元的輸出相連接，每個連接都有一個權值，第N-1層神經元的輸出就是第N層神經元的輸入，輸入層為列向量，其為第一隱藏層的輸入，隱藏層的輸出為下一隱藏層的輸入，每一層的輸入均由上一層的輸出的線性加權獲得，公式為：

其中，v為求得的輸入，x_i為輸入的第i個神經元，w_i為與之對應的權重，b為偏置量。

2.根據權利要求1所述的工業應用中的異常工況檢測和分類方法，其特征在于，所述視頻數據為包含金屬冶煉設備運行情況的視頻幀。

3.一種工業應用中的異常工況檢測和分類裝置，其特征在于，包括：

視頻數據和變量數據獲得單元，用于獲得包含金屬冶煉設備運行情況的視頻數據和變量數據；

網絡模型架構訓練調整單元，用于將所述視頻數據輸入至由卷積神經網絡和全連接神經網絡組成的網絡模型架構中，將所述變量數據直接輸入至所述全連接神經網絡，獲得所述視頻數據和所述變量數據的識別結果，基于所述視頻數據和所述變量數據組成的大數據深度學習后，完成所述網絡模型架構參數設置，獲得目標網絡模型架構；

檢測單元，用于獲取待檢測視頻數據和待檢測變量數據，將所述待檢測視頻數據和所述待檢測變量數據輸入到所述目標網絡模型架構，檢測待檢測數據中的金屬冶煉設備運行情況是否存在異常，若是，則對異常進行分類并發送報警指示信息；

所述網絡模型架構訓練調整單元具體用于：

將所述視頻數據輸入至所述卷積神經網絡，經過卷積層和池化層進行處理，獲得特征降維后的壓縮數據，將所述壓縮數據輸入至所述全連接神經網絡的全連接層；

獲得與所述視頻數據對應的所述變量數據，將所述變量數據加入至所述卷積神經網絡的全連接層與所述壓縮數據進行拼接，獲得目標數據；

將所述目標數據經過全連接神經網絡的隱藏層進行運算處理，獲得所述視頻數據和所述變量數據的識別結果。

4.一種電子設備，其特征在于，包括：

處理器；以及

存儲器，用于存儲工業應用中的異常工況檢測和分類方法的程序，該電子設備通電并通過所述處理器運行該工業應用中的異常工況檢測和分類方法的程序后，執行上述權利要求1-2任意一項所述的工業應用中的異常工況檢測和分類方法。

5.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質中包含一個或多個程序指令，所述一個或多個程序指令用于被服務器執行如權利要求1-2任一項所述的工業應用中的異常工況檢測和分類方法。