[發(fā)明專利]一種基于深度學(xué)習(xí)技術(shù)的巡檢作業(yè)評價方法

在審

• 申請?zhí)枺?/td>: 202010120499.5
• 申請日: 2020-02-26
• 公開（公告）號: CN111325167A
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計）人: 顧小山;倪建軍;王建輝;周斌;郭延安;陳敏俊;黃凌云;高健;高原;高翔;李楓
• 申請（專利權(quán)）人: 中國鐵路上海局集團(tuán)有限公司南京動車段
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q10/00
• 代理公司: 天津市三利專利商標(biāo)代理有限公司 12107
• 代理人: 韓新城

1.一種基于深度學(xué)習(xí)技術(shù)的巡檢作業(yè)評價方法，其特征在于，包括步驟：

利用巡檢儀采集設(shè)備，對巡檢作業(yè)現(xiàn)場目標(biāo)對象進(jìn)行拍照，然后利用基于深度學(xué)習(xí)的圖像比對服務(wù)模型自動對拍攝的巡檢作業(yè)圖片進(jìn)行分析和比對，反饋確認(rèn)作業(yè)質(zhì)量，從而實現(xiàn)作業(yè)過程質(zhì)量的評價。

2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)技術(shù)的巡檢作業(yè)評價方法，其特征在于，所述基于深度學(xué)習(xí)的圖像比對服務(wù)模型包括基于通道注意力的深度可分離卷積塊，該基于通道注意力的深度可分離卷積塊對經(jīng)過深度可分離卷積得到的張量流U，首先進(jìn)行全局均值池化層得到每一個通道對應(yīng)的一個標(biāo)量值，然后經(jīng)過兩層全連接層的先降維再升維的變化，增加非線性特征，再經(jīng)過Sigmoid激活函數(shù)處理，最終把得到的向量與張量流U進(jìn)行點積操作，最終輸出新的張量流，完成特征提取工作；其中該得到的向量的向量長度和張量流U的通道數(shù)相同；最后通過SoftMax層完成最終的對比服務(wù)。

3.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)技術(shù)的巡檢作業(yè)評價方法，其特征在于，所述通過SoftMax層完成最終的對比服務(wù)的步驟如下：

將神經(jīng)網(wǎng)絡(luò)提取特征后會所得到輸出節(jié)點值，經(jīng)過Softmax激活函數(shù)激活后變成對應(yīng)各自的概率值，作為對比服務(wù)中的相似度值，根據(jù)該相似度值的大小，判斷所采集的圖片屬于哪一個類別，至此完成比對服務(wù)。

4.根據(jù)權(quán)利要求3所述基于深度學(xué)習(xí)技術(shù)的巡檢作業(yè)評價方法，其特征在于，使用交叉熵?fù)p失函數(shù)來計算損失值，然后通過反向傳播算法訓(xùn)練模型，使用隨機(jī)梯度下降優(yōu)化模型：

交叉熵?fù)p失函數(shù)K表示類別數(shù)量，y表示是否是類別c，y∈(0,1)，p表示屬于類別c概率值。