[發(fā)明專利]感測(cè)數(shù)據(jù)智能檢測(cè)方法與系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010426051.6
• 申請(qǐng)日: 2020-05-19
• 公開（公告）號(hào): CN113688853A
• 公開（公告）日: 2021-11-23
• 發(fā)明（設(shè)計(jì)）人: 李榮生;高于勝;簡(jiǎn)嘉宏;王薇婷
• 申請(qǐng)（專利權(quán)）人: 治略資訊整合股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 劉彬

一種感測(cè)數(shù)據(jù)智能檢測(cè)方法與系統(tǒng)，系統(tǒng)包括一計(jì)算機(jī)系統(tǒng)，設(shè)有內(nèi)存，用以儲(chǔ)存執(zhí)行所述方法的程序集以及算法程序，以及用以儲(chǔ)存自待檢測(cè)對(duì)象所取得的感測(cè)數(shù)據(jù)的數(shù)據(jù)庫，在感測(cè)數(shù)據(jù)智能檢測(cè)方法中，當(dāng)系統(tǒng)取得感測(cè)數(shù)據(jù)，將感測(cè)數(shù)據(jù)區(qū)分為訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)，對(duì)訓(xùn)練數(shù)據(jù)執(zhí)行一深度學(xué)習(xí)算法，取得關(guān)于待檢測(cè)對(duì)象的特征，以建立基于深度學(xué)習(xí)的檢測(cè)模型，再以測(cè)試數(shù)據(jù)測(cè)試此檢測(cè)模型，之后針對(duì)不通過的測(cè)試數(shù)據(jù)執(zhí)行機(jī)器學(xué)習(xí)算法，以歷史參數(shù)數(shù)據(jù)訓(xùn)練此檢測(cè)模型，以一模型優(yōu)化算法優(yōu)化檢測(cè)模型，以得出經(jīng)優(yōu)化的待檢測(cè)對(duì)象的控制參數(shù)。

技術(shù)領(lǐng)域

說明書公開一種檢測(cè)感應(yīng)數(shù)據(jù)的方法，特別是指利用深度學(xué)習(xí)法與機(jī)器學(xué)習(xí)法從感測(cè)數(shù)據(jù)建立檢測(cè)模型的一種感測(cè)數(shù)據(jù)智能檢測(cè)方法與系統(tǒng)。

背景技術(shù)

當(dāng)檢測(cè)一個(gè)產(chǎn)品、一個(gè)系統(tǒng)或一個(gè)場(chǎng)域是否有異常時(shí)，常見的方式是利用特定傳感器感測(cè)出數(shù)據(jù)，如感測(cè)聲音、拍攝影像等，之后以分析工具分析出感測(cè)數(shù)據(jù)中的信息，借此判斷待測(cè)對(duì)象是否有異常狀況。

舉例來說，當(dāng)要判斷一個(gè)物體表面是否有瑕疵，可以照相機(jī)拍攝物體表面，可比對(duì)物體表面影像與樣本影像，可判斷出是否有異常的情況。若以馬達(dá)為例，一般的方式是以聲音傳感器錄制馬達(dá)運(yùn)轉(zhuǎn)時(shí)產(chǎn)生的音訊，經(jīng)比對(duì)聲音樣板后可判斷是否運(yùn)作有異常，作為日后改良的依據(jù)。

發(fā)明內(nèi)容

說明書公開一種感測(cè)數(shù)據(jù)智能檢測(cè)方法與系統(tǒng)，方法運(yùn)行于一計(jì)算機(jī)系統(tǒng)中，計(jì)算機(jī)系統(tǒng)設(shè)有一內(nèi)存，其中儲(chǔ)存執(zhí)行感測(cè)數(shù)據(jù)智能檢測(cè)方法的程序集以及算法，計(jì)算機(jī)系統(tǒng)還設(shè)有一數(shù)據(jù)庫，其中儲(chǔ)存自一待檢測(cè)對(duì)象所取得的感測(cè)數(shù)據(jù)。

在一實(shí)施例中，感測(cè)數(shù)據(jù)為通過傳感器感測(cè)待檢測(cè)對(duì)象得出的數(shù)據(jù)，在感測(cè)數(shù)據(jù)智能檢測(cè)方法中，先將感測(cè)數(shù)據(jù)區(qū)分為訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)，對(duì)其中的訓(xùn)練數(shù)據(jù)執(zhí)行一深度學(xué)習(xí)算法，從該訓(xùn)練數(shù)據(jù)中取得關(guān)于待檢測(cè)對(duì)象的特征，建立用以檢測(cè)待檢測(cè)對(duì)象的一檢測(cè)模型，接著以其中的測(cè)試數(shù)據(jù)測(cè)試此檢測(cè)模型，針對(duì)測(cè)試結(jié)果為不通過的測(cè)試數(shù)據(jù)，執(zhí)行機(jī)器學(xué)習(xí)算法，并以歷史參數(shù)數(shù)據(jù)訓(xùn)練檢測(cè)模型，以一模型優(yōu)化算法優(yōu)化檢測(cè)模型，以得出經(jīng)優(yōu)化待檢測(cè)對(duì)象的控制參數(shù)。

進(jìn)一步地，還從訓(xùn)練數(shù)據(jù)中得出驗(yàn)證數(shù)據(jù)，于上述步驟中從訓(xùn)練數(shù)據(jù)經(jīng)深度學(xué)習(xí)算法形成檢測(cè)模型時(shí)，可以此驗(yàn)證數(shù)據(jù)驗(yàn)證檢測(cè)模型，以得出用以產(chǎn)生控制參數(shù)的一參數(shù)模型。所述控制參數(shù)為驅(qū)動(dòng)待檢測(cè)對(duì)象運(yùn)作的參數(shù)，產(chǎn)生經(jīng)過優(yōu)化的控制參數(shù)即為所述方法的主要目的的一個(gè)。

進(jìn)一步地，可再以模型優(yōu)化算法優(yōu)化參數(shù)模型，再產(chǎn)生經(jīng)優(yōu)化的控制參數(shù)，并繼續(xù)驅(qū)動(dòng)待檢測(cè)對(duì)象，反復(fù)以上步驟，再次得出感測(cè)數(shù)據(jù)，通過重復(fù)感測(cè)數(shù)據(jù)智能檢測(cè)方法優(yōu)化待檢測(cè)對(duì)象的控制參數(shù)。

進(jìn)一步地，在一實(shí)施例中，可以一K折交叉驗(yàn)證法利用驗(yàn)證數(shù)據(jù)評(píng)估從多個(gè)深度學(xué)習(xí)算法與機(jī)器學(xué)習(xí)法產(chǎn)生的多個(gè)模型，評(píng)估的因子例如為從多個(gè)深度學(xué)習(xí)算法產(chǎn)生的該多個(gè)模型中得出各模型的準(zhǔn)確度、精確度與召回率，再根據(jù)評(píng)分從中選出檢測(cè)模型。

附圖說明

圖1示出感測(cè)數(shù)據(jù)智能檢測(cè)系統(tǒng)的系統(tǒng)架構(gòu)實(shí)施例圖；

圖2示出感測(cè)數(shù)據(jù)智能檢測(cè)方法的主要流程實(shí)施例圖；

圖3示出系統(tǒng)運(yùn)行感測(cè)數(shù)據(jù)智能檢測(cè)方法的流程實(shí)施例之一；

圖4示出系統(tǒng)運(yùn)行感測(cè)數(shù)據(jù)智能檢測(cè)方法的流程實(shí)施例之二；

圖5示出感測(cè)數(shù)據(jù)智能檢測(cè)方法中訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)與測(cè)試數(shù)據(jù)的運(yùn)作實(shí)施例示意圖；

圖6示出感測(cè)數(shù)據(jù)智能檢測(cè)方法的實(shí)施例流程圖；

圖7示出感測(cè)數(shù)據(jù)智能檢測(cè)方法中優(yōu)化的范例流程圖；以及

圖8示出應(yīng)用感測(cè)數(shù)據(jù)智能檢測(cè)方法的范例流程圖。

具體實(shí)施方式