[發(fā)明專利]一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010627137.5
• 申請(qǐng)日: 2020-07-01
• 公開（公告）號(hào): CN111950358A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 阮驍駿;王家棟
• 申請(qǐng)（專利權(quán)）人: 浙江中控技術(shù)股份有限公司;浙江中控軟件技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 杭州華鼎知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33217
• 代理人: 項(xiàng)軍

1.一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法，其特征在于，包括：

獲取若干閥門的輸入數(shù)據(jù)及閥門所作用的工業(yè)生產(chǎn)過程輸出數(shù)據(jù)；

將若干閥門的輸入數(shù)據(jù)和輸出數(shù)據(jù)轉(zhuǎn)換成平面二維曲線圖像并劃分為訓(xùn)練集和測(cè)試集；

將訓(xùn)練集用于卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

將測(cè)試集用于卷積神經(jīng)網(wǎng)絡(luò)模型的測(cè)試；

利用訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行閥門粘滯檢測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法，其特征在于，所述將若干閥門的輸入數(shù)據(jù)和輸出數(shù)據(jù)轉(zhuǎn)換成平面二維曲線圖像包括：

根據(jù)若干閥門的輸入數(shù)據(jù)和輸出數(shù)據(jù)獲得分別對(duì)應(yīng)的曲線；

按照閥門輸出數(shù)據(jù)對(duì)應(yīng)曲線的波形，將每一個(gè)波形的周期分成一個(gè)數(shù)據(jù)段；

對(duì)于每個(gè)波形的數(shù)據(jù)段，將閥門的輸入數(shù)據(jù)作為x軸的值，閥門的輸出數(shù)據(jù)作為y軸的值，按照時(shí)間的先后順序繪制數(shù)據(jù)點(diǎn)，在二維坐標(biāo)平面上將數(shù)據(jù)點(diǎn)前后連接形成平面二維曲線圖像。

3.根據(jù)權(quán)利要求2所述的一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法，其特征在于，所述訓(xùn)練集和測(cè)試集的比例為8:2。

4.根據(jù)權(quán)利要求1所述的一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法，其特征在于，所述將測(cè)試集用于卷積神經(jīng)網(wǎng)絡(luò)模型的測(cè)試包括：

根據(jù)測(cè)試結(jié)果調(diào)整卷積神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)與參數(shù)，使得卷積神經(jīng)網(wǎng)絡(luò)模型的檢測(cè)效果達(dá)到最佳。

5.根據(jù)權(quán)利要求1所述的一種基于圖像識(shí)別的閥門粘滯檢測(cè)方法，其特征在于，所述利用訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行閥門粘滯檢測(cè)包括：

獲取待檢測(cè)閥門的輸入數(shù)據(jù)及輸出數(shù)據(jù)的每個(gè)波形的數(shù)據(jù)段所對(duì)應(yīng)的平面二維曲線圖像；

將各平面二維曲線圖像輸入訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行粘滯的判斷，若輸出平面二維曲線圖像為粘滯的比例大于設(shè)定閾值，則判斷該閥門是粘滯的，否則判斷該閥門無粘滯。