[發明專利]基于卷積神經網絡算法的設備形變檢測方法和裝置

在審

• 申請號: 202110013636.X
• 申請日: 2021-01-05
• 公開（公告）號: CN112833808A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 呂鑫;汪衛東
• 申請（專利權）人: 廈門銀江智慧城市技術股份有限公司
• 主分類號: G01B11/16
• 分類號: G01B11/16;G06N3/08
• 代理公司: 泉州市立航專利代理事務所(普通合伙) 35236
• 代理人: 何縣香

本公開提供了一種基于卷積神經網絡算法的設備形變檢測方法和裝置，通過設置在定點上的攝像頭，攝像頭固定單一視角拍攝設備輪廓，視頻圖像采集模塊獲取攝像頭所拍攝的視頻數據，卷積神經網絡處理模塊獲取視頻數據中的圖像，并通過卷積神經網絡算法對圖像的像素點進行檢測，識別出設備細微形變并進行提示，達到提前保護設備的目的，避免了出現嚴重形變才發現問題。

技術領域

本公開涉及視頻圖像檢測的領域，尤其涉及一種基于卷積神經網絡算法的設備形變檢測方法和裝置。

背景技術

全球已經掀起行業數字化轉型的浪潮，數字化是基礎，網絡化是支撐，智能化是目標。通過對人、物、環境、過程等對象進行數字化產生數據，通過網絡化實現數據的價值流動，以數據為生產要素，通過智能化為各行業創造經濟和社會價值。以大數據、機器學習、深度學習為代表的智能技術已經在語音識別、圖像識別、用戶畫像等方面得到應用，在算法、模型、架構等方面取得了較大的進展。

設備形變是指設備在長期運行中，由于過冷或過熱會導致設備形體發生熱脹冷縮變化，但開始都是非常細微的變化肉眼很難判斷，往往這些細微的變化是長年累月后導致設備損耗的主要原因，如何防止或避免長期肉眼無法識別的細微變化來延長設備的使用壽命，本發明人經過大量的研發和設計，提出了一種基于卷積神經網絡算法的設備形變檢測方法和裝置。

發明內容

為解決上述技術問題，本公開提供一種基于卷積神經網絡算法的設備形變檢測方法和裝置。

本公開具體采用如下技術方案實現：

根據本公開的一個方面，本公開提出了一種基于卷積神經網絡算法的設備形變檢測方法，包括以下步驟：

步驟一、獲取至少一個定點的攝像頭所拍攝的視頻數據，其中定點包括在設備上方的攝像頭所拍攝的單個視角的位置；

步驟二、提取視頻數據中的圖像，通過卷積神經網絡算法對圖像進行檢測，識別出設備細微形變并進行提示；

步驟三、對至少一個定點檢測到的的提示信息進行合并統計，得到設備細微形變信息。

通過在至少一個定點上識別設備形變，并進行實時監測和提示，使設備的細微形變得到識別，并通過提示提示人們及時對設備進行保護。

作為實施例的優選方式，所述步驟一包括以下步驟：

a、通過對設備上方的攝像頭設置至少一個定點；

b、使攝像頭在至少一個定點上進行輪詢跟蹤監測，并實時獲得攝像頭在至少一個定點上所拍攝的視頻數據。

通過設置至少一個定點進行輪詢跟蹤，使獲得的視頻數據更加全面，對設備細微形變識別更加精準。

作為實施例的優選方式，所述步驟二包括以下步驟：

a、獲得圖像中的設備輪廓特征數據，將設備輪廓特征數據通過卷積神經網絡CNN進行訓練，得到訓練模型；

b、將設備輪廓特征數據在所述訓練模型中回測，檢測視頻數據圖像中的設備輪廓像素點的變化；

c、當設備輪廓像素點超過預設的閾值時，則判定設備發生形變并進行提示。

卷積神經網絡算法由卷積神經網絡CNN訓練得到，因此圖像處理更加準確和簡單，能有效識別肉眼無法觀察的設備的細微形變。

作為實施例的優選方式，所述卷積神經網絡CNN包括特征提取及分類識別，所述特征提取包括卷積層、激活函數層及池化層，所述分類識別包括全連接層；視頻數據中的圖像通過卷積層提取圖像的特征圖，特征圖經過激活函數層進行非線性化處理，再通過池化層將圖像進行縮小，減少像素信息。

作為實施例的優選方式，所述特征提取包括2個卷積層、2個激活函數層及2個池化層。