[發明專利]基于物聯網的設備工作狀態監測方法

在審

• 申請號: 202110529627.6
• 申請日: 2021-05-14
• 公開（公告）號: CN113191659A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 程澤毅
• 申請（專利權）人: 杭州湘暉科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于物聯網的設備工作狀態監測方法，其特征在于，包括：

通過在物聯網下連接的魚池中的各類傳感器獲取魚池的條件數據，其中，所述條件數據包括靜態條件數據和動態條件數據；

將所述靜態條件數據和所述動態條件數據分別通過深度神經網絡以獲得靜態條件特征向量和動態條件特征向量；

通過在所述物聯網下連接的攝像頭獲取魚池的圖像；

將所述魚池的圖像通過深度卷積神經網絡以獲得魚池特征圖；

對所述魚池特征圖在其通道維度上的各個特征矩陣進行全局池化處理，以獲得魚池特征向量；

分別將所述靜態條件特征向量、動態條件特征向量和所述魚池特征向量輸入Sigmoid激活函數以通過所述Sigmoid函數分別對所述靜態條件特征向量、動態條件特征向量和所述魚池特征向量進行激活，以獲得激活靜態條件特征向量、激活動態條件特征向量和激活魚池特征向量；

計算所述激活靜態條件特征向量、激活動態條件特征向量和激活魚池特征向量的后驗概率分布，以獲得分類特征向量，其中，后驗概率分布為所述激活靜態條件特征向量乘以所述激活魚池特征向量再除以所述激活動態條件特征向量；

將所述分類特征向量輸入分類器以獲得分類結果，其中，所述分類結果用于表示增氧設備是否需要進行控制以進行增氧工作。

2.根據權利要求1所述的基于物聯網的設備工作狀態監測方法，其中，所述靜態條件數據，包括：魚池的深淺、魚池的表面積大小；所述動態條件數據包括：魚池的水溫變化、魚池的含鹽量變化。

3.根據權利要求2所述的基于物聯網的設備工作狀態監測方法，其中，所述攝像頭設置于魚池的正上方。

4.根據權利要求1所述的基于物聯網的設備工作狀態監測方法，其中，對所述魚池特征圖在其通道維度上的各個特征矩陣進行全局池化處理，以獲得魚池特征向量，包括：

對所述魚池特征圖在其通道維度上的各個特征矩陣進行全局平均值池化或者最大值池化，以獲得所述魚池特征向量。

5.根據權利要求4所述的基于物聯網的設備工作狀態監測方法，其中，計算所述激活靜態條件特征向量、激活動態條件特征向量和激活魚池特征向量的后驗概率分布，以獲得分類特征向量，包括：

以如下公式計算所述激活靜態條件特征向量、激活動態條件特征向量和激活魚池特征向量的后驗概率分布，以獲得所述分類特征向量，其中，所述公式為：qi＝pi*ai/bi，其中，pi是所述激活魚池特征向量中的每個位置的值，ai和bi分別是所述激活靜態條件特征向量和所述激活動態條件特征向量中的每個位置的值，而qi是所獲得的所述分類特征向量中的每個位置的值。

6.根據權利要求1所述的基于物聯網的設備工作狀態監測方法，其中，所述深度神經網絡為全連接深度神經網絡，所述深度神經網絡為深度殘差網絡。