[发明专利]纺丝机故障预测方法、装置和服务器

权利要求书

1.一种纺丝机故障预测方法，其特征在于，包括：

根据纺丝机的历史故障信息建立初始故障预测模型；

获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；

在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。

2.根据权利要求1所述的纺丝机故障预测方法，其特征在于，还包括：

利用未发生故障的随机时刻的所述纺丝机预定区域的历史图像作为输入，相应故障未发生标识作为输出对所述故障预测模型进行训练。

3.根据权利要求1所述的纺丝机故障预测方法，其特征在于，所述“将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障”包括：

获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像；

将所述预处理图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对所述预处理图像进行分析，根据分析结果获得相应标识的输出。

4.根据权利要求3所述的纺丝机故障预测方法，其特征在于，所述“获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像”包括：

获取所述预测之前的纺丝机预定区域的图像；

根据预设的帧数间隔和/或时间间隔，对所述预测之前的纺丝机预定区域的图像进行帧采样，获得至少一个帧采样图像；

将所述至少一个帧采样图像按照预设规则进行拼接，生成所述预处理图像。

5.根据权利要求1所述的纺丝机故障预测方法，其特征在于，所述故障预测模型包括卷积神经网络和深度学习模型。

6.一种纺丝机故障预测装置，其特征在于，包括：

预测模型建立模块，用于根据纺丝机的历史故障信息建立初始故障预测模型；

预测模型训练模块，用于获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；

故障预测模块，用于在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。

7.根据权利要求6所述的纺丝机故障预测装置，其特征在于，还包括：

未故障训练模块，用于利用未发生故障的随机时刻的所述纺丝机预定区域的历史图像作为输入，相应故障未发生标识作为输出对所述故障预测模型进行训练。

8.根据权利要求6所述的纺丝机故障预测装置，其特征在于，所述故障预测模块包括：

图像预处理单元，用于获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像；

故障预测单元，用于将所述预处理图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对所述预处理图像进行分析，根据分析结果获得相应标识的输出。

9.一种服务器，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行根据权利要求1至5中任一项所述的纺丝机故障预测方法。

10.一种计算机存储介质，其特征在于，其存储有权利要求9所述的服务器中所使用的计算机程序。