[发明专利]使用深度学习进行部分辨识和损伤表征

说明书

根据一个实施方案，提供了一种识别运输系统的一部分的方法。所述方法包括：使用相机捕获运输系统的一部分的图像；使用监督学习对所述运输系统的所述部分进行分类；以及在移动计算装置上显示所述部分的所述部分的分类。

背景技术

本文公开的主题大体涉及运输系统领域，并且具体地说，涉及用于运输系统部分识别和损坏检测的方法和设备。

运输系统的现场机械越来越多地试图更有效且安全地完成维护和修理任务。已识别为现场总时间的贡献者的一项关键任务是识别一部分并且确定是否需要更换所述电梯部分。多个部分变化、挑战性光照条件和整体环境条件可能使得运输系统的现场机械识别电梯部分以及确定损坏是耗时的。

发明内容

根据一个实施方案，提供了一种识别运输系统的一部分的方法。所述方法包括：使用相机捕获运输系统的一部分的图像；使用监督学习对所述运输系统的所述部分进行分类；并且在移动计算装置上显示所述部分的分类。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括监督学习还包括深度学习模型。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括分类还包括：响应于数据而确定所述部分的分类。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括分类还包括：提取所述数据的低维表示；将所述图像的所述低维表示与所述部分的计算机辅助设计(CAD)模型的渲染和所述部分的先前拍摄图像中的至少一者进行比较；以及确定所述部分的分类的最近邻近者。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括利用无监督特征提取来提取所述图像的所述低维表示。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括传感器可操作地包括在所述移动计算装置内。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括所述传感器可操作地附接到所述移动计算装置。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括：响应于所述部分的所述分类和所述最近邻近者而确定重建误差。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括：响应于所述重建误差而确定所述部分的损坏量。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括：检测所述部分的实际时间系列数据；将所述部分的所述实际时间系列数据与演示所述部分的正常行为的模拟时间系列数据进行比较；以及响应于所述重建误差而确定所述部分的损坏量。

根据另一实施方案，提供了一种有形地体现在计算机可读介质上的计算机程序产品。所述计算机程序产品包括指令，所述指令在由处理器执行时使得所述处理器执行包括以下操作的操作：使用传感器捕获运输系统的一部分的图像；使用监督学习对所述运输系统的所述部分进行分类；以及在移动计算装置上显示所述部分的分类。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括监督学习还包括深度学习模型。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括：分类还包括：响应于数据而确定所述部分的分类。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括：分类还包括：提取所述数据的低维表示；将所述图像的所述低维表示与所述部分的计算机辅助设计(CAD)模型的渲染和所述部分的先前拍摄图像中的至少一者进行比较；以及确定所述部分的分类的最近邻近者。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括利用无监督特征提取来提取所述图像的所述低维表示。

除了上述特征中的一者或多者之外，或作为替代，其它实施方案可以包括传感器可操作地包括在所述移动计算装置内。