[发明专利]一种元器件损耗检测方法、装置、存储介质及终端设备有效

专利信息
申请号: 201910619351.3 申请日: 2019-07-10
公开(公告)号: CN110487787B 公开(公告)日: 2022-08-12
发明(设计)人: 孔庆杰;林姝 申请(专利权)人: 精锐视觉科技(山东)有限公司;山东日照发电有限公司
主分类号: G01N21/84 分类号: G01N21/84;G01N15/02;G01M11/00;G06T7/00;G06K9/62;G06V10/74;G06V10/80
代理公司: 济南方宇专利代理事务所(普通合伙) 37251 代理人: 刘旋
地址: 271100 山东省济*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 元器件 损耗 检测 方法 装置 存储 介质 终端设备
【说明书】:

发明属于工业视觉检测领域,尤其涉及一种元器件损耗检测方法、装置、计算机可读存储介质及终端设备。所述方法包括:采集元器件在当前采样时刻的图像;对所述元器件在当前采样时刻的图像进行特征编码,得到所述元器件在当前采样时刻的状态特征;对所述元器件在当前采样时刻的状态特征进行时序编码间的状态融合,得到所述元器件在当前采样时刻的融合状态特征;获取所述元器件在前一采样时刻的状态模式,并使用所述元器件在前一采样时刻的状态模式对所述元器件在当前采样时刻的融合状态特征进行模式匹配,得到所述元器件在当前采样时刻的模式匹配结果;根据所述元器件在当前采样时刻的模式匹配结果确定所述元器件在当前采样时刻的损耗检测结果。

技术领域

本发明属于工业视觉检测领域,尤其涉及一种元器件损耗检测方法、装置、计算机可读存储介质及终端设备。

背景技术

组成工业设备的各种工业元器件在被使用的过程中会持续地产生损耗,元器件的损耗积累到一定程度就会对工业设备的安全运行造成不利的影响,因此,有必要对元器件的损耗进行定期的检测,以保证工业设备的安全运行。但是,现有技术中,在进行元器件损耗检测时,大多采用的是人工检测的方式,检测精度和检测效率均较低,难以满足实际的需求。

发明内容

有鉴于此,本发明实施例提供了一种元器件损耗检测方法、装置、计算机可读存储介质及终端设备,以解决现有的元器件损耗检测方法检测精度和检测效率均较低的问题。

本发明实施例的第一方面提供了一种元器件损耗检测方法,可以包括:

采集元器件在当前采样时刻的图像;

对所述元器件在当前采样时刻的图像进行特征编码,得到所述元器件在当前采样时刻的状态特征;

对所述元器件在当前采样时刻的状态特征进行时序编码间的状态融合,得到所述元器件在当前采样时刻的融合状态特征;

获取所述元器件在前一采样时刻的状态模式,所述元器件在前一采样时刻的状态模式为根据所述元器件在前一采样时刻的融合状态特征构建的状态模式;

使用所述元器件在前一采样时刻的状态模式对所述元器件在当前采样时刻的融合状态特征进行模式匹配,得到所述元器件在当前采样时刻的模式匹配结果;

根据所述元器件在当前采样时刻的模式匹配结果确定所述元器件在当前采样时刻的损耗检测结果。

进一步地,所述对所述元器件在当前采样时刻的状态特征进行时序编码间的状态融合,得到所述元器件在当前采样时刻的融合状态特征包括:

获取所述元器件在前一采样时刻的融合状态特征;

对所述元器件在前一采样时刻的融合状态特征和所述元器件在当前采样时刻的状态特征进行融合处理,得到所述元器件在当前采样时刻的融合状态特征。

进一步地,在获取所述元器件在前一采样时刻的状态模式之前,还包括:

使用预设的卷积神经网络对所述元器件在前一采样时刻的融合状态特征进行卷积操作及下采样操作;

将所述卷积神经网络最后一层输出的小尺度特征图确定为所述元器件在前一采样时刻的状态模式。

进一步地,所述使用所述元器件在前一采样时刻的状态模式对所述元器件在当前采样时刻的融合状态特征进行模式匹配包括:

使用所述元器件在前一采样时刻的状态模式作为卷积核,对所述元器件在当前采样时刻的融合状态特征进行卷积操作,并将卷积操作的结果作为所述模式匹配结果。

进一步地,在得到所述元器件在当前采样时刻的模式匹配结果之后,所述元器件损耗检测方法还可以包括:

根据所述元器件在当前采样时刻的模式匹配结果预测所述元器件在下一采样时刻的损耗检测结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于精锐视觉科技(山东)有限公司;山东日照发电有限公司,未经精锐视觉科技(山东)有限公司;山东日照发电有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910619351.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top