[发明专利]故障检测方法及装置、存储介质在审

专利信息
申请号: 201910656517.9 申请日: 2019-07-19
公开(公告)号: CN110346516A 公开(公告)日: 2019-10-18
发明(设计)人: 王延辉;赵雅娟;侯宇辉;刘广金;李军 申请(专利权)人: 精英数智科技股份有限公司
主分类号: G01N33/00 分类号: G01N33/00
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 董文倩
地址: 030012 山西省太原市小*** 国省代码: 山西;14
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 井下检测装置 便携式检测装置 检测 存储介质 第二检测 第一数据 故障检测 数据图像 图像 发生故障 处理器 井下 漏检 巡检 申请 展示
【权利要求书】:

1.一种故障检测方法,其特征在于,包括:

获取第一便携式检测装置展示的第一数据图像和井下检测装置的第二数据图像;

分别对第一数据图像和第二数据图像进行识别,得到所述第一便携式检测装置检测到的第一检测值和所述井下检测装置检测到的第二检测值;

依据所述第一检测值和所述第二检测值确定所述井下检测装置是否发生故障。

2.根据权利要求1的方法,其特征在于,

获取第一便携式检测装置展示的第一数据图像和井下检测装置的第二数据图像,包括:接收用户上传的第一数据图像和第二数据图像;

分别对第一数据图像和第二数据图像进行识别,得到所述第一便携式检测装置检测到的第一检测值和所述井下检测装置检测到的第二检测值之前,所述方法还包括:

根据图像识别技术识别所述第一数据图像和第二数据图像的类型,其中,所述类型至少包括用于检测目标区域内空气质量的井下检测装置所展示的数据图像和用于检测所述目标区域的空气质量的第一便携式检测装置所展示的数据图像。

3.根据权利要求2所述的方法,其特征在于,根据图像识别技术识别所述第一数据图像和第二数据图像的类型包括:

调用预先训练好的目标检测模型,利用卷积神经网络对所述第一数据图像和第二数据图像进行特征提取,基于提取的特征识别出所述所述第一数据图像和第二数据图像的类型。

4.根据权利要求1的方法,其特征在于,依据所述第一检测值和第二检测值确定所述井下检测装置是否发生故障,包括:

所述第一便携式检测装置包括甲烷监测报警仪;所述井下检测装置包括:井下甲烷传感器;

根据所述第一检测值和所述第二检测值确定所述井下检测装置是否故障,包括:将所述第二检测值分别与用户上传的采集数据以及所述第一检测值进行比较,得到第一比较结果和第二比较结果;在所述第一比较结果和第二比较结果均指示一致时,则确定所述井下甲烷传感器正常,否则,确定所述井下甲烷传感器故障。

5.根据权利要求4所述的方法,其特征在于,根据所述第一检测值和所述第二检测值确定所述井下检测装置是否故障之前,所述方法还包括:

确定所述井下甲烷传感器所展示的数据图像的上传时间;

从所述井下甲烷传感器所展示的数据图像中识别井下甲烷传感器标识,根据所述上传时间和所述井下甲烷传感器标识获取所述井下甲烷传感器在所述上传时间采集的传感器数据;

判断所述井下甲烷传感器采集的所述传感器数据与所述第一检测值是否一致,如果是,则触发执行依据所述第一检测值和所述第二检测值确定所述井下检测装置是否发生故障的步骤;如果否,则生成用于提示用户操作异常的指示信息,并返回执行接收用户上传的所述第一数据图像和第二数据图像的步骤。

6.根据权利要求1的方法,其特征在于,分别对第一数据图像和第二数据图像进行识别,得到所述第一便携式检测装置检测到的所述第一检测值和所述井下检测装置检测到的第二检测值,包括:

对所述第一数据图像和所述第二数据图像中的任意一个数据图像,确定数据图像中数字信息所在区域;对区域中的数字进行分割,得到多个独立的子图像;对多个独立的子图像中的每个子图像进行二值化处理,得到二值化图像矩阵;

将二值化图像矩阵与预设模板集合中的模板图像进行匹配;以及

依据匹配结果确定数据图像对应的数字。

7.根据权利要求6的方法,其特征在于,

将二值化图像矩阵与预设模板集合中的模板图像进行匹配,包括:计算二值化图像矩阵与预设模板集合中所有模板图像的相似度,得到多个相似度,其中,预设模板集合中的模板图像与数字是一一对应的;

依据匹配结果确定数据图像对应的数字,包括:确定多个相似度中的最大相似度所对应的目标模板图像;确定目标模板图像对应的目标数字,并将该目标数字作为数据图像所对应的数字。

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英数智科技股份有限公司,未经精英数智科技股份有限公司许可,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/201910656517.9/1.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