[发明专利]批次隐患设备的识别方法、装置、服务器及存储介质在审
申请号: | 202010698055.X | 申请日: | 2020-07-20 |
公开(公告)号: | CN111814899A | 公开(公告)日: | 2020-10-23 |
发明(设计)人: | 易龙 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 张所明 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 批次 隐患 设备 识别 方法 装置 服务器 存储 介质 | ||
1.一种批次隐患设备的识别方法,其特征在于,所述方法包括:
获取待识别设备的设备特征数据、所述待识别设备中各个关键部件的部件特征数据、所述各个关键部件的部件数据,所述关键部件为影响所述待识别设备正常运行的部件,所述设备特征数据用于区分不同设备,所述部件特征数据用于区分所述待识别设备中的不同关键部件,所述部件数据用于反应相应关键部件的运行状态;
根据所述各个关键部件的部件数据,生成所述各个关键部件的组合维度特征序列,所述组合维度特征序列为至少一种部件特征构成的序列;
根据所述待识别设备的设备特征数据、所述各个关键部件的部件特征数据、所述各个关键部件的组合维度特征序列,对所述待识别设备中各个关键部件进行批次隐患问题的识别。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各个关键部件的部件数据,生成所述各个关键部件的组合维度特征序列,包括:
对于任一关键部件,根据所述关键部件的部件类型,获取所述部件类型对应的至少一个特征关键字段;
根据所述至少一个特征关键字段,从所述关键部件的部件数据中,提取所述至少一个特征关键字段指示的部件特征;
将所述至少一个特征关键字段指示的部件特征组合成所述关键部件的组合维度特征序列。
3.根据权利要求2所述的方法,其特征在于,所述根据所述各个关键部件的部件数据,生成所述各个关键部件的组合维度特征序列之前,还包括:
对所述各个关键部件的部件数据进行数据清洗;
根据所述各个关键部件清洗后的部件数据,执行生成所述各个关键部件的组合维度特征序列的操作。
4.根据权利要求3所述的方法,其特征在于,所述对所述各个关键部件的部件数据进行数据清洗之前,还包括:
对所述各个关键部件的部件数据进行预处理;
根据所述各个关键部件预处理后的部件数据,执行对所述各个关键部件的部件数据进行数据清洗的操作。
5.根据权利要求1所述的方法,其特征在于,所述根据所述待识别设备的设备特征数据、所述各个关键部件的部件特征数据、所述各个关键部件的组合维度特征序列,对所述待识别设备中各个关键部件进行批次隐患问题的识别,包括:
将所述待识别设备的设备特征数据、所述各个关键部件的部件特征数据、所述各个关键部件的组合维度特征序列,输入到批次隐患识别模型中,输出对所述待识别设备中各个关键部件的批次隐患问题的识别结果;
其中,所述批次隐患识别模型用于基于设备的设备特征数据、关键部件的部件特征数据及关键部件的组合维度特征序列,对设备中各个关键部件的批次隐患问题进行识别。
6.根据权利要求5所述的方法,其特征在于,所述批次隐患识别模型的训练过程包括:
获取至少一个训练样本设备的样本设备特征数据、所述至少一个训练样本设备的各个样本关键部件的样本部件特征数据及各个样本关键部件的样本部件数据,各个样本关键部件均标注有存在的批次隐患问题;
对于任一训练样本设备中的任一样本关键部件,根据所述样本关键部件的部件类型,确定所述样本关键部件对应的至少一个样本特征关键字段;
根据所述至少一个样本特征关键字段,从所述样本关键部件的样本部件数据中,提取所述至少一个样本特征关键字段指示的部件特征;
将所述至少一个样本特征关键字段指示的部件特征组合成所述样本关键部件的样本组合维度特征序列;
根据所述至少一个训练样本设备的样本设备特征数据、所述至少一个样本关键部件的样本部件特征数据及至少一个样本关键部件的样本组合维度特征序列,对初始批次隐患识别模型进行训练,得到所述批次隐患识别模型。
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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202010698055.X/1.html,转载请声明来源钻瓜专利网。