[发明专利]基于物联网的设备工作状态监测方法

权利要求书

1.一种基于物联网的设备工作状态监测方法，其特征在于，包括：

通过在物联网下连接的鱼池中的各类传感器获取鱼池的条件数据，其中，所述条件数据包括静态条件数据和动态条件数据；

将所述静态条件数据和所述动态条件数据分别通过深度神经网络以获得静态条件特征向量和动态条件特征向量；

通过在所述物联网下连接的摄像头获取鱼池的图像；

将所述鱼池的图像通过深度卷积神经网络以获得鱼池特征图；

对所述鱼池特征图在其通道维度上的各个特征矩阵进行全局池化处理，以获得鱼池特征向量；

分别将所述静态条件特征向量、动态条件特征向量和所述鱼池特征向量输入Sigmoid激活函数以通过所述Sigmoid函数分别对所述静态条件特征向量、动态条件特征向量和所述鱼池特征向量进行激活，以获得激活静态条件特征向量、激活动态条件特征向量和激活鱼池特征向量；

计算所述激活静态条件特征向量、激活动态条件特征向量和激活鱼池特征向量的后验概率分布，以获得分类特征向量，其中，后验概率分布为所述激活静态条件特征向量乘以所述激活鱼池特征向量再除以所述激活动态条件特征向量；

将所述分类特征向量输入分类器以获得分类结果，其中，所述分类结果用于表示增氧设备是否需要进行控制以进行增氧工作。

2.根据权利要求1所述的基于物联网的设备工作状态监测方法，其中，所述静态条件数据，包括：鱼池的深浅、鱼池的表面积大小；所述动态条件数据包括：鱼池的水温变化、鱼池的含盐量变化。

3.根据权利要求2所述的基于物联网的设备工作状态监测方法，其中，所述摄像头设置于鱼池的正上方。

4.根据权利要求1所述的基于物联网的设备工作状态监测方法，其中，对所述鱼池特征图在其通道维度上的各个特征矩阵进行全局池化处理，以获得鱼池特征向量，包括：

对所述鱼池特征图在其通道维度上的各个特征矩阵进行全局平均值池化或者最大值池化，以获得所述鱼池特征向量。

5.根据权利要求4所述的基于物联网的设备工作状态监测方法，其中，计算所述激活静态条件特征向量、激活动态条件特征向量和激活鱼池特征向量的后验概率分布，以获得分类特征向量，包括：

以如下公式计算所述激活静态条件特征向量、激活动态条件特征向量和激活鱼池特征向量的后验概率分布，以获得所述分类特征向量，其中，所述公式为：qi＝pi*ai/bi，其中，pi是所述激活鱼池特征向量中的每个位置的值，ai和bi分别是所述激活静态条件特征向量和所述激活动态条件特征向量中的每个位置的值，而qi是所获得的所述分类特征向量中的每个位置的值。

6.根据权利要求1所述的基于物联网的设备工作状态监测方法，其中，所述深度神经网络为全连接深度神经网络，所述深度神经网络为深度残差网络。