[发明专利]基于图像的故障诊断方法、装置和电子设备

权利要求书

1.一种基于图像的故障诊断方法，其特征在于，包括：

将待诊断图像输入至故障诊断模型的特征提取层，输出待诊断图像特征；

将所述待诊断图像特征输入至故障诊断模型的降噪处理层，输出第一图像特征，所述降噪处理层包括目标分段线性函数，所述目标分段线性函数的参数基于所述待诊断图像特征进行注意力转换得到；

将所述第一图像特征输入至故障诊断模型的识别层，输出故障诊断结果；其中，

所述故障诊断模型为，以样本待诊断图像为样本，以与所述样本待诊断图像对应的样本故障诊断结果为样本标签训练得到。

2.根据权利要求1所述的基于图像的故障诊断方法，其特征在于，所述将所述待诊断图像特征输入至故障诊断模型的降噪处理层，输出第一图像特征，所述降噪处理层包括目标分段线性函数，所述目标分段线性函数的参数基于所述待诊断图像特征进行注意力转换得到，包括：

将所述待诊断图像特征输入至故障诊断模型的降噪处理层的第一子处理层，所述第一子处理层对所述待诊断图像特征进行特征提取，输出多组第二图像特征；

将所述多组第二图像特征输入至所述故障诊断模型的降噪处理层的第二子处理层，所述第二子处理层对所述多组第二图像特征进行注意力转换，输出所述目标分段线性函数的参数。

3.根据权利要求2所述的基于图像的故障诊断方法，其特征在于，所述将所述多组第二图像特征输入至所述故障诊断模型的降噪处理层的第二子处理层，所述第二子处理层对所述多组第二图像特征进行注意力转换，输出所述目标分段线性函数的参数，包括：

将两组所述第二图像特征输入至所述第二子处理层，所述第二子处理层对两组所述第二图像特征分别进行绝对值、全局平均池化、全连接、批正则归一化、深度残差、全连接处理和映射处理，分别输出所述目标分段线性函数的阈值和所述目标分段线性函数在所述阈值内的第一斜率；

将另外两组所述第二图像特征输入至所述第二子处理层，所述第二子处理层对所述另外两组所述第二图像特征分别进行绝对值、全局平均池化、全连接、批正则归一化、深度残差和全连接处理，分别输出所述目标分段线性函数在所述阈值外的第二斜率和在所述阈值外的第三斜率。

4.根据权利要求2所述的基于图像的故障诊断方法，其特征在于，所述将所述待诊断图像特征输入至故障诊断模型的降噪处理层，输出第一图像特征，包括：

将所述多组第二图像特征输入至所述故障诊断模型的降噪处理层的第三子处理层，所述第三子处理层对所述多组第二图像特征进行特征提取，得到第三图像特征；

将所述第三图像特征输入至所述目标分段线性函数，输出残差值；

将所述残差值和所述待诊断图像特征输入至所述故障诊断模型的降噪处理层的第四子处理层，所述第四子处理层对所述待诊断图像特征和所述残差值进行融合，输出第一图像特征。

5.根据权利要求4所述的基于图像的故障诊断方法，其特征在于，所述将所述多组第二图像特征输入至所述故障诊断模型的降噪处理层的第三子处理层，所述第三子处理层对所述多组第二图像特征进行特征提取，得到第三图像特征，包括：

将所述多组第二图像特征输入至所述第三子处理层，所述第三子处理层对所述多组第二图像特征进行批正则归一化、深度残差和单核卷积处理，得到第三图像特征。

6.根据权利要求2所述的基于图像的故障诊断方法，其特征在于，所述将所述待诊断图像特征输入至故障诊断模型的降噪处理层的第一子处理层，所述第一子处理层对所述待诊断图像特征进行特征提取，输出多组第二图像特征，包括：

将所述待诊断图像特征输入至所述第一子处理层，所述第一子处理层对所述待诊断图像特征进行批正则归一化、深度残差和多核卷积处理，输出多组第二图像特征。

7.根据权利要求1-6任一项所述的基于图像的故障诊断方法，其特征在于，所述将所述第一图像特征输入至故障诊断模型的识别层，输出故障诊断结果，包括：

将所述第一图像特征输入至故障诊断模型的识别层，所述识别层对所述第一图像特征依次进行批正则归一化、深度残差、全局平均池化和矩阵变换处理，得到第四图像特征；

基于所述第四图像特征，输出故障诊断结果。