[发明专利]一种基于示功图哈希查找的抽油工况融合推理识别方法

权利要求书

1.一种基于示功图哈希查找的抽油工况融合推理识别方法，其特征在于它包括以下流程：

(1)示功图获取、标注分类以及训练；

(2)用训练好后的Resnet50对样本集中每张图进行特征提取，保存特征向量；

(3)根据不同样本图特征向量计算其定位哈希值，将不同样本图的存储节点信息按定位哈希值大小存储于对应哈希桶中；

(4)获取待检测的抽油井示功仪采集的载荷和位移数据，绘制示功图；

(5)基于示功图哈希查找的抽油工况融合推理判断；

(6)将工况判断结果送上位展示。

2.根据权利要求1所述的方法，其特征在于，所述示功图获取、标注分类以及训练步骤包括对示功图的获取、对现有示功图数据集标注分类，以及使用标注好的示功图数据集对Resnet50训练，并保存训练权值；其具体步骤为：

(1-1)获取抽油井示功仪采集的载荷量和位移量数据，以位移为横坐标x，载荷量为纵坐标y，使用opencv中的多边形绘图函数工具包将数据绘制成示功图；

(1-2)业务专家对示功图进行预处理，剔除有明显错误示功图，形成示功图数据集；

(1-3)业务专家对示功图数据集中示功图进行标注分类将标注分类好的数据集按7:3比例分为训练集和测试集；

(1-4)将训练集放入Resnet50神经网络中进行训练；其中激活函数为ReLu，池化方法输入层使用Max pooling，最后输出层使用Avg pooling，优化代价函数为Cross-entropy交叉熵，batch_size为16；

(1-5)在训练完成后，将训练完的Resnet50权值保存。

3.根据权利要求1所述的方法，其特征在于，所述基于示功图哈希查找的抽油工况融合推理判断步骤具体包括：

(5-1)使用Resnet50提取待检测示功图特征

将传入的待检测示功图放入训练好的Resnet50中，提取待测图在avgpool层的特征向量T＝[t₁,t₂,...,t₂₀₄₈]；

(5-2)根据选定的哈希函数计算待检测示功图定位哈希值Phash_X，选择Key值与待检测示功图定位哈希值相等的哈希桶作为匹配哈希桶，并计算待检测示功图的哈希值H_X；

(5-3)基于局部哈希敏感哈希算法，计算待检测图与匹配哈希桶中第r张图之间相似度P_i(X)；其中0r≤Nm,Nm为匹配哈希桶中图片的个数，Nm小于N，i为此图在样本集中的序号，又称索引号；P_i(X)为待测图与桶中样本集标记为X工况序号为i的第r张匹配图的相似度P_i(X)，X＝a₁,a₂...a_k，a_k为样本集中的全部工况之一；

(5-4)P_i(X)与预先设置的相似度阈值Ps比对，

(5-4-1)如果P_i(X)＞Ps，将该图存入初步推荐图库，进入下一步骤；

(5-4-2)如果P_i(X)≤Ps，跳过这个匹配的图片，进入下一步骤；

(5-5)判断匹配哈希桶中所有样本图是否均比较过，

(5-5-1)没有全部计算完则取下张样本图与待测图比较，然后返回到步骤(5-3)，重复循环；

(5-5-2)全部计算完进入下一个环节；

(5-6)判断是否有相似的匹配照片，

(5-6-1)如果有推荐的匹配照片，那么列出所有推荐的匹配图片，转入下一步；

(5-6-2)如果没有推荐的匹配照片，系统提示没有匹配照片，只能凭借工艺专家来判断分类，并进行标注后放入训练集，供下一轮的训练更新Resnet神经网络；

(5-7)基于推荐的所有匹配图，进行工况融合推理判断；

(5-8)输出当前工况状态判断结果。