[发明专利]具有冲蚀状态监测系统的闪蒸阀及其监测方法

权利要求书

1.一种具有冲蚀状态监测系统的闪蒸阀，其特征在于，包括：

摄像模块，用于获取待检测闪蒸阀的球体的多个视角的多个侧部图像；

图像处理模块，用于将所述多个侧部图像中各个侧部图像分别通过使用空间注意力的第一卷积神经网络以得到多个视角特征图；

局部视角差分模块，用于计算所述多个视角特征图中每两个视角特征图之间的差分以得到多个差分特征图；

视角间差异特征提取模块，用于将所述多个差分特征图通过作为特征提取器的第二卷积神经网络以得到视角差异特征图；

视角间关联特征提取模块，用于将所述多个视角特征图排列为三维输入张量后通过使用三维卷积核的第三卷积神经网络以得到视角关联特征图；

特征融合模块，用于融合所述视角差异特征图和所述视角关联特征图以得到分类特征图；

通道注意力模块，用于将所述分类特征图通过通道注意力模块以得到通道增强分类特征图；以及

监测结果生成模块，用于将所述通道增强分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测闪蒸阀的球体的抗汽蚀闪蒸性能是否满足预定要求；

所述特征融合模块，进一步用于：以如下公式融合所述视角差异特征图和所述视角关联特征图以得到分类特征图；

其中，所述公式为：

,

其中，为所述分类特征图，为所述视角差异特征图，为所述视角关联特征图，和为用于控制所述分类特征图中所述视角差异特征图和所述视角关联特征图之间的平衡的加权参数，表示矩阵的按位置加法；

其中，所述监测结果生成模块，进一步用于：使用所述分类器以如下公式对所述通道增强分类特征图进行处理以获得分类结果；

其中，所述公式为：，其中表示将所述通道增强分类特征图投影为向量，至为各层全连接层的权重矩阵，至表示各层全连接层的偏置矩阵。

2.根据权利要求1所述的具有冲蚀状态监测系统的闪蒸阀，其特征在于，所述图像处理模块，包括：

卷积编码单元，用于将所述多个侧部图像中各个侧部图像分别通过所述第一卷积神经网络的卷积编码部分以得到多个高维特征图；

空间注意力单元，用于将所述多个高维特征图中各个高维特征图分别输入所述第一卷积神经网络的空间注意力部分以得到多个空间注意力图；以及

注意力施加单元，用于计算对应的所述空间注意力图和所述高维特征图之间的按位置点乘以得到所述多个视角特征图。

3.根据权利要求2所述的具有冲蚀状态监测系统的闪蒸阀，其特征在于，所述局部视角差分模块，进一步用于：以如下公式计算所述多个视角特征图中每两个视角特征图之间的差分以得到多个差分特征图；

其中，所述公式为：

，

其中，和表示所述多个视角特征图中每两个视角的特征图，表示按位置作差，且表示所述多个差分特征图中各个特征图。

4.根据权利要求3所述的具有冲蚀状态监测系统的闪蒸阀，其特征在于，所述视角间差异特征提取模块，进一步用于：使用所述作为特征提取器的第二卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、基于局部特征矩阵的池化处理和非线性激活处理以由所述作为特征提取器的第二卷积神经网络的最后一层输出所述视角差异特征图。

5.根据权利要求4所述的具有冲蚀状态监测系统的闪蒸阀，其特征在于，所述视角间关联特征提取模块，进一步用于：所述第三卷积神经网络的各层在层的正向传递中分别对输入数据进行：

基于三维卷积核对所述输入数据进行卷积处理以生成卷积特征图；

对所述卷积特征图进行均值池化处理以生成池化特征图；以及

对所述池化特征图中各个位置的特征值进行非线性激活以生成激活特征图；

其中，所述第三卷积神经网络的最后一层的输出为所述视角关联特征图。