[发明专利]一种风险等级的分类方法及模型训练方法

权利要求书

1.一种风险等级分类模型的训练方法，其特征在于，所述方法包括：

根据幅度参数和梯度参数对弱磁信号数据进行风险等级划分，得到标签数据；

将所述标签数据进行图像块划分，得到若干个图像块；

获取风险等级分类网络；所述风险等级分类网络包括：多头自注意力层和MLP分类层；

利用所述多头自注意力层执行如下步骤：

将每个图像块进行线性投影，得到三个矩阵向量；所述三个矩阵向量包括：查询矩阵、关键字矩阵和值矩阵；

针对每个图像块：

根据所述三个矩阵向量计算所述图像块与其他图像块的关联程度得分；

将所述关联程度得分除以缩放因子，得到缩放关联程度得分；

利用Softmax函数对所述缩放关联程度得分进行归一化运算，得到归一化得分；

将所述归一化得分乘以值矩阵，得到权值矩阵；

将每个图像块的所述权值矩阵累加，得到累加权值矩阵；

利用所述MLP分类层，计算所述累加权值矩阵的幅度参数和梯度参数；并根据所述累加权值矩阵的幅度参数和梯度参数对所述累加权值矩阵进行风险等级分类，得到风险等级分类结果；

根据所述标签数据和所述风险等级分类结果利用交叉熵损失函数优化所述风险等级分类网络，得到风险等级分类模型。

2.根据权利要求1所述的风险等级分类模型的训练方法，其特征在于，在所述根据幅度参数和梯度参数对弱磁信号数据进行风险等级划分，得到标签数据之前，还包括：

利用管道弱磁检测器对管道内部进行检测，获取管道应力集中区的弱磁信号数据。

3.根据权利要求1所述的风险等级分类模型的训练方法，其特征在于，所述根据幅度参数和梯度参数对弱磁信号数据进行风险等级划分，得到标签数据，具体包括：

将所述弱磁信号数据转换为R*L的矩阵形式，得到采集矩阵；其中，R表示检测器并行采集的弱磁信号数据，L表示沿检测器运行方向上采集点的数量；

将所述采集矩阵按照描点连线的方式进行成像，得到曲线图像；

计算所述曲线图像的幅度参数和梯度参数；

根据所述幅度参数和所述梯度参数对所述曲线图像进行风险等级划分，得到标签数据。

4.根据权利要求3所述的风险等级分类模型的训练方法，其特征在于，所述风险等级包括：正常应力、异常应力、风险应力和危害应力；

当m₁＝1且m＝1时，划分风险等级为正常应力；其中，式中，m₁表示幅度参数，m表示梯度参数，K_smax表示最大梯度，K_save表示平均梯度，A_max表示最大磁场强度，表示平均磁场强度，表示传感器采样点间隔；

当m₁＝1.2且m＝1.5时，划分风险等级为异常应力；

当m₁＝1.5且m＝2，划分风险等级为风险应力；

当m₁2且m3，划分风险等级为危害应力。

5.根据权利要求1所述的风险等级分类模型的训练方法，其特征在于，将所述标签数据进行图像块划分，得到若干个图像块，具体包括：

将所述标签数据划分为若干个初级图像块；

将每个所述初级图像块线性映射到一维向量中，得到一维序列；

将所述一维序列与位置嵌入向量拼接，得到图像块。

6.根据权利要求1所述的风险等级分类模型的训练方法，其特征在于，根据所述标签数据和所述风险等级分类结果利用交叉熵损失函数优化所述风险等级分类网络，得到风险等级分类模型，具体包括：

根据所述标签数据和所述风险等级分类结果计算交叉熵；

根据所述交叉熵利用自适应梯度算法优化所述风险等级分类网络，得到风险等级分类模型。