[发明专利]一种风险等级的分类方法及模型训练方法

说明书

本发明公开了一种风险等级的分类方法及模型训练方法，涉及管道无损检测技术领域，先根据幅度参数和梯度参数对弱磁信号数据进行风险等级和图像块划分；利用多头自注意力层，将每个图像块投影得到：查询矩阵、关键字矩阵和值矩阵；然后计算每个图像块与其他图像块的关联程度得分，再除以缩放因子，利用Softmax函数进行归一化运算，再将结果乘以值矩阵，将每个乘积相加之后利用MLP分类层进行分类，最后对模型进行优化。本发明利用多头自注意力层，通过关联程度和权值的计算，使得模型能够投入更多的注意力资源以捕获输入的弱磁信号应力集中区的细节信息，抑制其它的无用信息，从而能够高效地进行管道弱磁信号的分类。

技术领域

本发明涉及管道无损检测技术领域，特别是涉及一种基于ViT的管道弱磁信号风险等级的分类方法及模型训练方法。

背景技术

油气管道安全维护已经成为“国家能源战略”的重要组成部分，管道内检测技术是国际公认的管道安全维护最有效手段。近些年来，由于应力引起的管道突发性事故频频发生，国际管道内检测技术领域面临新的挑战。管道运输下伴随着复杂应力载荷作用，因此对管道应力集中区进行检测分析有极其重要的工程应用价值，若能通过建立信号分类模型，高效准确地对弱磁信号风险等级进行分类，将进一步保障管道运行的安全性。

传统的弱磁信号分析方法需要人工提取弱磁信号的特征，费时费力。随着人工智能技术的发展，越来越多的人工智能方法应用于管道弱磁信号的分析，比如经典的机器学习方法如KNN，SVM等，深度学习方法的CNN，RNN等。基于机器学习和深度学习的方法可以自动提取和学习管道弱磁信号的特征，极大地推动了管道弱磁信号分析的发展。但现有应用于管道弱磁信号分类的技术存在分类效率低的缺点。

发明内容

本发明的目的是提供一种风险等级的分类方法及模型训练方法，通过多头自注意力层，使得模型能够投入更多的注意力资源以捕获输入的弱磁信号应力集中区的细节信息，抑制其它的无用信息，从而能够高效率的进行风险等级的分类。

为实现上述目的，本发明提供了如下方案：

一种风险等级分类模型的训练方法，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。

一种风险等级分类模型的训练系统，所述系统包括：

标签获取单元，用于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；