[发明专利]一种基于深度学习的智能化仪表检测方法

说明书

本发明公开了一种基于深度学习的智能化仪表检测方法，包括：通过相机拍摄仪表图像，工控机对图像进行预处理，并通过图像数字识别技术读取仪表数值；对读取的仪表数值数据进行分析处理，做出结果预测和判断；如果分析判断仪表已经损坏，则发出仪表更换报警，并作出相应的停机处理；如果仪表工作正常，但数值超出仪表的安全范围，则发出警报并立刻停止设备运行；对历史数据和之前的处理判定进行智能学习，并将其返回给系统，不断完善数据分析处理和系统预判，通过不间断的机器自我学习，提高其预判的准确性。本发明具有智能化程度高、具有预判能力的优点，并且通过历史数据及历史判定不断的自我完善预判方法，提高智能预判能力。

技术领域

本发明涉及机器视觉和深度学习技术在仪表监控领域的应用，具体涉及一种基于深度学习的智能化仪表检测方法。

背景技术

随着机器视觉技术的发展，图像识别被越来越多地运用到工业、军事和日常生活中。机器视觉作为一门新兴的学科，发展十分迅速。深度学习是机器学习的一个分支，其目的在于建立一个模拟人脑进行分析学习的神经网络，通过模仿人脑的工作机制来进行数据处理。

现代工业环境下，已有许多仪表和计算机进行了连接，但这些连接通常是将同类型或相关仪表连接到机柜上。这些机柜有时因为技术的原因会放在测量现场，因此这种机柜依然需要人工到现场读取数据，耗费大量的人力物力。特别是在核电、化工等特殊领域，仪表数据采用人工读取存在很多缺点。主要在于这些仪表放在有一定危险的地方，靠人工读取仪表数据有一定的危险性。其次，人在面对重复工作时或者疲劳的情形下非常容易出错，从而对生产造成重大影响。再者，由于工作人员无法一直待在仪表现场，因此仪表数据读取不能够达到实时性，这就造成设备或者仪表故障不能及时被发现。最后，因为现场的仪表及相关数据特别庞大，人工读取方式很难通过仪表数据来预判仪表或设备何时发生故障。

发明内容

针对上述问题，本发明提出一种基于深度学习的智能化仪表检测方法，有效解决现有工业仪表因为缺少自我检测而导致的安全问题、数据出错问题和仪表或者设备故障问题。

为实现上述目的，本发明采用的技术方案为一种基于深度学习的智能化仪表检测方法，具体包含以下步骤：

S1：通过相机拍摄仪表图像，并将图像传回工控机，工控机对图像进行预处理，并通过图像数字识别技术读取仪表数值；

S2：对读取的仪表数值数据进行分析处理，通过与历史数据和设备检测相关数据结合分析，做出结果预测和判断；

S3：如果根据已有数据和判断方法无法做出准确判断，则暂不做出判断，并进行重复读取仪表数据，再进行判断；

S4：如果读取的数值经分析认为可靠，并且在仪表正常范围内，则判断仪表和设备一切工作正常，并按原程序的设定周期性读取数据，并进行数据存储和分析处理；

S5：如果分析判断仪表数值开始趋于不准，仪表开始损坏，但还能继续工作，则按程序设定进行周期性读取数据并分析处理，同时发出仪表更换预警；

S6：如果分析判断仪表已经损坏，则发出仪表更换报警，提醒尽快更换仪表，并作出相应的停机处理；

S7：如果仪表工作正常，但数值超出仪表的安全范围，则发出警报并立刻停止设备运行；

S8：对历史数据和之前的处理判定进行智能学习，并将其返回给系统，不断完善数据分析处理和系统预判，通过这种不间断的机器自我学习，提高其预判的准确性。

进一步，上述步骤S2中，所述对读取的仪表数值数据进行分析处理具体包含以下步骤：

S21：数据分析处理服务器在采集到数据B时，同时调取历史数据历史数据A；

S22：数据处理服务器通过数据B判断仪表或设备是否存在问题，如果没有问题，返回初始采集新数据；