[发明专利]用于工业互联网的设备膜片性能监测方法

权利要求书

1.一种用于工业互联网的设备膜片性能监测方法，其特征在于，包括：

通过工业互联网从部署在终端的摄像头中获取工业设备中待检测膜片的表面图像；

将所述表面图像通过卷积神经网络，以获得从用于提取纹理特征的第4层到第6层得到的第一特征图、第二特征图和第三特征图和从最后一层输出的最后特征图；

分别以Sigmoid激活函数对所述第一特征图、所述第二特征图、所述第三特征图和所述最后特征图进行激活，以获得第一激活特征图、第二激活特征图、第三激活特征图和最后激活特征图；

计算所述第一激活特征图相对于所述最后激活特征图的第一交叉熵系数，所述第一交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第一激活特征图中各个位置的特征值的对数值之间的乘积之和；

计算所述第二激活特征图相对于所述最后激活特征图的第二交叉熵系数，所述第二交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第二激活特征图中各个位置的特征值的对数值之间的乘积之和；

计算所述第三激活特征图相对于所述最后激活特征图的第三交叉熵系数，所述第三交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第三激活特征图中各个位置的特征值的对数值之间的乘积之和；

以所述第一交叉熵系数、所述第二交叉熵系数和所述第三交叉熵系数作为权重计算所述第一激活特征图、所述第二激活特征图和所述第三激活特征图之间的加权和以获得分类特征图；以及

将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示膜片性能是否符合预定标准。

2.根据权利要求1所述的用于工业互联网的设备膜片性能监测方法，其中，计算所述第一激活特征图相对于所述最后激活特征图的第一交叉熵系数，所述第一交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第一激活特征图中各个位置的特征值的对数值之间的乘积之和，包括：

以如下公式计算所述第一激活特征图相对于所述最后激活特征图的第一交叉熵系数，所述公式为：a1＝∑_(i,j)p(i)logq(j)，其中，p(i)是所述最后激活特征图中的每个位置的特征值，q(j)是第一激活特征图中的每个位置的特征值。

3.根据权利要求1所述的用于工业互联网的设备膜片性能监测方法，其中，计算所述第二激活特征图相对于所述最后激活特征图的第二交叉熵系数，所述第二交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第二激活特征图中各个位置的特征值的对数值之间的乘积之和，包括：

以如下公式计算所述第二激活特征图相对于所述最后激活特征图的第二交叉熵系数，所述公式为：a2＝∑_(i,j)p(i)logq(j)，其中，p(i)是所述最后激活特征图中的每个位置的特征值，q(j)是所述第二激活特征图中的每个位置的特征值。

4.根据权利要求1所述的用于工业互联网的设备膜片性能监测方法，其中，计算所述第三激活特征图相对于所述最后激活特征图的第三交叉熵系数，所述第三交叉熵系数为所述最后激活特征图中各个位置的特征值与所述第三激活特征图中各个位置的特征值的对数值之间的乘积之和，包括：

以如下公式计算所述第三激活特征图相对于所述最后激活特征图的第三交叉熵系数，所述公式为：a3＝∑_(i,j)p(i)logq(j)，其中，p(i)是所述最后激活特征图中的每个位置的特征值，q(j)是所述第三激活特征图中的每个位置的特征值。

5.根据权利要求1所述的用于工业互联网的设备膜片性能监测方法，其中，将所述分类特征图通过分类器以获得分类结果，包括：

将所述分类特征图通过一个或多个全连接层以通过所述一个或多个全连接层对所述分类特征图进行编码，以获得分类特征向量；以及

将所述分类特征向量输入Softmax分类函数，以获得所述分类结果。

6.根据权利要求1所述的用于工业互联网的设备膜片性能监测方法，其中，所述卷积神经网络为深度残差网络。