[发明专利]一种基于深度学习的工业故障检测方法以及设备在审
| 申请号： | 201910521268.2 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110246128A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 龚湛 | 申请（专利权）人： | 苏州浪潮智能科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08;G06N5/04 |
| 代理公司： | 北京连和连知识产权代理有限公司 11278 | 代理人： | 张涛 |
| 地址： | 215100 江苏省苏州市吴*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的工业故障检测方法，包括步骤：构建神经网络模型；将包含带标签的故障图片的训练集和测试集存储在预设位置；读取存储在预设位置的训练集和测试集，以对所述神经网络模型进行训练和测试；利用故障采集装置按照预设频率采集潜在故障位置的图片，并直接传输到训练好的神经网络模型中；利用所述训练好的神经网络模型对所述潜在故障位置的图片进行推理，得到并输出故障类型。本发明公开的方法能够较为准确的得到工业故障的位置和类型。 | ||
| 搜索关键词： | 神经网络模型 故障检测 潜在故障 预设位置 测试集 训练集 存储 读取 故障采集 输出故障 预设频率 直接传输 构建 推理 图片 标签 采集 测试 学习 | ||
【主权项】：
1.一种基于深度学习的工业故障检测方法，包括步骤：构建神经网络模型；将包含带标签的故障图片的训练集和测试集存储在预设位置；读取存储在预设位置的训练集和测试集，以对所述神经网络模型进行训练和测试；利用故障采集装置按照预设频率采集潜在故障位置的图片，并直接传输到训练好的神经网络模型中；利用所述训练好的神经网络模型对所述潜在故障位置的图片进行推理，得到并输出故障类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司，未经苏州浪潮智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910521268.2/，转载请声明来源钻瓜专利网。
