嵌入式DCNN和边缘计算的裂解炉重管温度识别方法技术

本发明专利技术公开了一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，所述方法包括深度卷积神经网络(Deep Convolution Neural Network，DCNN)重管识别模型的构建、DCNN重管识别模型的重构及炉管温度的边缘计算等步骤，即先利用重管和非重管的特征差异，训练生成DCNN重管识别模型；其次针对嵌入式处理器的特性，将DCNN重管识别模型移植到红外自动测温仪内部的嵌入式处理器；再由DCNN重管识别模型结合红外自动测温仪内部的数据处理算法和温度值计算方法，计算得到重管和非重管的温度，实现红外自动测温仪的边缘计算。该方法能高精准度判别裂解炉重管和非重管，且红外自动测温仪边缘计算功能的实现，在降低工业云服务器的数据处理量的同时提升了数据处理的实时性和高效性。

Embedded DCNN and Edge Computing Method for Recognition of Heavy Tube Temperature in Cracking Furnace

【技术实现步骤摘要】
嵌入式DCNN和边缘计算的裂解炉重管温度识别方法
本专利技术涉及裂解炉管温度监测
，更具体地，涉及一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法。
技术介绍
近些年来，随着物联网(InternetofThings,IoT)的快速发展和普及，多种领域的终端和设备实现联网。在工业领域，工业无线网络(industrialwirelessnetworks,IWNs)也渐趋成熟，促使以物联网通信框架作为基础的工业物联网(IndustrialInternetofThings,IIoT)和智能工厂成为当下研究和发展的热点。目前，在工业物联网中，众多的边缘设备每时每刻都在产生着巨量的原始数据，以传统的云计算联网模式将产生的数据传输到远端的云服务器进行处理和分析，往往会对网络资源及云平台形成严重的负担和考验，而且在数据传输方面形成的时延，会极大影响设备运行的分析结果和控制指令发送的时效性，对实际生产造成无法估量的后果。乙烯工业作为石油化工产业的核心，世界上已将乙烯产量作为衡量一个国家石油化工发展水平的重要标志之一。转变以往的乙烯工业运作管理模式，将乙烯工业生产中的设备逐步实现物互联，形成边本文档来自技高网...

【技术保护点】
1.一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，包括以下步骤：S101 深度卷积神经网络DCNN重管识别模型的构建：先采用红外自动测温仪采集炉管温度和距离以及炉壁温度和距离的原始一维数据，将采集的原始一维数据变换为二维直方图；在二维直方图中对炉管距离数据进行特征提取，获得炉管的重管和非重管特征图，以构成DCNN网络模型训练的数据集；再将数据集输入PC端的DCNN网络模型进行训练，以在PC端构建DCNN重管识别模型；S102 DCNN重管识别模型的重构：将PC端训练好的DCNN重管识别模型移植至红外自动测温仪内部的嵌入式处理器，以对DCNN重管识别模型在嵌入式处理器内进行重...

【技术特征摘要】
1.一种嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，包括以下步骤：S101深度卷积神经网络DCNN重管识别模型的构建：先采用红外自动测温仪采集炉管温度和距离以及炉壁温度和距离的原始一维数据，将采集的原始一维数据变换为二维直方图；在二维直方图中对炉管距离数据进行特征提取，获得炉管的重管和非重管特征图，以构成DCNN网络模型训练的数据集；再将数据集输入PC端的DCNN网络模型进行训练，以在PC端构建DCNN重管识别模型；S102DCNN重管识别模型的重构：将PC端训练好的DCNN重管识别模型移植至红外自动测温仪内部的嵌入式处理器，以对DCNN重管识别模型在嵌入式处理器内进行重构；S103炉管温度的边缘计算：提取原始一维数据中的炉管距离数据，并返回炉管距离数据在原始一维数据中的起始位置坐标，再利用DCNN重管识别模型判断提取的炉管距离数据对应的炉管是否为重管，返回每根炉管的识别类型标签，根据返回的炉管识别类型标签和炉管距离数据的起始位置坐标，对相应起始位置坐标的非重管与重管的炉管温度值进行边缘计算。2.根据权利要求1所述嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，步骤S101中，在二维直方图中对炉管距离数据进行特征提取的过程中，先去除二维直方图中炉管和炉壁的温度数据，再去除二维直方图中炉壁的距离数据后，去除炉管距离数据中与重管特征相关度低的无效阈值数据，提取得到炉管的重管和非重管特征图。3.根据权利要求1所述嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，步骤S101中，所述DCNN重管识别模型的DCNN网络结构包括1个输入层、3个卷积层、3个max池化层、1个全连通层和一个输出层，各层按以下顺序依次进行分布：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、全连通层和输出层。4.根据权利要求1所述嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，在步骤S102之前，还包括将PC端训练好的DCNN重管识别模型的浮点类型权重定点化为8位整数类型权重后，再移植到嵌入式处理器内的步骤。5.根据权利要求4所述嵌入式DCNN和边缘计算的裂解炉重管温度识别方法，其特征在于，将PC端训练好的DCNN重管识别模型的浮点类型权重定点化为8位整数类型权重的具体步骤为：S201先将PC端训练好的DCNN重管识别模型的浮点数转换为8位的近似值；S202再对所得的近似值进行补码处理，由定点化公式得到近似值的定点数，最后由8位的定点数来表示所有训练好的DCNN重管识别模型的权重和激活值。6.根据权利要求5所述嵌入式DCNN和边缘...

【专利技术属性】
技术研发人员：彭志平，赵俊峰，邓锡海，尹兆林，毛远洪，付公燚，邱金波，崔得龙，张清华，谭云，何杰光，陈锦丰，吴家伟，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东,44