一种煤矿通风设备检测方法、设备及介质技术

本申请公开了一种煤矿通风设备检测方法、设备及介质，包括：通过检测设备获取煤矿通风设备内部的运行状态数据；将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。本申请实施例通过检测设备获取煤矿通风设备内部的运行状态数据，最后通过预先训练的煤矿通风设备检测模型确定当前煤矿通风系统的状态信息，以便煤矿通风设备发生异常时，可以及早对煤矿通风设备进行维修，以免发生造成更大的损失。

【技术实现步骤摘要】
一种煤矿通风设备检测方法、设备及介质
本申请涉及计算机
，尤其涉及一种煤矿通风设备检测方法、设备及介质。
技术介绍
煤矿通风设备的正常工作关乎矿井生产作业，如果煤矿通风设备出现故障，无法正常对井下进行换气，将会导致重大生产安全事故，可能会出现爆炸的危险并危及工作人员的生命。当煤矿通风设备存在很高的故障风险时，就需要对煤矿通风设备进行常规性维护。但常规性维护并不能避免事故的发生，若是煤矿通风设备出现故障而未被发现，可能会带来很大的损失。
技术实现思路
有鉴于此，本申请实施例提供了一种煤矿通风设备检测方法、设备及介质，用于解决现有技术的检测方法不能很好的发现煤矿通风设备的故障，可能会带来很大损失。本申请实施例采用下述技术方案：本申请实施例提供一种煤矿通风设备检测方法，所述方法包括：通过检测设备获取煤矿通风设备内部的运行状态数据；将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。进一步的，所述通过检测设备获取煤矿通风设备内部的运行状态数据之前，所述方法还包括：构建初始的煤矿通风设备检测模型；构建数据集，其中，所述数据集包括多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像数据；根据所述数据集与所述初始的煤矿通风设备检测模型，得出符合要求的煤矿通风设备检测模型。进一步的，所述根据所述数据集与所述初始的煤矿通风设备检测模型，得出符合要求的煤矿通风设备检测模型，具体包括：将所述数据集按预先设定的比例划分为训练集与验证集；将训练集导入至深度学习模型，经过多个训练周期，得到待调整的煤矿通风设备检测模型；根据所述验证集评估所述待调整的煤矿通风设备检测模型，得到评估结果；根据所述评估结果调整超参数，确定符合条件的煤矿通风设备检测模型。进一步的，所述深度学习模型为残差神经网络模型。进一步的，构建数据集之后，所述方法还包括：根据预设方式将所述数据集中多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像进行预处理，以消除所述数据集中多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像中的噪声。进一步的，所述预设方式包括开运算操作、闭运算操作以及二值化操作。进一步的，所述检测设备为设置于所述煤矿通风设备外部的射频信号捕获设备。进一步的，所述射频信号捕获设备通过WIFI信号获取所述煤矿通风设备内部的运行状态数据。本申请实施例还提供一种煤矿通风设备检测设备，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：通过检测设备获取煤矿通风设备内部的运行状态数据；将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。本申请实施例还提供一种煤矿通风设备检测介质，存储有计算机可执行指令，所述计算机可执行指令设置为：通过检测设备获取煤矿通风设备内部的运行状态数据；将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过检测设备获取煤矿通风设备内部的运行状态数据，最后通过预先训练的煤矿通风设备检测模型确定当前煤矿通风系统的状态信息，以便煤矿通风设备发生异常时，可以及早对煤矿通风设备进行维修，以免发生造成更大的损失。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本说明书实施例一提供的一种煤矿通风设备检测方法的流程示意图；图2为本说明书实施例二提供的一种煤矿通风设备检测方法的流程示意图；图3为本说明书实施例二提供的煤矿通风设备检测系统的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。以下结合附图，详细说明本申请各实施例提供的技术方案。图1为本说明书实施例一提供的一种煤矿通风设备检测方法的流程示意图，本说明书实施例可以由煤矿通风设备检测系统执行下述步骤，具体包括：步骤S101，煤矿通风设备检测系统通过检测设备获取煤矿通风设备内部的运行状态数据。步骤S102，煤矿通风设备检测系统将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型。步骤S103，煤矿通风设备检测系统根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。本申请实施例通过检测设备获取煤矿通风设备内部的运行状态数据，最后通过预先训练的煤矿通风设备检测模型确定当前煤矿通风系统的状态信息，以便煤矿通风设备发生异常时，可以及早对煤矿通风设备进行维修，以免发生造成更大的损失。与本说明书实施例一对应的是，图2为本说明书实施例二提供的一种煤矿通风设备检测方法的流程示意图，本说明书实施例可以由煤矿通风设备检测系统执行下述步骤，具体包括：步骤S201，煤矿通风设备检测系统构建初始的煤矿通风设备检测模型。步骤S202，煤矿通风设备检测系统构建数据集，其中，所述数据集包括多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像数据。在本说明书实施例的步骤S202中，煤矿通风设备检测系统通过检测设备获取煤矿通风设备内部的运行状态数据，其中，运行状态数据包括煤矿通风设备正常运行的状态数据与异常运行的状态数据。煤矿通风设备检测系统将所有的煤矿通风设备内部的运行状态数据转化为图像数据。其中，图像数据可以为波形图，即将煤矿通风设备内部的运行状态数据通过波形图的形式进行表示。数据集中的数据可以为时间长度20秒，采样频率为500HZ的煤矿通风设备的数据。本步骤之后，本说明书实施例还可以执行下述步骤：根据预设方式将所述数据集中多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像进行预处理，以消除所述数据集中多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像中的噪声。其中，预设方式可以包括开运算操作、闭运算操作以及二值本文档来自技高网...

【技术保护点】
1.一种煤矿通风设备检测方法，其特征在于，所述方法包括：/n通过检测设备获取煤矿通风设备内部的运行状态数据；/n将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；/n根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。/n

【技术特征摘要】
1.一种煤矿通风设备检测方法，其特征在于，所述方法包括：
通过检测设备获取煤矿通风设备内部的运行状态数据；
将所述煤矿通风设备内部的运行状态数据转化为图像数据，并将所述图像数据输入至预先训练的煤矿通风设备检测模型；
根据所述煤矿通风设备检测模型确定出所述煤矿通风设备的状态信息。


2.根据权利要求1所述的煤矿通风设备检测方法，其特征在于，所述通过检测设备获取煤矿通风设备内部的运行状态数据之前，所述方法还包括：
构建初始的煤矿通风设备检测模型；
构建数据集，其中，所述数据集包括多个煤矿通风设备正常的图像数据以及多个煤矿通风设备异常的图像数据；
根据所述数据集与所述初始的煤矿通风设备检测模型，得出符合要求的煤矿通风设备检测模型。


3.根据权利要求2所述的煤矿通风设备检测方法，其特征在于，所述根据所述数据集与所述初始的煤矿通风设备检测模型，得出符合要求的煤矿通风设备检测模型，具体包括：
将所述数据集按预先设定的比例划分为训练集与验证集；
将训练集导入至深度学习模型，经过多个训练周期，得到待调整的煤矿通风设备检测模型；
根据所述验证集评估所述待调整的煤矿通风设备检测模型，得到评估结果；
根据所述评估结果调整超参数，确定符合条件的煤矿通风设备检测模型。


4.根据权利要求3所述的煤矿通风设备检测方法，其特征在于，所述深度学习模型为残差神经网络模型。


5.根据权利要求2所述的煤矿通风设备检测方法，其特征在于，构建数据集之后，所述方法还包括：
根据预设方式将所述数据集中多个煤矿通风设备正常的图像...

【专利技术属性】
技术研发人员：吴振东，李锐，金长新，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东;37