高炉风口异常检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种高炉风口异常检测方法、装置、电子设备和存储介质，其中该方法包括：确定待检测高炉风口对应的待检测视频片段；将待检测视频片段输入至向量表示模型中，得到向量表示模型输出的待检测向量；其中，向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；基于目标锚向量和待检测向量，确定待检测高炉风口的异常检测结果；其中，目标锚向量是将待检测高炉风口对应的目标锚视频片段输入至向量表示模型得到的。本发明专利技术实施例提供的方法、装置、电子设备和存储介质，实现了针对高炉风口的个性化异常检测，有效提高了异常检测结果的准确性和可靠性。

Blast furnace tuyere abnormal detection method, device, electronic equipment and storage medium

【技术实现步骤摘要】
高炉风口异常检测方法、装置、电子设备和存储介质
本专利技术涉及高炉检测
，尤其涉及一种高炉风口异常检测方法、装置、电子设备和存储介质。
技术介绍
在高炉炼铁过程中，通过高炉风口可以判断高炉运行的状况。使用成像设备对高炉风口进行监控，可以对风口小套漏水、挂渣、吹管烧穿等故障及时发现并处理，并基于渣皮脱落等现象判断炉况并调节喷煤量。目前，基于神经网络的高炉风口异常检测方法仅通过分类模型对高炉风口进行异常检测。由于不同高炉在不同时刻的监控设备的参数、成像条件、喷煤枪的工作参数等方面区别较大，使得高炉风口监控图像中出现异常的情形较为复杂，从而导致使用分类模型进行异常检测的准确率较低。
技术实现思路
本专利技术实施例提供一种高炉风口异常检测方法、装置、电子设备和存储介质，用以解决现有的高炉风口异常检测方法准确性、可靠性差的问题。第一方面，本专利技术实施例提供一种高炉风口异常检测方法，包括：定待检测高炉风口对应的待检测视频片段；将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。可选地，所述向量表示模型的损失函数是基于所述样本锚视频片段和所述样本正常视频片段之间的向量相似度，以及所述样本锚视频片段和所述样本异常视频片段之间的向量相似度确定的。可选地，所述样本锚视频片段和样本正常视频片段属于同一集合，所述样本锚视频片段和所述样本异常视频片段属于不同集合；其中，任一集合内包括从同一高炉风口的连续监控视频中拆分的若干个具有相同异常检测标签的视频片段。可选地，所述将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量，具体包括：将所述待检测视频片段的图像序列输入至所述向量表示模型，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的关联特征进行融合，得到所述向量表示模型输出的所述待检测向量。可选地，所述将所述待检测视频片段输入至向量表示模型中，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的时空关联进行融合，得到所述向量表示模型输出的待检测向量，具体包括：将所述图像序列的每帧图像输入至所述向量表示模型的语义特征提取层，得到所述语义特征提取层输出的每帧图像的语义特征；将所述每帧图像的语义特征输入至所述向量表示模型的空时注意力层，由所述空时注意力层通过对每帧图像的语义特征进行逐点卷积，得到所述空时注意力层输出的所述图像序列在每一区域的时序变化特征；将所述每帧图像的语义特征和所述每一区域的时序变化特征输入至所述向量表示模型的特征输出层，得到所述特征输出层输出的所述待检测向量。可选地，所述基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果，具体包括：确定所述目标锚向量和所述待检测向量之间的距离；基于所述距离与预设距离阈值，确定所述待检测高炉风口的异常检测结果。可选地，所述目标锚视频片段是自所述待检测高炉风口的异常检测启动时刻起预设时长的视频片段，异常检测启动是在人工确定所述待检测高炉风口处于正常工作状态后执行的。第二方面，本专利技术实施例提供一种高炉风口异常检测装置，包括：视频片段确定单元，用于确定待检测高炉风口对应的待检测视频片段；向量表示单元，用于将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；异常检测单元，用于基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。第三方面，本专利技术实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑命令，以执行如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种高炉风口异常检测方法、装置、电子设备和存储介质，通过基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的向量表示模型进行向量表示，能够更好地区分正常和异常情况下的视频片段之间的差异，得到针对视频差异精准建模的待检测向量；基于来自同一高炉风口的目标锚向量和待检测向量进行异常检测，避免了分类模型训练时由于类内差异大、类间差异小所导致的泛化困难和分类准确率差的问题，实现了针对高炉风口的个性化异常检测，有效提高了异常检测结果的准确性和可靠性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以基于这些附图获得其他的附图。图1为本专利技术实施例提供的正常情况下的高炉风口图像；图2为本专利技术实施例提供的落大块情况下的高炉风口图像；图3为本专利技术实施例提供的挂渣情况下的高炉风口图像；图4为本专利技术实施例提供的高炉风口异常检测方法的流程示意图；图5为本专利技术实施例提供的向量表示模型的训练示意图；图6为本专利技术实施例提供的样本集合划分示意图；图7为本专利技术实施例提供的向量表示模型的结构示意图；图8为本专利技术实施例提供的向量表示模型的运行流程示意图；图9为本专利技术实施例提供的异常检测结果确定方法的流程示意图；图10为本专利技术实施例提供的人机交互下的视频片段示意图；图11为本专利技术实施例提供的高炉风口异常检测装置的结构示意图；图12为本专利技术实施例提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。高炉风口成像设备的工作环境恶劣，图像噪声大且不同风口之间的图像噪声相对随机，难以通过数字图像处理技术消除；高炉定期休风检修维护，更换损坏的风口小套和喷煤枪，成像设备频繁重新安装，发生摄像头视角偏移、位置平移、角度旋转等变化；不同厂商的设备之间存在成像差异；喷煤枪安装角度不固定，不同风口不同时间本文档来自技高网...

【技术保护点】
1.一种高炉风口异常检测方法，其特征在于，包括：/n确定待检测高炉风口对应的待检测视频片段；/n将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；/n基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。/n

【技术特征摘要】
1.一种高炉风口异常检测方法，其特征在于，包括：
确定待检测高炉风口对应的待检测视频片段；
将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量；其中，所述向量表示模型是基于样本锚视频片段、样本正常视频片段和样本异常视频片段训练得到的；
基于目标锚向量和所述待检测向量，确定所述待检测高炉风口的异常检测结果；其中，所述目标锚向量是将所述待检测高炉风口对应的目标锚视频片段输入至所述向量表示模型得到的。


2.基于权利要求1所述的高炉风口异常检测方法，其特征在于，所述向量表示模型的损失函数是基于所述样本锚视频片段和所述样本正常视频片段之间的向量相似度，以及所述样本锚视频片段和所述样本异常视频片段之间的向量相似度确定的。


3.基于权利要求1或2所述的高炉风口异常检测方法，其特征在于，所述样本锚视频片段和样本正常视频片段属于同一集合，所述样本锚视频片段和所述样本异常视频片段属于不同集合；
其中，任一集合内包括从同一高炉风口的连续监控视频中拆分的若干个具有相同异常检测标签的视频片段。


4.基于权利要求1所述的高炉风口异常检测方法，其特征在于，所述将所述待检测视频片段输入至向量表示模型中，得到所述向量表示模型输出的待检测向量，具体包括：
将所述待检测视频片段的图像序列输入至所述向量表示模型，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的关联特征进行融合，得到所述向量表示模型输出的所述待检测向量。


5.根据权利要求4所述的高炉风口异常检测方法，其特征在于，所述将所述待检测视频片段输入至向量表示模型中，由所述向量表示模型对所述图像序列中每帧图像的语义特征，以及每帧图像之间的时空关联进行融合，得到所述向量表示模型输出的待检测向量，具体包括：
将所述图像序列的每帧图像输入至所述向量表示模型的语义特征提取层，得到所述语义特征提取层输出的每帧图像的语义特征；
将所述每帧图像的语...

【专利技术属性】
技术研发人员：孙境廷，胡国平，陈涛，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34