基于深度学习算法的设备智能测温方法、终端、存储装置制造方法及图纸

本发明专利技术提供一种基于深度学习算法的设备智能测温方法、终端、存储装置，该设备智能测温方法包括：S101：根据设备的温度信息、工作状态信息建立数据库，通过深度学习算法对数据库进行学习训练形成温度预测模型；S102：根据温度预测模型的输出结果获取温度预测信息，判断温度预测信息是否满足预设条件，若是，则根据温度预测信息进行设备报警，若否，则执行S103；S103：获取包含设备的当前温度信息的图像，根据图像获取设备的当前温度信息；S104：根据当前温度信息进行设备预警，根据当前温度信息、工作状态信息优化温度预测模型。本发明专利技术无需人工检测，人力、物力成本低，效率高、检测时间长，而且耗能少，满足了用户需求。满足了用户需求。满足了用户需求。

【技术实现步骤摘要】
基于深度学习算法的设备智能测温方法、终端、存储装置


[0001]本专利技术涉及温度测量
，尤其涉及一种基于深度学习算法的设备智能测温方法、终端、存储装置。

技术介绍

[0002]温度是评价设备运行状态的重要指标之一。在一些特殊场合，设备温度异常可能会引起设备损坏、燃烧、甚至爆炸等事故。因此，需要对设备的异常温度进行监测和预警。
[0003]然而，现有技术中，很多设备并不具有温度预警功能或不能向其他设备传输自身的温度异常信息，为了能够在设备温度异常时快速发现和进行预警以防止其因温度因素导致运行异常甚至损坏，需要工作人员时常检测设备的温度或为其加装相关温度传感器。
[0004]但是，人工检测的方式具有劳动成本高、效率低、不能够长时间检测等问题，不能在设备温度异常时快速发现，加装传感器的方式需要重新铺设线路，人力、物力本高，而且，需要向传感器供电，增加了耗能，加装传感器容易造成设备损坏，以上两种方法都不能很好满足当前的异常温度检测和预警需求。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提出一种基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习算法的设备智能测温方法，其特征在于，所述设备智能测温方法包括：S101：获取设备的温度信息以及与所述温度信息关联的工作状态信息，根据所述温度信息、工作状态信息建立数据库，通过深度学习算法对所述数据库进行学习训练形成温度预测模型；S102：将所述设备输入的工作状态信息输入所述温度预测模型，根据所述温度预测模型的输出结果获取温度预测信息，判断所述温度预测信息是否满足预设条件，若是，则根据所述温度预测信息进行设备报警，若否，则执行S103；S103：获取包含所述设备的当前温度信息的图像，根据所述图像获取所述设备的当前温度信息；S104：根据所述当前温度信息进行设备预警，并记录所述当前温度信息对应的工作状态信息，根据所述当前温度信息、工作状态信息优化所述温度预测模型。2.如权利要求1所述的基于深度学习算法的设备智能测温方法，其特征在于，所述工作状态信息包括电压、电流、产生的声音大小、声音频率、工作状态中的至少一种。3.如权利要求1所述的基于深度学习算法的设备智能测温方法，其特征在于，所述根据所述温度信息、工作状态信息建立数据库的步骤具体包括：获取所述温度信息与所述工作状态信息的关联信息，根据所述关联信息将所述温度信息、工作状态信息存储在数据库中。4.如权利要求3所述的基于深度学习算法的设备智能测温方法，其特征在于，所述根据所述温度信息、工作状态信息建立数据库的步骤还包括：获取所述温度信息对应的温度检测信息，根据所述关联信息、温度检测信息将所述温度信息、工作状态信息存储在数据库中，所述温度检测信息包括环境温度、设备类型、设备所在地点、环境天气、温度检测设备类型中的...

【专利技术属性】
技术研发人员：柒强，周阳，
申请(专利权)人：广州朗国电子科技有限公司，
类型：发明
国别省市：