【技术实现步骤摘要】
一种检测设备运行状态的方法和装置
[0001]本专利技术涉及工业视觉
，特别是涉及一种检测设备运行状态的方法和装置。
技术介绍
[0002]在工业视觉领域中，经常需要执行检测设备是否正常运行的任务。在这类任务中，如果检测到设备运行异常则应报警提示操作人员处理。其中，该检测异常的任务属于视频行为识别任务。而在现有技术中，普遍使用3d卷积等视频处理网络，在消耗了大量的硬件资源的同时，随着推理时间的增加，会增加对应处理网络的延时性。从而影响设备异常运行检测的及时性，增大了设备所生产产品的不合格概率。
技术实现思路
[0003]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的检测设备运行状态的方法和装置。
[0004]依据本专利技术的第一方面，提供了一种检测设备运行状态的方法，所述方法包括：
[0005]获取指定时间段内目标设备的多帧运行图像；
[0006]分别对每帧运行图像对应的对比图像进行平移，得到各帧的平移图像，所述运行图像的像素点和对应帧的平移图...
【技术保护点】
【技术特征摘要】
1.一种检测设备运行状态的方法，其特征在于，所述方法包括：获取指定时间段内目标设备的多帧运行图像；分别对每帧运行图像对应的对比图像进行平移，得到各帧的平移图像，所述运行图像的像素点和对应帧的平移图像的像素点对应，所述运行图像和对比图像尺寸相同，所述对比图像为所述设备运行正常时的图像；分别将每帧运行图像和对应的平移图像进行对比，确定每帧对应的差值图像；对各差值图像分别进行边缘处理，确定多帧特征图像；对各特征图像进行图像分析，得到每帧所述特征图像的状态分析结果；根据多个状态分析结果，确定所述目标设备的运行状态是否处于异常运行。2.根据权利要求1所述的检测设备运行状态的方法，其特征在于，所述对各特征图像进行图像分析，得到每帧所述特征图像的状态分析结果，包括：将每一帧的所述运行图像和对应的特征图像，分别输入到特征融合模型中进行状态分析，确定每一帧的状态分析结果，所述状态分析结果包括：正常和异常。3.根据权利要求2所述的检测设备运行状态的方法，其特征在于，所述特征融合模型包括空间流特征提取网络、时间流特征提取网络以及多尺度特征融合网络；所述将每一帧的所述运行图像和对应的特征图像，分别输入到特征融合模型中进行状态分析，确定每一帧的状态分析结果，包括：将每一帧运行图像输入到所述空间流特征提取网络中处理，分别得到不同分辨率的多个运行特征图像；将所述运行图像对应的特征图像输入到所述时间流特征提取网络中处理，分别得到不同分辨率的多个目标特征图像；将每帧运行图像的多个运行特征图像和对应的特征图像的多个目标特征图像输入到所述多尺度特征融合网络中处理，得到每一帧对应的状态分析结果。4.根据权利要求3所述的检测设备运行状态的方法，其特征在于，所述多尺度特征融合网络包括第一多尺度残差融合子网络、第二多尺度残差融合子网络以及双流特征融合子网络；所述将每帧运行图像的多个运行特征图像和对应的特征图像的多个目标特征图像输入到所述多尺度特征融合网络中处理，得到每一帧的状态分析结果，包括：将每帧运行图像的多个运行特征图像输入到所述第一多尺度残差融合子网络中处理，得到多个运行融合图像；将每帧运行图像对应的特征图像的多个目标特征图像输入到所述第二多尺度残差融合子网络中处理，得到多个特征融合图像；将每一帧对应相同图像分辨率的运行融合图像和特征融合图像进行图像拼接，得到多个拼接图像；向所述双流特征融合子网络输入多个所述拼接图像，确定每一帧对应的状态分析结果。5.根据权利要求4所述的检测设备运行状态的方法，其特征在于，所述双流特征融合子网络包括：多层卷积层、池化层、线性层以及激活函数层；所述向所述双流特征融合子网络输入所述多张拼接图像，确定每一帧对应的状态分析
结果，包括：通过所述多层卷积层对所述多张拼接图像进行卷积操作，得到卷积处理结果；通过所述池化层对所述卷积处理结果进行池化，得到池化处理结果；通过所述线性层对所述池化处理结果进行全连接，得到连接处理结果；通过所述激活函数层对所述连接处理结果进行非线性处理，得到每一帧对应的状态分析结果。6.根据权利要求2
‑
5任一项所述的检测设备运行状态的方法，其特征在于，所述方法还包括训练所述特征融合模型的步骤：获取所述目标设备处于目标运行状态时，所对应的运行图像和特征图像；将所述对应的运行图像和特征图像输入到待训练...
【专利技术属性】
技术研发人员：侯佳良，陈晓炬，王邦军，
申请(专利权)人：南京中科创达软件科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。