一种呼吸器寿命检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种呼吸器寿命检测方法、装置、电子设备及存储介质，该方法包括：获取待测呼吸器的监控图像数据和预设机器学习模型的卷积核数据；预设机器学习模型基于图像识别深度神经网络构建，用于检测监控图像数据表征的待测呼吸器填充物当前颜色；对监控图像数据和卷积核数据进行傅里叶变换，得到对应的目标图像数据和目标卷积核数据；对目标图像数据和目标卷积核数据进行乘积计算，得到频域检测结果；根据频域检测结果的傅里叶逆变换结果，确定待测呼吸器的寿命检测结果。通过将预设机器学习模型的卷积计算转换为乘积计算，并实现相同效果的图像检测，以使该机器学习模型可以应用于计算资源较少的嵌入式移动终端，提高了模型应用的普适性。型应用的普适性。型应用的普适性。

【技术实现步骤摘要】
一种呼吸器寿命检测方法、装置、电子设备及存储介质


[0001]本申请涉及仪器检测
，尤其涉及一种呼吸器寿命检测方法、装置、电子设备及存储介质。

技术介绍

[0002]呼吸器应用于升压站，用于清除吸入空气中的杂质和水分，以免变压器污染受潮。一般情况下，呼吸器中的填充物在初始状态下呈蓝色，随着吸收的杂质和水分的增加，填充物逐渐变成红色，当填充物为红色时，可以确定该呼吸器达到使用寿命，此时应当更换呼吸器。
[0003]在现有技术中，通常是基于深度神经网络算法，构建一个可通过图像识别检测呼吸器填充物颜色的机器学习模型。
[0004]但是，随着图像识别深度神经网络在无人机、机器人等方面的应用越来越广，机器学习模型需要在嵌入式移动端等环境下运行。由于基于图像识别深度神经网络的机器学习模型对运行终端的计算资源需求较高，这就导致该机器学习模型无法应用于计算资源较少的嵌入式移动终端，降低了模型应用的普适性。

技术实现思路

[0005]本申请提供一种呼吸器寿命检测方法、装置、电子设备及存储介质，以解决现有技术中机器学习模型无法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种呼吸器寿命检测方法，其特征在于，包括：获取待测呼吸器的监控图像数据和预设机器学习模型的卷积核数据；其中，所述预设机器学习模型基于图像识别深度神经网络构建，用于检测所述监控图像数据表征的待测呼吸器填充物当前颜色；对所述监控图像数据和所述卷积核数据进行傅里叶变换，得到对应的目标图像数据和目标卷积核数据；对所述目标图像数据和目标卷积核数据进行乘积计算，得到频域检测结果；根据所述频域检测结果的傅里叶逆变换结果，确定所述待测呼吸器的寿命检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述监控图像数据和所述卷积核数据进行傅里叶变换，得到对应的目标图像数据和目标卷积核数据，包括：根据如下公式，对所述监控图像数据和所述卷积核数据进行傅里叶变换：其中，X(ω)表示所述目标图像数据或目标卷积核数据，所述目标图像数据和目标卷积核数据为频域数据，x(t)表示所述监控图像数据或卷积核数据，所述监控图像数据和卷积核数据为时域数据，e
‑
jωt
表示预设复变函数。3.根据权利要求2所述的方法，其特征在于，还包括：根据如下公式，对所述频域检测结果进行傅里叶逆变换，得到所述傅里叶逆变换结果：其中，y(t)表示所述傅里叶逆变换结果，所述傅里叶逆变换结果为时域数据，Y(ω)表示所述频域检测结果，所述频域检测结果为频域数据。4.根据权利要求1所述的方法，其特征在于，在对所述监控图像数据和所述卷积核数据进行傅里叶变换，得到对应的目标图像数据和目标卷积核数据之前，所述方法包括：根据所述卷积核数据表征的卷积核边长，对所述监控图像数据进行空值填充；根据所述监控图像数据的空值填充结果，对所述卷积核数据进行空值填充，以使经过傅里叶变换得到的目标图像数据和目标卷积核数据之间满足乘积计算条件。5.根据权利要求4所述的方法，其特征在于，所述根据所述卷积核数据的表征...

【专利技术属性】
技术研发人员：张亚平，周登科，汤鹏，程龙，漆召兵，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：