公开了一种基于人工智能的风险评级模型生成方法、装置及存储介质。首先获取被检测点的辐射信息；对所述被检测点的辐射信息进行信息增强以得到增强辐射信息，对所述增强辐射信息进行信息分块处理以得到辐射信息块的序列；将所述辐射信息块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量；对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量；将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过包含第一卷积层和第二卷积层的局部关联强化器以得到分类特征向量；最后，将所述分类特征向量通过分类器以得到分类结果，可以准确地进行辐射强度风险的等级评估。险的等级评估。险的等级评估。
【技术实现步骤摘要】
基于人工智能的风险评级模型生成方法、装置及存储介质
[0001]本申请涉及智能风险评级领域，且更为具体地，涉及一种基于人工智能的风险评级模型生成方法、装置及存储介质。
技术介绍
[0002]随着科技的发展，人们对于核的利用越来越广泛，除了用于实验室研究外，在工业、能源和医疗等领域也扮演着重要角色。核技术广泛用于工业加工和检测，核扫描仪、放射性治疗在医疗行业中已经普及，核电站的建设如火如荼。在核走进人们生活的同时，核辐射对于生命健康的威胁也日益加剧。
[0003]核辐射检测技术是一种重要的辐射防护技术，其应用范围涉及核电站、核燃料加工厂、医院等多个领域。然而，传统的核辐射检测技术需根据检测人员的核辐射检测和防护经验进行风险等级的判别，这种方式对检测人员专业性要求较高，并且难以处理复杂的辐射状况，不能良好地反映监测环境的威胁态势，导致应用场景受限。
[0004]因此，期望一种优化的基于人工智能的风险评级模型生成方案。
技术实现思路
[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人工智能的风险评级模型生成方法、装置、设备及存储介质。其首先对被检测点的辐射信息进行信息增强以得到增强辐射信息，接着，对所述增强辐射信息进行信息分块处理后通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量，然后，对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量，接着，将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过局部关联强化器以得到分类特征向量，最后，将所述分类特征向量通过分类器以得到用于表示辐射强度风险等级标签的分类结果。这样，可以准确地进行辐射强度风险的等级评估。
[0006]根据本申请的一个方面，提供了一种基于人工智能的风险评级模型生成方法，其包括：
[0007]获取被检测点的辐射信息；
[0008]对所述被检测点的辐射信息进行信息增强以得到增强辐射信息；
[0009]对所述增强辐射信息进行信息分块处理以得到辐射信息块的序列；
[0010]将所述辐射信息块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量；
[0011]对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量；
[0012]将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过包含第一卷积层和第二卷积层的局部关联强化器以得到分类特征向量；
[0013]以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示辐
射强度风险等级标签。
[0014]在上述的基于人工智能的风险评级模型生成方法中，所述辐射信息包括辐射图像，所述增强辐射信息包括增强辐射图像，所述辐射信息块包括辐射图像块，对所述增强辐射信息进行信息分块处理以得到辐射信息块的序列，包括：
[0015]对所述增强辐射图像进行均匀地图像分块处理以得到所述辐射图像块的序列，其中，所述辐射图像块的序列中的各个辐射图像块具有相同的尺寸。
[0016]在上述的基于人工智能的风险评级模型生成方法中，将所述辐射图像块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量，包括：
[0017]使用所述ViT模型的所述嵌入层分别对所述辐射图像块的序列中各个辐射图像块进行嵌入化以得到辐射图像块嵌入向量的序列；
[0018]以及将所述辐射图像块嵌入向量的序列通过所述ViT模型的转换器以得到所述多个上下文辐射块特征向量。
[0019]在上述的基于人工智能的风险评级模型生成方法中，使用所述ViT模型的所述嵌入层分别对所述辐射图像块的序列中各个辐射图像块进行嵌入化以得到辐射图像块嵌入向量的序列，包括：
[0020]将所述辐射图像块的序列中各个辐射图像块的二维像素值矩阵展开为一维像素值向量以得到一维像素值向量的序列；
[0021]以及使用所述嵌入层分别对所述一维像素值向量的序列中的各个一维像素值向量进行全连接编码以得到所述辐射图像块嵌入向量的序列。
[0022]在上述的基于人工智能的风险评级模型生成方法中，对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量，包括：
[0023]以如下优化公式对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到所述多个优化上下文辐射块特征向量；
[0024]其中，所述优化公式为：
[0025][0026][0027]其中，是第个所述上下文辐射块特征向量，是第个所述上下文辐射块特征向量，是均值特征向量，为邻域设置超参数，表示以2为底的对数函数，表示按位置减法，是所述第个所述优化上下文辐射块特征向量。
[0028]在上述的基于人工智能的风险评级模型生成方法中，将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过包含第一卷积层和第二卷积层的局部关联强化器以得到分类特征向量，包括：
[0029]使用所述局部关联强化器的所述第一卷积层以具有第一长度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第一尺度上下文辐射块特征向量；
[0030]使用所述局部关联强化器的所述第二卷积层以具有第二长度的一维卷积核对所
述一维特征向量进行一维卷积编码以得到第二尺度上下文辐射块特征向量，所述第二长度不同于所述第一长度；
[0031]以及将所述第一尺度上下文辐射块特征向量和所述第二尺度上下文辐射块特征向量进行级联以得到所述分类特征向量。
[0032]在上述的基于人工智能的风险评级模型生成方法中，将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示辐射强度风险等级标签，包括：
[0033]使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；
[0034]以及将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0035]根据本申请的另一个方面，提供了一种基于人工智能的风险评级模型生成装置，其包括：
[0036]图像获取模块，用于获取被检测点的辐射图像；
[0037]图像增强模块，用于对所述被检测点的辐射图像进行图像增强以得到增强辐射图像；
[0038]图像分块模块，用于对所述增强辐射图像进行图像分块处理以得到辐射图像块的序列；
[0039]ViT编码模块，用于将所述辐射图像块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量；
[0040]优化模块，用于对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量；
[0041]局部关联强化模块，用于将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过包含第一卷积层和第二卷积层的局部关联强化器以得到分类特征向量；
[0042]以及分类模块，用于将所述分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的风险评级模型生成方法，其特征在于，包括：获取被检测点的辐射信息；对所述被检测点的辐射信息进行信息增强以得到增强辐射信息；对所述增强辐射信息进行信息分块处理以得到辐射信息块的序列；将所述辐射信息块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量；对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量；将所述多个优化上下文辐射块特征向量排列为一维特征向量后通过包含第一卷积层和第二卷积层的局部关联强化器以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示辐射强度风险等级标签。2.根据权利要求1所述的基于人工智能的风险评级模型生成方法，其特征在于，所述辐射信息包括辐射图像，所述增强辐射信息包括增强辐射图像，所述辐射信息块包括辐射图像块，对所述增强辐射信息进行信息分块处理以得到辐射信息块的序列，包括：对所述增强辐射图像进行均匀地图像分块处理以得到所述辐射图像块的序列，其中，所述辐射图像块的序列中的各个辐射图像块具有相同的尺寸。3.根据权利要求2所述的基于人工智能的风险评级模型生成方法，其特征在于，将所述辐射图像块的序列通过包含嵌入层的ViT模型以得到多个上下文辐射块特征向量，包括：使用所述ViT模型的所述嵌入层分别对所述辐射图像块的序列中各个辐射图像块进行嵌入化以得到辐射图像块嵌入向量的序列；以及将所述辐射图像块嵌入向量的序列通过所述ViT模型的转换器以得到所述多个上下文辐射块特征向量。4.根据权利要求3所述的基于人工智能的风险评级模型生成方法，其特征在于，使用所述ViT模型的所述嵌入层分别对所述辐射图像块的序列中各个辐射图像块进行嵌入化以得到辐射图像块嵌入向量的序列，包括：将所述辐射图像块的序列中各个辐射图像块的二维像素值矩阵展开为一维像素值向量以得到一维像素值向量的序列；以及使用所述嵌入层分别对所述一维像素值向量的序列中的各个一维像素值向量进行全连接编码以得到所述辐射图像块嵌入向量的序列。5.根据权利要求4所述的基于人工智能的风险评级模型生成方法，其特征在于，对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到多个优化上下文辐射块特征向量，包括：以如下优化公式对所述多个上下文辐射块特征向量进行多源信息融合验前分布评估优化以得到所述多个优化上下文辐射块特征向量；其中，所述优化公式为：所述优化公式为：其中，...
【专利技术属性】
技术研发人员：陈兴杰，
申请(专利权)人：上海吉贝克信息技术有限公司，
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。