本发明专利技术公开了一种海缆隐患识别方法、装置、设备和介质，方法包括：对获取到的视觉数据、语料数据和传感器数据进行数据预处理，并采用对应的特征提取网络进行特征提取生成视觉特征、语料特征和传感器特征，通过前馈神经网络将特征映射到统一的特征空间并构建等长矩阵，基于等长矩阵执行自注意力操作并输入第一多层感知机进行特征变换，确定时空混合特征，将时空混合特征输入级联的第二多层感知机和softmax层进行识别分类，输出海缆的隐患检测结果。整个海缆隐患识别过程，采用深度学习技术和自然语言处理技术，充分结合视觉数据、语料数据和传感器数据多种模态数据的缺陷互补优势，提升了海缆隐患识别的工作效率的同时提高了隐患识别准确率。提高了隐患识别准确率。提高了隐患识别准确率。
【技术实现步骤摘要】
一种海缆隐患识别方法、装置、设备和介质
[0001]本专利技术涉及海缆检测
，尤其涉及一种海缆隐患识别方法。
技术介绍
[0002]海底电缆在全球通信和数据传输中扮演着举足轻重的角色，由于海底电缆的特殊运行环境，其维护和管理面临着许多挑战，对隐患的及时发现而进行处理是海底电缆维护和管理的工作重点。
[0003]传统的海底电缆隐患识别方法主要依赖于人工巡检，包括海缆的视觉检查、电气性能测试等，该方法耗时耗力且准确性不高，难以满足日益增长的海缆维护需求。为解决上述问题，人们开始探索利用图像识别技术进行海缆隐患检测，但往往仅依赖于海底电缆单一的视觉信息，仍有待进一步提高海底电缆隐患识别的准确率。
技术实现思路
[0004]本专利技术提供了一种海缆隐患识别方法、装置、设备和介质，解决了现有技术对海底电缆进行隐患检测时，往往仅依赖于单一的视觉信息，导致海底电缆隐患识别的准确率较低的技术问题。
[0005]本专利技术第一方面提供的一种海缆隐患识别方法，包括：当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据预处理并分别采用预设的特征提取网络进行特征提取，生成视觉特征、语料特征和传感器特征；分别采用预设的前馈神经网络将所述视觉特征、所述语料特征和所述传感器特征映射到统一的特征空间，并合并输出的多组等长特征构建等长矩阵；基于所述等长矩阵执行自注意力操作后，输入预设的第一多层感知机进行特征变换，确定时空混合特征；将所述时空混合特征输入级联的预设第二多层感知机和softmax层进行识别分类，输出所述海缆的隐患检测结果。
[0006]可选地，所述当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据预处理并分别采用预设的特征提取网络进行特征提取，生成视觉特征、语料特征和传感器特征的步骤，包括：当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据清洗、去噪和归一化，输出目标视觉数据、目标语料数据和目标传感器数据；所述待识别数据包括视觉数据、语料数据和传感器数据；采用预设的卷积神经网络对目标视觉数据进行特征提取，生成视觉特征；将目标语料数据输入预设的第一时序网络、将目标传感器数据输入预设的第二时序网络进行特征提取，生成语料特征和传感器特征。
[0007]可选地，所述基于所述等长矩阵执行自注意力操作后，输入预设的第一多层感知机进行特征变换，确定时空混合特征的步骤，包括：
基于所述等长矩阵进行多次线性变换，确定查询矩阵、键矩阵和值矩阵；采用所述查询矩阵与所述键矩阵的转置矩阵进行乘法运算，构建注意力矩阵；对所述注意力矩阵执行softmax运算后，与所述值矩阵进行乘法运算，生成目标值矩阵；将所述目标值矩阵与所述等长矩阵进行逐行拼接后，输入预设的第一多层感知机进行特征变换，确定时空混合特征。
[0008]可选地，还包括：获取所述海缆在预测时刻关联的历史时空混合特征序列和历史隐患特征序列库；将所述历史时空混合特征序列输入预设的第三时序网络进行特征预测，输出所述预测时刻的预测时空混合特征；对所述历史时空混合特征序列与所述预测时空混合特征进行串联，组成一维特征；基于所述一维特征和所述历史隐患特征序列库确定条件编码；通过级联的预设第三多层感知机和softmax层采用所述预测时空混合特征和所述条件编码进行识别分类，输出隐患预测结果。
[0009]可选地，所述基于所述一维特征和所述历史隐患特征序列库确定条件编码的步骤，包括：从所述历史隐患特征序列库中提取出多个历史隐患特征序列；分别对所述一维特征和各所述历史隐患特征序列作线性变换，构建预测查询矩阵和多个预测键矩阵；将所述预测查询矩阵分别与各所述预测键矩阵进行内积运算，输出多个置信度；对全部所述置信度从高到低进行排列，顺序选取预设数量阈值的多个置信度对应的历史隐患特征序列进行串联后，输入预设的全连接层进行通道降维，生成条件编码。
[0010]可选地，所述第三多层感知机包括第一全连接层模块和第二全连接层模块；所述通过级联的预设第三多层感知机和softmax层采用所述预测时空混合特征和所述条件编码进行识别分类，输出隐患预测结果的步骤，包括：采用第一全连接层模块对所述预测时空混合特征进行特征提取，输出第一特征；将所述第一特征与所述条件编码进行串联后，输入第二全连接层模块进行特征提取，生成第二特征；通过softmax层基于所述第二特征进行特征映射，输出隐患预测结果。
[0011]可选地，还包括：获取多个海缆的历史时空混合特征库；从各所述历史时空混合特征库中，提取出在隐患临界时段内的多个历史时空混合特征分别组成历史隐患特征序列；采用全部所述历史隐患特征序列组成历史隐患特征序列库。
[0012]本专利技术第二方面提供的一种海缆隐患识别装置，包括：特征提取模块，用于当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据预处理并分别采用预设的特征提取网络进行特征提取，生成视觉特征、语料特征和传感器特征；
等长矩阵构建模块，用于分别采用预设的前馈神经网络将所述视觉特征、所述语料特征和所述传感器特征映射到统一的特征空间，并合并输出的多组等长特征构建等长矩阵；时空混合特征模块，用于基于所述等长矩阵执行自注意力操作后，输入预设的第一多层感知机进行特征变换，确定时空混合特征；隐患检测模块，用于将所述时空混合特征输入级联的预设第二多层感知机和softmax层进行识别分类，输出所述海缆的隐患检测结果。
[0013]本专利技术第三方面提供的一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本专利技术第一方面任一项所述的海缆隐患识别方法的步骤。
[0014]本专利技术第四方面提供的一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如本专利技术第一方面任一项所述的海缆隐患识别方法。
[0015]从以上技术方案可以看出，本专利技术具有以下优点：本专利技术通过对获取到的视觉数据、语料数据和传感器数据进行数据预处理，并采用对应的特征提取网络进行特征提取生成视觉特征、语料特征和传感器特征，通过前馈神经网络将特征映射到统一的特征空间并构建等长矩阵，基于等长矩阵执行自注意力操作并输入预设的第一多层感知机进行特征变换，确定时空混合特征，将时空混合特征输入级联的预设第二多层感知机和softmax层进行识别分类，输出海缆的隐患检测结果。整个海缆隐患识别过程，采用深度学习技术和自然语言处理技术，充分结合视觉数据、语料数据和传感器数据多种模态数据的缺陷互补优势，提升了海缆隐患识别的工作效率的同时提高了隐患识别准确率。
附图说明
[0016]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简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。
[0017]图1为本专利技术实施例提供的一种海缆隐患识别方法的步骤流程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种海缆隐患识别方法，其特征在于，包括：当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据预处理并分别采用预设的特征提取网络进行特征提取，生成视觉特征、语料特征和传感器特征；分别采用预设的前馈神经网络将所述视觉特征、所述语料特征和所述传感器特征映射到统一的特征空间，并合并输出的多组等长特征构建等长矩阵；基于所述等长矩阵执行自注意力操作后，输入预设的第一多层感知机进行特征变换，确定时空混合特征；将所述时空混合特征输入级联的预设第二多层感知机和softmax层进行识别分类，输出所述海缆的隐患检测结果。2.根据权利要求1所述的海缆隐患识别方法，其特征在于，所述当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据预处理并分别采用预设的特征提取网络进行特征提取，生成视觉特征、语料特征和传感器特征的步骤，包括：当获取到海缆的多组待识别数据时，对全部所述待识别数据进行数据清洗、去噪和归一化，输出目标视觉数据、目标语料数据和目标传感器数据；所述待识别数据包括视觉数据、语料数据和传感器数据；采用预设的卷积神经网络对目标视觉数据进行特征提取，生成视觉特征；将目标语料数据输入预设的第一时序网络、将目标传感器数据输入预设的第二时序网络进行特征提取，生成语料特征和传感器特征。3.根据权利要求1所述的海缆隐患识别方法，其特征在于，所述基于所述等长矩阵执行自注意力操作后，输入预设的第一多层感知机进行特征变换，确定时空混合特征的步骤，包括：基于所述等长矩阵进行多次线性变换，确定查询矩阵、键矩阵和值矩阵；采用所述查询矩阵与所述键矩阵的转置矩阵进行乘法运算，构建注意力矩阵；对所述注意力矩阵执行softmax运算后，与所述值矩阵进行乘法运算，生成目标值矩阵；将所述目标值矩阵与所述等长矩阵进行逐行拼接后，输入预设的第一多层感知机进行特征变换，确定时空混合特征。4.根据权利要求1所述的海缆隐患识别方法，其特征在于，还包括：获取所述海缆在预测时刻关联的历史时空混合特征序列和历史隐患特征序列库；将所述历史时空混合特征序列输入预设的第三时序网络进行特征预测，输出所述预测时刻的预测时空混合特征；对所述历史时空混合特征序列与所述预测时空混合特征进行串联，组成一维特征；基于所述一维特征和所述历史隐患特征序列库确定条件编码；通过级联的预设第三多层感知机和softmax层采用所述预测时空混合特征和所述条件编码进行识别分类，输出隐患预测结果。5.根据权利要求4所述的海缆隐患识别方法，其特征在于，所述基于所述一维特征和所述...
【专利技术属性】
技术研发人员：谢顺添，罗文博，张清文，唐晓军，唐建东，冯耀民，信莲莲，颜永光，
申请(专利权)人：广东电网有限责任公司阳江供电局，
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。