【技术实现步骤摘要】
本申请属于智能制造，具体涉及一种面向工业巡检的缺陷自主决策方法、装置、设备及介质。
技术介绍
1、随着智能制造由自动化向智能化纵深发展，工业设备的预测性维护已成为智能制造的核心环节。工业设备的预测性维护主要依赖工业巡检，当前工业巡检主要采用人工巡检与传感器网络（包括温湿度/烟雾传感器和监控设备等）协同模式。该模式包含两种实施路径：一、现场采集设备图像发送至维护人员，依赖人工经验判断缺陷类型及制定处置方案；二、通过图像模型检测设备异常区域，通知具备维修经验的维护人员实施修理。上述方式存在以下问题：（1）人员依赖严重：需经验丰富的维修人员参与决策全流程，人力成本高且主观判断存在偏差，响应时效滞后。（2）决策链条断裂：缺陷识别结果与维修知识库缺乏智能关联，历史案例复用率低，形成"检测-决策"信息孤岛。
2、导致上述问题的核心原因在于多模态数据融合不足。具体而言：首先，缺陷识别与处置策略相割裂：现有技术中图像识别模型通常独立于维修知识库运行，导致缺陷识别结果与处置策略生成环节割裂。例如，基于视觉大模型的异常检测系统虽能定位设备表面缺...
【技术保护点】
1.一种面向工业巡检的缺陷自主决策方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在将所述缺陷特征向量对应的缺陷信息和所述维修策略下发至维修人员的通信终端的步骤之后，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，所述使用多光谱融合终端采集工业设备的设备运行状态信息，上传至云端服务器的步骤，包括：
4.如权利要求1所述的方法，其特征在于，所述使用云端服务器内置的跨模态深度分析模型，根据双流异构深度网络架构对所述设备运行状态信息进行跨模态学习，学习所述工业设备的视觉-文本特征的联合分布，得到所述工业设备的缺...
【技术特征摘要】
1.一种面向工业巡检的缺陷自主决策方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在将所述缺陷特征向量对应的缺陷信息和所述维修策略下发至维修人员的通信终端的步骤之后，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，所述使用多光谱融合终端采集工业设备的设备运行状态信息，上传至云端服务器的步骤，包括：
4.如权利要求1所述的方法，其特征在于，所述使用云端服务器内置的跨模态深度分析模型，根据双流异构深度网络架构对所述设备运行状态信息进行跨模态学习，学习所述工业设备的视觉-文本特征的联合分布，得到所述工业设备的缺陷特征向量的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述控制所述双流异构深度网络架构的视觉处理流，使用目标检测算法结合多尺度注意力机制，在多个尺度的维度上建立所述多光谱状态图像的特征关联，检测得到所述多光谱状态图像的视觉特征的...
【专利技术属性】
技术研发人员：赵震，米继宗，张振宇，马龙宁，张韬，黄露露，高增林，
申请(专利权)人：浪潮通用软件有限公司，
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。