摘要
本发明提供一种吐丝机拖尾异常识别方法、装置、设备及介质,该方法包括获取吐丝机生产过程中的样本图像,并对其进行标注形成训练样本数据集,而后基于该数据集构建一个线材检测模型,该模型能够提取图像特征、定位异常区域,并融合多区域检测结果,在实际应用中,通过采集生产现场的待检测图像并输入到已训练好的模型中,以获得异常检测结果,进而筛选出位于预设目标区域内的异常区域,并统计有效异常区域的时空分布指标,若时空分布指标同时满足预设报警条件则触发拖尾异常报警,以便采取措施防止生产事故;该方法提高了检测精度和响应速度,减少了人工观察的局限性和安全隐患,为生产线的安全高效运行提供了保障。
技术关键词
异常识别方法
训练样本数据
吐丝机
线材
深度神经网络
多区域
指标
图像采集模块
预训练模型
特征提取能力
电子设备
坐标
识别装置
计算机
处理器
无监督
存储装置
可读存储介质
系统为您推荐了相关专利信息
客户关系管理系统
跨渠道
多模态数据融合
负载均衡机制
文本
教师
学生
深度神经网络模型
注意力
更新网络参数
机械设备故障
数据识别方法
故障类别
故障特征
归一化方法