摘要
本发明涉及天然气计量技术领域。本发明为解决现有技术中肉眼观察存在主观性,难以精确发现微小的泄漏和潜在的隐患的问题,提供一种基于机器学习的孔板节流装置滑阀检测方法、系统、设备与介质。获取孔板节流装置上的滑阀安装位置附近区域图像,用于监测滑阀附近是否有异常物,异常物包括杂物、污垢和/或腐蚀物;获取滑阀表面图像和滑阀密封部件表面图像;用机器学习技术对孔板节流装置上的滑阀安装位置附近区域图像以及滑阀表面图像和滑阀密封部件表面图像进行处理,生成表征滑阀附近异常物状态的特征向量和表征滑阀及其密封部件表面的特征向量;对表征滑阀附近异常物状态的特征向量和表征滑阀及其密封部件表面的特征向量进行分析发出预警信号。
技术关键词
滑阀
密封部件
孔板节流装置
图像分割模型
多尺度特征
图像处理模块
层级卷积神经网络
机器学习技术
分支卷积神经网络
天然气计量技术
图像采集模块
计算机
通道注意力机制
污垢
预警模块
可读存储介质
随机噪声
系统为您推荐了相关专利信息
遥感图像分割方法
遥感图像数据
遥感图像分割网络
图像分割模型
文本
恶意代码分类方法
特征提取模型
前馈神经网络
多层感知器
数据
状态分析系统
数据
多尺度特征提取
融合特征
特征金字塔网络
图像去雾方法
训练深度估计模型
大气散射模型
生成对抗网络
去雾图像