买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京理工大学

摘要：本发明公开了一种基于双流注意力卷积的红外图像故障诊断方法，首先对数据集进行裁剪，翻转以扩充数据集的规模。接着将红外图像数据集输入到双流注意力卷积神经网络中进行X和Y方向的双向空间特征的提取与融合，很好地解决了小样本不均衡的问题，同时能够更全面地捕捉到红外图像中的重要的温度分布和变化趋势。最后，将待诊断的故障图像输入到训练好的故障诊断模型，进行感应电机红外图像的故障诊断。该方法的独特之处在于它的双流卷积神经网络结构，可以综合不同尺度的信息，提高故障诊断的准确性和适应性。此方法为感应电机红外图像的故障诊断提供了一种强大的工具，可用于小样本的红外图像故障诊断任务。

主权项：1.一种基于双流注意力卷积的感应电机红外图像故障诊断方法，其特征在于，包括以下步骤：S1：加载数据集并对所有的感应电机红外图像样本进行特定概率的顺时针旋转和水平翻转操作；S2：对步骤S1中生成的红外图像样本进行随机大小和长宽比的裁剪操作，然后将裁剪的图像大小调整为统一的像素；S3：设置RGB通道的均值三元组和RGB通道的标准差三元组，标准化图像；S4：建立基于双流注意力卷积DSAC的感应电机红外图像故障诊断模型：利用上述预处理过的红外图像数据对构建好的DSAC模型进行训练，得到一个感应电机红外图像故障诊断模型；所述DSAC模型由一个双流卷积神经网络和两个卷积注意力机制模块组成；该模型的双流使用不同大小和尺度卷积核的卷积神经网络来提取特征；每流的结构依次为输入层，卷积层1，激活函数层1，最大池化层1，卷积层2，激活函数层2，最大池化层2，卷积层3，激活函数层3，卷积层4，激活函数层4，卷积层5，激活函数层5，最大池化层3，卷积注意力层，丢弃层，展平层，全连接层，softmax层，输出层；利用X方向和Y方向的卷积核可以分别捕获各自方向特征信息，这些信息包含了温度分布、变化趋势这些信息；随后使用卷积注意力机制对所提取到的双向特征进行计算并分配注意力权重；S5：训练基于双流注意力卷积DSAC的感应电机红外图像故障诊断模型；初始化DSAC模型的参数，使用交叉熵损失函数作为模型的损失函数，使用ADAM优化器作为模型的优化器，添加模型评估指标，包括准确率、召回率以及F1分数；使用训练数据集进行模型的训练任务，监控并记录模型的训练过程，实时保存最优模型的参数，待训练完成后，所保存的模型参数即为最优模型参数；S6：加载步骤S5中的最优模型参数至DSAC模型，使用DSAC模型对待诊断数据进行故障诊断，得出故障诊断准确率、召回率、F1分数和混淆矩阵；使用TSNE降维可视化工具生成带有标签的TSNE降维可视化结果图。

全文数据：

权利要求：

百度查询： 南京理工大学 基于双流注意力卷积的感应电机红外图像故障诊断方法