權利要求書： 1.基于多任務關聯的風機葉片損傷識別方法，其特征在于，包括：獲取風機葉片的圖像，對獲取的風機葉片圖像進行預處理；將風機葉片圖像輸入至多任務關聯神經網絡模型中，所述多任務關聯神經網絡模型包括多任務主干網絡和兩個子任務分支網絡，首先利用多任務主干網絡提取風機葉片圖像的底層共享特征，之后在兩個子任務分支網絡中分別提取損傷位置特征以及損傷類型特征，然后分別輸出風機葉片損傷的位置以及損傷類型的識別結果；其中，將兩個子任務分支網絡分別在提取損傷位置特征以及損傷類型特征時進行特征提取任務相關聯，由線性映射函數將一個分支任務的損傷高維特征映射到另一個分支任務的特征提取的標簽空間中，并通過激活函數轉換為概率分布的形式，進而通過另一個分支任務的真實標簽對概率分布進行損失評價，獲取損傷位置特征以及損傷類型特征分支任務兩者之間存在的相關性。2.如權利要求1所述的基于多任務關聯的風機葉片損傷識別方法，其特征在于，所述多任務關聯神經網絡模型中的損傷位置特征以及損傷類型特征的特征提取由特征提取單元實現，所述特征提取單元由注意力機制、卷積層以及殘差網絡組成，每個特征提取單元包括三個卷積層。3.如權利要求2所述的基于多任務關聯的風機葉片損傷識別方法，其特征在于，在特征提取單元中引入注意力機制提高風機葉片圖像特征的表達能力，對風機葉片圖像的高維特征進行提取，將注意力機制的輸出作為卷積層的輸入，通過卷積層進一步提取風機葉片圖像的空間特征，然后將卷積層輸出的特征與輸入特征相加組成殘差網絡。4.如權利要求1所述的基于多任務關聯的風機葉片損傷識別方法，其特征在于，所述多任務主干網絡中疊加兩個特征提取單元來提取共享的網絡特征參數，兩個子任務分支網絡各自疊加兩個特征提取單元，分別用于風機葉片損傷位置識別和損傷類型識別兩個任務，根據兩個子任務空間之間存在的潛在的映射關系，通過位置識別任務的特征來推理損傷類型識別任務的結果，同時，損傷類型識別任務的特征也來推理風機葉片損傷位置識別任務的特征。5.如權利要求1所述的基于多任務關聯的風機葉片損傷識別方法，其特征在于，在子任務分支網絡的輸出層融入多任務相關性單元，提取損傷位置特征以及損傷類型特征任務之間的相互關聯性，通過使用一個分支任務的標簽來訓練另一個分支任務的特征提取過程，多任務相關性單元在高維特征空間
聲明：
“基于多任務關聯的風機葉片損傷識別方法與系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
972
編輯：中冶有色網
來源：山東大學
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月09日 ~ 11日 
