一种基于光信息的非侵入式设备监测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115965830A(43)申请公布日2023.04.14(21)申请号202211610359.1(22)申请日2022.12.14(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人薛广涛李清炀陈奕超李熠劼(74)专利代理机构上海科盛知识产权代理有限公司31225专利代理师蔡彭君(51)Int.Cl.G06V10/774(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)G06F18/214(2023.01)G06F18/241(2023.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于光信息的非侵入式设备监测方法(57)摘要本发明涉及一种基于光信息的非侵入式设备监测方法，方法包括以下步骤：S1、基于光传感器或相机获取环境中灯源的光信息数据，对数据预处理后得到光信号；S2、基于光信号构建的数据集训练监测模型，得到训练好的监测模型；S3、基于训练好的监测模型监测电网环境中的灯源信号，得到电网环境中各监测对象的工作状态。与现有技术相比，本发明通过监测电网中本身具有的灯源、分析灯源光信息来实现监测环境中电器设备的工作状态，实现非侵入式监测。CN115965830ACN115965830A权利要求书1/2页1.一种基于光信息的非侵入式设备监测方法，其特征在于，方法包括以下步骤：S1、基于光传感器或相机获取环境中灯源的光信息数据，对数据预处理后得到光信号；S2、基于光信号构建的数据集训练监测模型，得到训练好的监测模型；S3、基于训练好的监测模型监测电网环境中的灯源信号，得到电网环境中各监测对象的工作状态；S1的具体步骤包括：S11、基于光传感器或相机获取环境中灯源的光信息数据，当采用光传感器时，得到的光信息数据为光时域信号，执行S12；当采用相机时，得到的光信息数据为光源图片，对光源图片执行以下步骤得到光时域信号：S111、获取多张光源图片；S112、对每张光源图片提取荧光灯区域，并设置边界框，提取图中边界框内的像素的RGB值，对空白区域进行补零，将多张补零后的光源图片拼接，得到光时域信号；S12、利用傅里叶变换将光时域信号转变为光频域信号，将光频域信号作为光信号。2.根据权利要求1所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S2的具体步骤包括：S21、采用有监督学习模式，基于光信号构建带标签的数据集；S22、基于多属性分类网络对数据集中的样本提取特征数据，根据特征数据和多属性分类网络的多属性分类器得到分类结果；S23、对分类结果，设计损失函数量化衡量各样本对应标签和分类结果之间的差异，对多属性分类网络进行优化迭代，得到训练好的监测模型。3.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S21的具体步骤包括：S211、无监测对象设备工作的情况下，采集S1的光信号的第一样本，并将样本的标签全部置零，表示没有监测对象在工作；S212、单个监测对象设备工作的情况下，采集S1的光信号的第二样本，更改监测对象设备，并将第二样本的标签设为表示对应的单个监测对象设备工作的标签，重复S212，得到多组第二样本；S213、多个监测对象设备同时工作的情况下，采集S1的光信号的第三样本，所述第三样本的标签表示多个监测对象设备工作，并将第三样本的标签设为表示对应的多个监测对象设备工作的标签，重复S212，得到多组第三样本；S214、将所述第一样本、第二样本和第三样本分类打包整合，生成数据集。4.根据权利要求3所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所述数据集根据需求切分出一部分作为交叉验证集或测试集。5.根据权利要求1所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S3的具体步骤为：S31、间隔预配置的时间段获取电网环境中的灯源信号，得到光信息样本；S32、将采集的光信息样本输入训练好的监测模型，通过读取模型的输出得到电网环境中各监测对象的工作状态。6.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所述2CN115965830A权利要求书2/2页损失函数为多分类交叉熵损失函数。7.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，采用随机梯度下降法对多属性分类网络进行优化迭代。8.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所诉多属性分类网络基于残差神经网络改良，多属性分类网络包括残差网络ResNet_50、区域提议网络、RoI池化层、全连接层和Softmax多属性分类器。9.根据权利要求8所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S22的具体步骤包括：基于残差网络Re