(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211021718.X (22)申请日 2022.08.24 (71)申请人 维都利阀门有限公司 地址 325000 浙江省温州市空港新区兴宇 路20号 (72)发明人 夏崇茅　王汉光　王学丰　王博文　 王天翔　李祺芳　姜永远　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 胡琳丽 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 具有冲蚀状态监测系统的闪蒸阀及其监测 方法 (57)摘要 本申请涉及状态 监测技术领域， 其具体地公 开了一种具有冲蚀状态监测系统的闪蒸阀及其 监测方法， 其使用卷积神经网络模 型对待检测闪 蒸阀的球体的多个视角的多个侧部图像进行适 当编码以得到包含球体各个视角的图像特征信 息、 各个视角间图像特征差异之间的关联信息以 及各个视角间图像特征之间的关联信息的分类 特征图， 并通过分类器进行解码以得到用于表示 待检测闪蒸阀的球体的抗汽蚀闪蒸性能是否满 足预定要求的分类结果， 通过这样的方式， 以精 准的对闪蒸阀的球体的抗汽蚀闪蒸性能进行评 估， 从而确保所述闪蒸阀能够安全运转避免意外 和故障的发生。 权利要求书3页 说明书12页 附图8页 CN 115393316 A 2022.11.25 CN 115393316 A 1.一种具有冲蚀状态监测系统的闪蒸阀， 其特 征在于， 包括： 摄像模块， 用于获取待检测闪蒸阀的球 体的多个视角的多个侧部图像； 图像处理模块， 用于将所述多个侧部图像中各个侧部图像分别通过使用空间注意力的 第一卷积神经网络以得到多个视角特 征图； 局部视角差分模块， 用于计算所述多个视角特征图中每两个视角特征图之间的差分以 得到多个差分特 征图； 视角间差异特征提取模块， 用于将所述多个差分特征图通过作为特征提取器的第 二卷 积神经网络以得到 视角差异特 征图； 视角间关联特征提取模块， 用于将所述多个视角特征图排列为三维输入 张量后通过使 用三维卷积核的第三卷积神经网络以得到 视角关联 特征图； 特征融合模块， 用于融合所述视角差异特征图和所述视角关联特征图以得到分类特征 图； 通道注意力模块， 用于将所述分类特征图通过通道注意力模块以得到通道增强分类特 征图； 以及 监测结果生成模块， 用于将所述通道增强分类特征图通过分类器以得到分类结果， 所 述分类结果用于表示待检测闪蒸阀的球 体的抗汽蚀闪蒸性能是否满足预定要求。 2.根据权利要求1所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述图像处理 模块， 包括： 卷积编码单元， 用于将所述多个侧部图像中各个侧部图像分别通过所述第 一卷积神经 网络的卷积编码部分以得到多个高维特 征图； 空间注意力单元， 用于将所述多个 高维特征图中各个高维特征图分别 输入所述第 一卷 积神经网络的空间注意力部分以得到多个空间注意图； 以及 注意力施加单元， 用于分别计算所述多个空间注意图和所述多个 高维特征图中每组对 应的所述空间注意力图和所述高维特 征图之间的按位置点乘以得到所述多个视角特 征图。 3.根据权利要求2所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述局部视角 差分模块， 进一步用于： 以如下公式计算所述多个视角特征图中每两个视角特征图之间的 差分以得到多个差分特 征图； 其中， 所述公式为： 其中， Fi和Fj表示所述多个视角特征图中每两个视角的特征图， 表示按位置作差， 且 Fn表示所述多个差分特 征图中各个特 征图。 4.根据权利要求3所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述视角间差 异特征提取模块， 进一步用于： 使用所述作为特征提取器的第二卷积神经网络的各层在层 的正向传递中分别对输入数据进 行卷积处理、 基于局部特征矩阵的池化处理和非线性激活 处理以由所述作为特 征提取器的第二卷积神经网络的最后一层输出 所述视角差异特 征图。 5.根据权利要求4所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述视角间关 联特征提取模块， 进一步用于： 所述使用三维卷积核的第三卷积神经网络的各层在层的正 向传递中分别对输入数据进行：权　利　要　求　书 1/3 页 2 CN 115393316 A 2基于三维卷积核对所述输入数据进行 卷积处理以生成卷积特 征图； 对所述卷积特 征图进行均值池化处 理以生成池化特 征图； 以及 对所述池化特 征图中各个位置的特 征值进行非线性激活以生成激活特 征图； 其中， 所述使用三维卷积核的第 三卷积神经网络的最后一层的输出为所述视角关联特 征图。 6.根据权利要求5所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述特征融合 模块， 进一步用于： 以如下公式融合所述视角差异特征图和所述视角关联特征图以得到分 类特征图； 其中， 所述公式为： 其中， Fs为所述分类特征图， F1为所述视角差异特征图， F2为所述视角关联特征图， α和β 为用于控制所述分类特征图中所述视角差异特征图和所述视角关联特征图之间的平衡的 加权参数， 表示矩阵的按位置加法。 7.根据权利要求6所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述通道注意 力模块， 包括： 全局池化单元， 用于将所述分类特征图输入所述通道注意力模块的池化层以由所述池 化层计算所述分类特 征图的沿通道维度的各个特 征矩阵的全局均值以得到通道特 征向量； 概率化单元， 用于将所述通道特征向量输入所述通道注意力模块的激活层以由所述激 活层使用Softmax激活函数对所述通道特征向量进行处理以得到通道注意力权重特征向 量； 优化单元， 用于将所述通道注意力 权重特征向量输入所述通道注意力模块的优化单元 以得到优化 通道注意力权 重特征向量； 以及 通道注意力单元， 用于以所述优化通道注意力 权重特征向量中各个位置的特征值作为 权重分别对所述分类特征图的沿通道维度的各个特征矩阵进行加权以得到所述通道增强 分类特征图。 8.根据权利要求7所述的具有冲蚀状态监测系统的闪蒸阀， 其特征在于， 所述优化单 元， 进一步用于： 以如下公式对所述通道注意力权重特征向量进行优化以得到优化通道注 意力权重特征向量； 其中， 所述公式： 其中， V是所述通道注意力权重特征向量， ∑是所述通道注意力权重特征向量V的自协 方差矩阵， μ和σ 分别是所述通道注意力权重特征向量V的全局均值和方差， ||V||2表示所述 通道注意力权 重特征向量V的二范 数， 且V′是所述优化 通道注意力权 重特征向量。 9.根据权利要求8所述的具有冲蚀状态监测系统 的闪蒸阀， 其特征在于， 所述监测结果 生成模块， 进一步用于： 使用所述分类器以如下公式对所述通道增强分类特征图进行处理 以获得分类结果； 其中， 所述公式为： softmax{(Wn,Bn):…:(W1,B1)|Project(F)}， 其中P roject(F)表示将权　利　要　求　书 2/3 页 3 CN 115393316 A 3