权利要求书： 1.基于多任务关联的风机叶片损伤识别方法，其特征在于，包括：获取风机叶片的图像，对获取的风机叶片图像进行预处理；将风机叶片图像输入至多任务关联神经网络模型中，所述多任务关联神经网络模型包括多任务主干网络和两个子任务分支网络，首先利用多任务主干网络提取风机叶片图像的底层共享特征，之后在两个子任务分支网络中分别提取损伤位置特征以及损伤类型特征，然后分别输出风机叶片损伤的位置以及损伤类型的识别结果；其中，将两个子任务分支网络分别在提取损伤位置特征以及损伤类型特征时进行特征提取任务相关联，由线性映射函数将一个分支任务的损伤高维特征映射到另一个分支任务的特征提取的标签空间中，并通过激活函数转换为概率分布的形式，进而通过另一个分支任务的真实标签对概率分布进行损失评价，获取损伤位置特征以及损伤类型特征分支任务两者之间存在的相关性。2.如权利要求1所述的基于多任务关联的风机叶片损伤识别方法，其特征在于，所述多任务关联神经网络模型中的损伤位置特征以及损伤类型特征的特征提取由特征提取单元实现，所述特征提取单元由注意力机制、卷积层以及残差网络组成，每个特征提取单元包括三个卷积层。3.如权利要求2所述的基于多任务关联的风机叶片损伤识别方法，其特征在于，在特征提取单元中引入注意力机制提高风机叶片图像特征的表达能力，对风机叶片图像的高维特征进行提取，将注意力机制的输出作为卷积层的输入，通过卷积层进一步提取风机叶片图像的空间特征，然后将卷积层输出的特征与输入特征相加组成残差网络。4.如权利要求1所述的基于多任务关联的风机叶片损伤识别方法，其特征在于，所述多任务主干网络中叠加两个特征提取单元来提取共享的网络特征参数，两个子任务分支网络各自叠加两个特征提取单元，分别用于风机叶片损伤位置识别和损伤类型识别两个任务，根据两个子任务空间之间存在的潜在的映射关系，通过位置识别任务的特征来推理损伤类型识别任务的结果，同时，损伤类型识别任务的特征也来推理风机叶片损伤位置识别任务的特征。5.如权利要求1所述的基于多任务关联的风机叶片损伤识别方法，其特征在于，在子任务分支网络的输出层融入多任务相关性单元，提取损伤位置特征以及损伤类型特征任务之间的相互关联性，通过使用一个分支任务的标签来训练另一个分支任务的特征提取过程，多任务相关性单元在高维特征空间
声明：
“基于多任务关联的风机叶片损伤识别方法与系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
955
编辑：中冶有色网
来源：山东大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月23日 ~ 25日 
