(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 202210818198.9 (22)申请日 2022.07.12 (71)申请人 温州宁酷科技有限公司 地址 325000 浙江省温州市龙港市第三菜 场街19号 二楼 (72)发明人 韩中军　赵小龙　 (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 郭建明 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) G06N 3/04(2006.01) G06V 20/70(2022.01) (54)发明名称 油气集输监控系统及其方法 (57)摘要 本申请涉及智能监控的领域， 其具体地公开 了一种油气集输监控系统及其方法， 其通过深度 神经网络模型提取出油气集输管道及设备的生 产技术参数、 设备参数、 腐蚀参数和检测参数间 的隐含关联特征分布表示， 以基于所述油气集输 系统的特征表示来对所述油气集输系统进行分 类判断， 并且在此过程中， 进一步对用于分类的 分类特征图进行柯西重概率化修正， 以通过进行 特征值的概率性解释来促进神经网络的训练， 使 得在训练过程当中分属于不同核函数集合的卷 积核的参数具有对于其它集合的卷积核的卷积 操作带来的信息损失的鲁棒性， 从而随迭代自适 应地更新， 以提高深度可分离卷积神经网络的学 习性能。 这样， 能够提高气管道腐蚀预警的分类 判断的精准度。 权利要求书3页 说明书12页 附图4页 CN 115147655 A 2022.10.04 CN 115147655 A 1.一种油气集输监控系统， 其特 征在于， 包括： 参数获取单元， 用于获取多个预定时间段的油气集输管道及设备的生产技术参数、 设 备参数、 腐蚀参数和检测参数； 参数语义编码单元， 用于将各个所述预定时间段的油气集输管道及 设备的生产技术参 数、 设备参数、 腐蚀参数和 检测参数通过上下文编码器以得到多个特征向量， 其中， 所述多 个特征向量中各个特 征向量分别对应于一项参数； 特征级关联单元， 用于将所述多个特征向量按照样本参数维度进行二维排列以得到对 应于各个所述预定时间段的第一特 征矩阵； 特征级再编码单元， 用于将所述对应于各个所述预定时间段的第 一特征矩阵排列为三 维张量后通过深度可分离卷积神经网络以得到分类特征图， 其中， 所述深度可分离卷积神 经网络在卷积时沿参数的样本间关联特征维度和 参数时序表达特征维度对输入数据分别 进行卷积； 特征图校正单元， 用于对所述分类特征图进行柯西重概率化以得到校正后分类特征 图， 其中， 所述柯西重概率化基于以所述分类特征图中各个位置的特征值为幂的自然指数 函数值与以所述分类特征图中各个位置的特征值为幂 的自然指数函数值的加权和之间的 比值来进行； 监控结果生成单元， 用于将所述分类特征图通过分类器以获得分类结果， 所述分类结 果用于表示是否产生油气管道腐蚀预警。 2.根据权利要求1所述的油气集输监控系统， 其中， 所述 参数语义编码单 元， 包括： 生产技术特征提取子单元， 用于使用所述上下文编码器的嵌入层 分别将各个所述预定 时间段的油气集输管道及设备的生产技术参数转化为输入向量以获得技术输入向量的序 列； 使用所述上下文编 码器的转换器对所述技术输入向量的序列进行基于全局的上下文语 义编码以获得对应于所述 生产技术参数的所述多个特 征向量； 设备特征提取子单元， 用于使用所述上下文编码器的嵌入层 分别将各个所述预定时间 段的油气集输管道及设备的设备参数转化为输入向量以获得设备输入向量的序列； 使用所 述上下文编码器的转换器对所述设备输入向量的序列进行基于全局的上下文语义编码以 获得对应于所述设备参数的所述多个特 征向量； 腐蚀特征提取子单元， 用于使用所述上下文编码器的嵌入层 分别将各个所述预定时间 段的油气集输管道及设备的腐蚀参数转化为输入向量以获得腐蚀输入向量的序列； 使用所 述上下文编码器的转换器对所述腐蚀输入向量的序列进行基于全局的上下文语义编码以 获得对应于所述腐蚀参数的所述多个特 征向量； 检测特征提取子单元， 用于使用所述上下文编码器的嵌入层 分别将各个所述预定时间 段的油气集输管道及设备的检测参数转化为输入向量以获得检测输入向量的序列； 使用所 述上下文编码器的转换器对所述检测输入向量的序列进行基于全局的上下文语义编码以 获得对应于所述检测参数的所述多个特 征向量。 3.根据权利要求2所述的油气集输监控系统， 其中， 所述特征级再编码单元， 进一步用 于： 所述深度可分离卷积神经网络的各层 在层的正向传递中对输入数据分别进行： 对所述输入数据进行基于二维卷积核的卷积处 理以得到第一卷积特 征图； 对所述第一卷积特 征图进行基于一维卷积核的卷积处 理以得到第二卷积特 征图；权　利　要　求　书 1/3 页 2 CN 115147655 A 2对所述第二卷积特 征图进行池化处 理以得到池化特 征图； 以及 将所述池化特 征图通过非线性激活函数以得到 激活特征图； 其中， 所述深度可分离卷积神经网络的最后一层的输出为所述分类特 征图。 4.根据权利要求3所述的油气集输监控系统， 其中， 所述特征图校正单元， 进一步用于： 以如下公式对所述分类特 征图进行柯西重概 率化以得到所述校正后分类特 征图； 其中， 所述公式为： 其中exp(fi,j,k)表示计算以所述分类特征图中各个位置的特征值为幂的自然指数函数 值， fi， j， k′表示所述校正后分类特 征图中各个位置的特 征值。 5.根据权利要求4所述的油气集输监控系统， 其中， 所述监控结果生成单元， 进一步用 于： 所述分类器 以如下公式对所述分类特征图进行处理以生成分类结果， 其中， 所述公式 为： softmax{(Wn， Bn)： ...： (W1， B1)|Project(F)}， 其中Project(F)表示将所述分类特征图 投影为向量， W1至Wn为各层全连接层的权 重矩阵， B1至Bn表示各层全连接层的偏置矩阵。 6.一种油气集输监控方法， 其特 征在于， 包括： 获取多个预定时间段的油气集输管道及设备的生产技术参数、 设备参数、 腐蚀参数和 检测参数； 将各个所述预定时间段的油气集输管道及设备的生产技术参数、 设备参数、 腐蚀参数 和检测参数通过上下文编码器以得到多个特征向量， 其中， 所述多个特征向量中各个特征 向量分别对应于一项参数； 将所述多个特征向量按照样本参数维度进行二维排列以得到对应于各个所述预定时 间段的第一特 征矩阵； 将所述对应于各个所述预定时间段的第一特征矩阵排列为三维张量后通过深度可分 离卷积神经网络以得到分类特征图， 其中， 所述深度可分离卷积神经网络在卷积时沿参数 的样本间关联 特征维度和参数时序表达特 征维度对输入数据分别进行 卷积； 对所述分类特征图进行柯西重概率化以得到校正后分类特征图， 其中， 所述柯西重概 率化基于以所述分类特征图中各个位置的特征值为幂 的自然指数函数值与以所述分类特 征图中各个位置的特 征值为幂的自然指数函数值的加权和之间的比值 来进行； 以及 将所述分类特征图通过分类器以获得分类结果， 所述分类结果用于表示是否产生油气 管道腐蚀预警。 7.根据权利要求6所述的油气集输监控方法， 其中， 将各个所述预定时间段的油气集输 管道及设备 的生产技术参数、 设备参数、 腐蚀参数和检测 参数通过上下文编码器以得到多 个特征向量， 包括： 使用所述上下文编码器的嵌入层分别将各个所述预定时间段的油气集输管道及设备 的生产技术参数转化为输入向量以获得技术输入向量的序列； 使用所述上下文编 码器的转 换器对所述技术输入向量的序列进行基于全局的上下文语义编码以获得对应于所述生产 技术参数的所述多个特 征向量； 使用所述上下文编码器的嵌入层分别将各个所述预定时间段的油气集输管道及设备权　利　要　求　书 2/3 页 3 CN 115147655 A 3