本发明涉及数据处理领域，更具体地涉及一种高炉风口异常检测方法和设备。
背景技术：
1、在炼铁行业中，高炉的稳定运行对提高生产效率和保证产品质量至关重要，而风口的状态直接影响到高炉的运行效率和安全性。现有的风口检测方法主要依赖于人工检查、图片检测，但这些方法存在显著的缺陷。这些缺陷包括：1)人工检查的局限性：传统的人工检查方法效率低下，容易受到工人经验和主观因素的影响，无法确保每次检测结果的一致性和准确性。2)图片检测：虽然现在有一些新的基于深度学习图片检测算法实现异常检测，但高炉风口不同于常规图片检测场景，存在图像不稳定、亮度不稳定、异常类别判断需要通过持续一段时间的运行判断而不能通过图片判断的原因。因此使用图片检测，检测准确性较低。
2、上述在背景部分公开的信息仅用于对本发明的背景做进一步的理解，因此它可以包含对于本领域普通技术人员已知的不构成现有技术的信息。
技术实现思路
1、本发明提供了一种高炉风口异常检测方法和设备，采用3d卷积神经网络模型，能够解决现有技术中高炉检测中存在的人工检测和图片检测的局限性问题，能够快速并实时进行风口异常识别，降低人工管理成本，提高管理效率，防范风口异常与高炉异常运行风险。
2、本发明的第一方面提供了一种高炉风口异常检测方法，其特征在于，所述方法包括以下步骤：获取高炉风口视频数据，并对所述视频数据进行预处理；将所述预处理后的数据输入3d卷积神经网络模型进行处理以获得高炉风口在各个时间步长上的分类结果；根据所述分类结果，确定高炉风口的异常状态。
3、本发明的第二方面提供了一种高炉风口异常检测设备，其特征在于，所述设备包括：数据捕获和预处理装置，用于获取高炉风口实时视频数据，并对所述视频数据进行预处理；3d卷积神经网络模型，将所述预处理后的数据输入3d卷积神经网络模型进行处理以获得高炉风口在各个时间步长上的分类结果；输出装置，根据所述分类的结果，确定高炉风口的异常状态。
4、本发明的第三方面提供了一种高炉风口异常检测装置，包括存储器和处理器，所述存储器用于存储计算机程序，其中，当处理器执行所述计算机程序时，实现根据上述的高炉风口异常检测方法。
5、本发明方案采用基于3d卷积神经网络视频分类方法应用到高炉风口异常检测能够提高检测的自动化和智能化水平；提高系统的鲁棒性和可靠性：在严苛的高温、高压环境，风口成像不稳定的情况下，本发明的方案具备较高的可靠性和准确性，能够稳定运行并提供准确的数据。另外，本发明的方案能够实现高炉风口检测过程的自动化和智能化，采用高清摄像头和智能算法，训练好的模型可以对新的视频片段进行分类。通过模型输出的类别概率，可以判断视频片段属于“正常”或“异常”，从而实现检测过程的高度自动化和智能化。
1.一种高炉风口异常检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述预处理后的数据为维度为五维张量，所述五维张量中的元素分别为：表示一次处理视频样本的数量、通道数量、数据帧的数量、数据的高度、数据的宽度。
3.根据权利要求1所述的方法，其特征在于，所述3d卷积神经网络按数据处理顺序包括：多个顺序交替的卷积层和池化层，一个或多个全连接层，以及softmax层。
4.根据权利要求1所述的方法，其特征在于，所述3d卷积神经网络模型按数据处理顺序依次包括：第1卷积层、第1池化层，第2卷积层、第2池化层、第3卷积层、第3池化层、第4卷积层、第4池化层、第5卷积层、第5池化层、第1全连接层、第2全连接层和对高炉风口异常状态进行分类的softmax层。
5.根据权利要求4所述的方法，其特征在于，其中，第2卷积层的卷积核数是第1卷积层卷积核数的2倍，第3卷积层的卷积核数是第2卷积层核数的2倍，第4卷积层和第5卷积层的卷积核数与第3卷积层的卷积核数相同，并且每个卷积层具有不同的时间深度。
6.根据权利要求4所述的方法，其特征在于，所述5个池化层都为最大值池化，其中第1池化层的向量数量小于第2池化层，第2池化层的向量数量与第3池化层、第4池化层、第5池化层的向量数量相同。
7.根据权利要求1所述的方法，其特征在于，其中所述分类的结果表示为每个时间步长上分类状态值的概率，其中，分类状态值为0表示正常状态，分类状态值为1表示断煤状态，分类状态值为2表示料快状态，分类状态值为3表示落大块状态；分类状态值为4表示挂渣状态，分类状态值为5表示休风状态，分类状态值为6表示烧穿状态，分类状态值为6表示漏水状态。
8.根据权利要求1所述的方法，其特征在于，在所述s2中，在3d卷积神经网络模型进行处理中，
9.根据权利要求3所述的方法，其特征在于，其中所述softmax层中的损失函数为加权交叉熵损失函数，其中所述加权交叉熵损失函数为：
10.一种高炉风口异常检测装置，包括存储器和处理器，所述存储器用于存储计算机程序，其中，当处理器执行所述计算机程序时，实现根据权利要求1-9任一项所述的高炉风口异常检测方法。
