[发明专利]基于AR眼镜的故障检测方法、装置、AR眼镜和介质

权利要求书

1.一种基于AR眼镜的故障检测方法，其特征在于，所述故障检测方法的步骤包括：

所述AR眼镜上的故障检测按键被触发时，拾取当前的待检测音频，其中，所述待检测音频为待检测设备在运行过程中产生的音频；

将所述待检测音频输入至收敛的故障分析神经网络模型，并获取所述故障分析神经网络模型生成的所述待检测音频对应的故障检测信息；

输出所述故障检测信息对应的故障分析报告。

2.如权利要求1所述的故障检测方法，其特征在于，所述AR眼镜上的故障检测按键被触发时，拾取当前的待检测音频的步骤之前包括：

采集运行正常的设备在运行过程中产生的正常音频，以及存在运行故障的设备在运行过程中产生的故障音频；

获取对所述故障音频对应的故障类型进行分类的故障分类信息，得到各故障音频对应的故障类型标签；

将所述故障音频与其对应的故障类型标签进行标签关联，得到各故障类型的运行故障训练样本，并将所述正常音频与运行正常标签进行标签关联，得到运行正常训练样本；

通过所述运行故障训练样本和所述运行正常训练样本，对预设的神经网络模型进行训练，得到收敛的故障分析神经网络模型。

3.如权利要求2所述的故障检测方法，其特征在于，所述通过所述运行故障训练样本和所述运行正常训练样本，对预设的神经网络模型进行训练，得到收敛的故障分析神经网络模型的步骤包括：

若神经网络模型对各故障类型的故障检测准确率均达到预设比率阈值，则确定神经网络模型收敛，得到收敛的故障分析神经网络模型；或者，

若已进行训练的各故障类型的运行故障训练样本的样本量均达到预设量值，则确定神经网络模型收敛，得到收敛的故障分析神经网络模型；或者，

若各故障类型的运行故障训练样本对神经网络模型进行训练的训练时长均达到预设时长，则确定神经网络模型收敛，得到收敛的故障分析神经网络模型。

4.如权利要求1所述的故障检测方法，其特征在于，所述输出所述故障检测信息对应的故障分析报告的步骤包括：

若所述故障检测信息为设备运行故障对应的故障类型信息，则从预设的故障信息映射数据表中，查询得到所述故障类型信息对应的故障维修指导信息；

输出包括所述故障类型信息和所述故障维修指导信息的故障分析报告。

5.如权利要求4所述的故障检测方法，其特征在于，所述从预设的故障信息映射数据表中，查询得到所述故障类型信息对应的故障维修指导信息的步骤之前包括：

若所述故障类型信息为多种疑似的待确定故障类型，则采集待检测设备在运行过程中的运行图像；

将所述运行图像和所述待确定故障类型，输入至收敛的图像识别神经网络模型，并获取所述图像识别神经网络模型从所述待确定故障类型中选择的目标故障类型，将所述目标故障类型作为最终的故障类型信息，并执行：所述从预设的故障信息映射数据表中，查询得到所述故障类型信息对应的故障维修指导信息的步骤。

6.如权利要求5所述的故障检测方法，其特征在于，所述AR眼镜上的故障检测按键被触发时，拾取当前的待检测音频的步骤之前还包括：

采集运行正常的设备在运行过程中产生的正常图像，以及存在运行故障的设备在运行过程中产生的故障图像；

获取对所述正常图像对应的故障类型进行划分的故障划分信息，得到各故障图像对应的故障种类标签；

将所述故障图像与其对应的故障种类标签进行标签关联，得到各故障类型的运转故障训练样本，并将所述正常图像与运转正常标签进行标签关联，得到运转正常训练样本；

通过所述运转故障训练样本和所述运转正常训练样本，对预置的神经网络模型进行训练，得到收敛的图像识别神经网络模型。