[发明专利]考虑风险瞬时性的生产安全风险辨识模型前端加速方法

权利要求书

1.考虑风险瞬时性的生产安全风险辨识模型前端加速方法，其特征在于，包括以下步骤：

步骤1、将生产安全风险辨识模型作为原始模型；

步骤2、利用基于MobileNetV3的轻量化生产影像视觉特征提取模块替代生产安全风险辨识模型中的基于卷积神经网络的复杂特征提取模块，得到替换后的生产安全风险辨识模型；

步骤3、对替换后的生产安全风险辨识模型进行样本训练和测试，得到基准生产安全风险辨识模型；

步骤4、利用联合判别函数评估基准生产安全风险辨识模型中各个特征通道的重要程度；

步骤5、根据各个特征通道的重要程度，剪枝删除基准生产安全风险辨识模型中冗余的特征通道，然后对删除特征通道后模型架构进行微调整，保证剪枝后风险辨识模型的完整性，得到轻量化生产安全风险辨识模型；

步骤6、判断轻量化生产安全风险辨识模型是否达到终止条件，否则回到上一步；

步骤7、利用量化运算方式对轻量化生产安全风险辨识模型进行轻量化压缩。

2.根据权利要求1所述的考虑风险瞬时性的生产安全风险辨识模型前端加速方法，其特征在于，所述基于MobileNetV3的轻量化生产影像视觉特征提取模块的获取过程为：先采用具有线性瓶颈的倒残差结构获取生产影像的复用特征，再通过轻量化注意力机制模块增强对重要视觉特征的表达，之后通过网络搜索架构模块获得轻量化生产影像视觉特征提取模块。

3.根据权利要求1所述的考虑风险瞬时性的生产安全风险辨识模型前端加速方法，其特征在于，所述联合判别函数为重构误差L_M(K)及网络中间通道的判别力损失函数之和：

上式中，λ_l表示重构误差和判别力损失函数两项通道重要性评估指标的平衡系数；

上式中，I{·}是指示函数，θ是全连接层的权重，c表示待检测的目标类别数，t＝1,2,…,c，表示第t类目标类别，y表示与训练样本相对应的输出特征图映射，W表示训练集的样本数量，w表示训练集中第w个训练样本，F^b，w表示第w个训练样本的每个中间层L_b输出特征的损失函数，S表示通道剪枝过程中的迭代次数。

4.根据权利要求1所述的考虑风险瞬时性的生产安全风险辨识模型前端加速方法，其特征在于，步骤6所述的终止条件为：

|L(K^s-1)-L(K^s)|/L(K⁰)≤ε                   (4)；

上式中，s是通道剪枝过程中的迭代次数，ε表示前后两次通道剪枝结果之间的联合判别损失函数差的容忍阈值。

5.根据权利要求1所述的考虑风险瞬时性的生产安全风险辨识模型前端加速方法，其特征在于，步骤7过程为：首先通过量化运算将输入特征图的特征参量从高精度浮点型转换为低精度整型，再对转换后的低精度整型特征参量进行运算操作；然后进行轻量化生产安全风险辨识模型的常规操作，最后通过反量化运算将得到的低精度整型特征参数转换为高精度浮点型。