视觉振荡检测卷积网络

抗噪且免特征工程

利用轻量级卷积网络从图像空间直接识别过程控制回路振荡，相比现有检测器更简单且对噪声和均值非平稳性更稳健。

Tao, Wang · Chen, Qiming · 郎恂 · Xie, Lei · 李鹏 · 苏宏业

IEEE/CAA Journal of Automatica Sinica 2024

技术优势

对噪声和均值非平稳性更稳健

因为直接学习图像中的视觉模式，不依赖需要平稳性假设的手工特征，因此在噪声和均值漂移下仍能可靠检测。

能处理训练中未见过的特征

框架泛化能力强，即使训练数据中没有多重振荡或离群点，也能正确识别。

实施简单直接

无需复杂特征工程或预处理，仅使用轻量级CNN模型即可实现，便于部署。

应用场景

• 工业过程控制：可在现有监控系统中在线识别回路振荡，避免人工巡检遗漏。
• 异常检测：将振荡视为视觉异常模式，用CNN自动从图像中发现，无需手工特征。
• 边缘计算：采用MobileNet等轻量模型，可直接部署在边缘设备上做实时检测。