科研仪器是科研发展重要支撑，国内科研仪器数量与资产规模持续增长，但仪器监测大多依靠人工统计，操作繁琐低效、数据可靠性差，难以满足精细化、智能化管理需求，亟需向数字化监测转型。本文设计实现基于深度学习的科学仪器运行在线监测平台，已接入浙江省大仪设备管理服务协作平台，对万余台科学仪器开展状态监测。平台采用非侵入式检测仪采集仪器运行电流，使用集群持久层存储数据；业务端采用微服务模块化架构，通过Web网页与微信小程序对外提供数据服务，满足管理人员监测需要。仪器状态识别算法是监测核心。针对仪器数量激增带来的模型训练成本高的问题，提出单类仪器训练模型的思路，以气相色谱仪为例提取时域特征，构建基于特征选择的仪器运行数据集。状态识别构建LSTM模型，引入CNN与注意力机制优化特征提取，其中Transformer‑LSTM模型效果最优，准确率96.06%，宏F分数0.961，Kappa系数0.937。
作者：麻志翔
指导老师：陈科明
企业导师：曾佳
发布时间：2022年5月