CN107681784A - 基于多源数据融合的铁塔接地线监测系统及方法 - Google Patents

Abstract

本发明公开一种基于多源数据融合的铁塔接地线监测系统及方法，该系统包括数据服务中心及多个铁塔接地线监测终端，监测终端配置有用于获取有关铁塔接地线的多源数据的多源数据采集装置，用于协调监测终端各模块或装置运行的微处理器，用于存储多源数据的存储模块，用于与数据服务中心进行TCP通信的第一通信模块以及供电装置；数据服务中心负责管理各监测终端，并通过主服务器中的融合信息分析模块将接收到的多源数据进行融合分析，以得出各铁塔接地线是否被盗的结论。该系统有效地对接地线进行监测，为监测中心实时提供被盗事故发生时的现场图像证据，为工作人员提高故障范围排查工作效率提供了有力的信息化支撑。

Description

基于多源数据融合的铁塔接地线监测系统及方法

技术领域

本发明涉及传感器和监测技术领域，尤其涉及一种基于多源数据融合的铁塔接地线监测系统及方法。

背景技术

在现有供电系统中，高压输电线路铁塔起到了重要的作用。铁塔的接地线由于其电压低、铜芯线价值高的特点，往往成了盗窃分子的目标，而接地线的破损或被盗往往会导致铁塔不能进行输电，从而导致部分供电系统的瘫痪，影响人们的日常生活。近年来，由于野外无人看管，国内各地多次发生接地线被盗事故，引发了严重的后果。当接地线被盗事故发生时，一是不能及时通知相关工作人员，被盗消息的获取相对滞后，二是工作人员进行障碍排查时，不能准备定位，需要大范围的排除，工作量大。

对铁塔的接地线进行监测，能够在事故发生时准确定位涉事铁塔，工作人员不必在大范围内进行障碍排查，同时，也能对被盗现场进行记录，给工作人员的修复工作和责任追查提供了帮助。随着社会的进步，针对各种场景的监测技术层出不穷，但是鲜有对野外高压输电的铁塔进行监测的技术。

发明内容

本发明目的是设计一种基于多源数据融合的铁塔接地线监测系统及方法，以此来防止因电缆接地线被盗而造成的电网故障事故的发生，监测系统采集有关接地线的多源数据并发送至服务中心，服务中心对多源数据进行融合分析并得出接地线是否被盗的结论，进而通知相关工作人员。

具体技术方案如下：

本发明公开一种基于多源数据融合的铁塔接地线监测系统，包括数据服务中心及多个铁塔接地线监测终端，其中：

铁塔接地线监测终端包括微处理器以及与微处理器电连接的多源数据采集装置、存储模块、第一通信模块和供电装置，多源数据采集装置，包括多个数据采集模块，用于获取有关铁塔接地线的多源数据；微处理器，协调监测终端各模块或装置运行，包括驱动各数据采集模块进行多源数据采集，将获取到的多源数据存入存储模块，并通过第一通信模块与数据服务中心的通信以实现多源数据的上传及指令的接收；存储模块用于存储多源数据采集装置获取到的有关铁塔接地线的多源数据；第一通信模块，通过无线通信方式与数据服务中心进行TCP通信，实现多源数据的上传和服务器指令的接收；供电装置，为监测终端内的各用电各模块或装置供电；

数据服务中心包括配置有融合信息分析模块的主服务器，负责管理各铁塔接地线监测终端，接收各铁塔接地线监测终端发送的有关铁塔接地线的多源数据，并通过主服务器中的融合信息分析模块将接收到的多源数据进行融合分析，以得出各铁塔接地线是否被盗的结论。

作为一种优选方案，多源数据采集装置配置有用于检测是否有人或者物体靠近铁塔接地线的红外探测模块，用于识别铁塔接地线电子身份的RFID阅读器，用于探测接地线是否完好的超声探测模块，用于采集现场图片数据的拍摄模块。

作为一种优选方案，铁塔接地线监测终端还包括与微处理器电连接的警报装置，用于微处理器接收到被盗提示指令时对现场工作人员发出报警提示。

作为一种优选方案，供电装置包括太阳能电池板和蓄电池，通过太阳能电池板为蓄电池充电，进而蓄电池为监测终端内的各用电各模块或装置供电。

作为一种优选方案，融合信息分析模块采用朴素贝叶斯分类器模型和卷积神经网络模型对多源数据进行学习训练，并得出铁塔接地线是否被盗的结论。

作为一种优选方案，数据服务中心还包括第二通信模块，用于在融合信息分析模块得到铁塔接地线被盗的结论时向用户端发送短信和/或彩信形式的被盗提示信息。

本发明还公开一种基于多源数据融合的铁塔接地线监测方法，包括：

铁塔接地线监测终端通过多个数据采集模块对有关铁塔接地线的多源数据采集，将获取到的多源数据进行本地存储，并同时上传至数据服务中心；

数据服务中心对接收到的多源数据进行信息融合分析，以得出各铁塔接地线是否被盗的结论，并在得到铁塔接地线被盗的结论时向该铁塔接地线监测终端发出被盗提示指令和/或向用户端发送短信和/或彩信形式的被盗提示信息。

作为一种优选方案，多源数据的获取包括：通过红外探测装置来探测是否有人或入侵物；通过RFID阅读器读取接地线上设置的电子标签来识别接地线的电子身份，从而获得该接地线的准确定位；通过超声探测装置对接地线进行超声探测；通过摄像装置获取现场拍摄图片。

作为一种优选方案，数据服务中心对接收到的多源数据进行信息融合判断具体包括：采用深度卷积神经网络模型对获取到的图片进行图像模式识别学习训练，并得出接地线是否被盗的第一结论输出；采用朴素贝叶斯分类器模型对红外探测结果、RFID阅读器识别结果、超声探测结果进行数据模式识别学习训练，并得出接地线是否被盗的第二结论输出；将第一结论输出和第二结论输出再采用朴素贝叶斯分类器模型进行学习训练，输出接地线是否被盗的最终结论。

作为一种优选方案，铁塔接地线监测终端通过多个数据采集模块对有关铁塔接地线的多源数据采集包括：

一般情况下，只有红外探测装置实时探测是否有人或入侵物，其它数据采集模块处于休眠状态；

在配置的终端上传时间点，各数据采集模块被唤醒运行以进行多源数据采集，将获取到的多源数据进行本地存储，并同时上传至数据服务中心；

当红外探测装置探测到有人或入侵物时，向微处理器发送异常状况响应信号，微处理器接收到异常状况响应信号后分别向RFID阅读器、超声探测模块和拍摄模块发出运行指令，触发各数据采集模块进行多源数据采集。

有益效果：

(1)基于多源数据融合的铁塔接地线监测系统及方法能同时实现了对多处铁塔接地线的准确监测，利用多源数据融合的方法来判断铁塔接地线是否被盗。通过多源数据融合的方法，能够大大提高检测的准确率，从而减小了“漏警”情况发生的可能性。

(2)可设置在一般情况下，只有红外探测装置运行，其它数据采集模块处于休眠状态，只在有预设时间点，各数据采集模块才被唤醒工作；但为保证事故发生提醒的实时性，还设置了当红外探测装置探测到异常状况时立即向微处理器发送异常状况响应信号，触发各数据采集模块工作。这样即能保证了异常状况数据采集的即时性，又能在正常状况下节省各监测终端运行的能耗。

(3)当被盗事故发生时，能通过RFID快速找到相应的接地线，并能根据铁塔上的编号准确定位所对应的事故铁塔，大大减小了电力工作人员障碍排查工作的难度。

(4)能够采集事故发生时的现场图片，给接地线被盗事件提供了现场影像，也给日后对相关人员的追责提供了有力证据；并且监测终端本地也能够存储每次获取的多源数据，包括相关数据及图片信息，并按获取时间命名存储，以便于日后相关工作人员查阅。

(5)通过太阳能电池板和蓄电池组成的供电装置，能实现自给自足的供电系统，即使在阴雨连绵的天气，蓄电池内的储电也可满足系统多日的使用。

附图说明

图1是实施例中基于多源数据融合的铁塔接地线监测系统的系统示意图；

图2是实施例中铁塔接地线监测终端的电路框图；

图3是实施例中铁塔接地线监测终端的电路框图2；

图4是实施例中数据服务中心电路框图；

图5是深度卷积神经网络训练流程图；

图6是朴素贝叶斯分类器训练流程图；

图7是朴素贝叶斯分类器训练流程图2。

具体实施方式

下面结合附图及具体实施例对本发明的技术方案进一步解释说明。

如图1所示，实施例中公开一种基于多源数据融合的铁塔接地线监测系统，其包括多个铁塔接地线监测终端和数据服务中心，其中：

铁塔接地线监测终端(以下简称监测终端)，用于对铁塔接地线进行实时监测，并将收集到的数据保存至本地，而后在固定时间上报给数据服务中心；数据服务中心，接收安装在各个铁塔上的监测终端传来的多源数据，对接地线所处的状态进行分析，当发生被盗事件时，向用户端的工作人员的手机发送被盗的消息。其中，用户端主要指负责铁塔的工作人员一方，意外事件发生时，用户端将会收到来自数据服务中心的报警短信和用于展现发生事故时的现场图片的彩信等。

如图2所示，监测终端主要包括多源数据采集装置、微处理器5、存储模块6、通信模块7、警报装置8和供电装置9(在图中未视出)。

多源数据采集装置用于采集铁塔接地线的状态和图片等信息。结合图3所示，其配置有分别与微处理器5电连接的红外对射传感器1、RFID阅读器2、超声波传感器3和拍摄模块，用于对现场的信息进行采集。

红外对射传感器1具有一接收单元和一发射单元，分别安装在需要监测接地线的铁塔的两根铁架上，并平行放置。具体安装时，用两根信号线将红外对射传感器1的两个单元的检测头连到微处理器5的两个对应IO口，通过检测其高低电平变化来检测是否有异物穿过。为提高检测的精度，可以在铁架上安装两套或多套平行的红外对射传感器1来进行检测。

RFID模块包括RFID阅读器2和RFID电子标签(以下简称电子标签)。RFID阅读器2的信号收发端连接到微处理器5相应端口，以接收微处理器5发出的识别指令，并向微处理器5返回识别到的电子标签。电子标签是所绑定的接地线的电子身份，当检测到该电子标签时，等同于检测到相应的接地线。由于检测环境的金属性很强，对待监测的接地线应使用超高频抗金属性的电子标签，还可在电子标签的背面粘贴隔磁片，以减少周围金属对电磁波反射的影响。在安装时，用匝带将超高频电子标签固定在待监测的接地线上，使得这些电子标签朝向一致；RFID阅读器固定在电子标签朝向一定距离处，以读取设置范围内的电子标签。微处理器5发出让RFID阅读器进行识别操作的命令，一段时间后，RFID阅读器2可将识别到的标签ID返回给微处理器5。为了防止漏读的情况，可连续多次识别(比如3次)，将总的识别结果返回给微处理器5。由于RFID阅读器2范围的限制和电子标签朝向的因素，在实际安装过程中，需要反复调整两者位置关系，直至RFID阅读器2能识别到设置范围内的全部电子标签为止。

超声波传感器3包括超声发射单元和超声接收单元。超声发射单元配置有与微处理器顺序连接的隔离模块、驱动模块、发射超声波换能器；超声接收单元配置有与微处理器顺序连接的A/D转换模块、信号调理模块、滤波模块、接受超声换能器顺序连接。超声发射单元接收微处理器5输出的脉宽调制波，经过隔离模块、驱动模块后激励发射超声波换能器发射超声波；接收超声波换能器接收到超声发射单元发出的超声波信号后，经过滤波模块滤除信号中的干扰信号后，再经过信号调理模块进行信号调理，再经过A/D转换器进行模数转换，从而实现对超声回波的采样工作。

拍摄模块包括摄像头41和模数转换模块42，摄像头41可采用海康威视模拟摄像，模数转换模块42可采用TVP5150芯片，摄像头41采集到图像数据经过模数转换模块42转换后再发送至微处理器5。在具体安装过程中，将摄像头41朝向需要被监测的方位固定，摄像头41的信号输出端连接到模数转换模块42的信号输入端，将模拟信号转换为数字信号，模数转换模块42的输出端连接至微处理器5的数字摄像头信号端口。

微处理器5负责整个系统的运作，驱动监测终端各模块或装置的协调工作，具体为驱动多源数据采集装置采集多源数据，并存入本地存储模块6，通过通信模块7完成与数据服务中心的通信，包括对数据的上传和服务器指令的接收。具体可选用STM32F429IGT6微处理器。

存储模块6采用SD卡，用于保存多源数据采集装置获取到的信息和图片。

通信模块7用于将多源数据采集装置采集到的多源数据上报给数据服务中心。具体采用无线通信模块，可支持GPRS/3G/4G。实施例中采用装有中国移动SIM卡的SIM800C模块，通过GPRS方式与数据服务中心通信，用于上传数据以及接收指令。

警报装置8用于在判断接地线被盗的情况下对现场工作人员进行报警提示。数据服务中心在得出地线被盗的结论时，向对应的监测终端发送其地线被盗的信息；监测终端收到数据服务中心发出的被盗结论后，设置系统处于被盗异常模式，并驱动警报装置8发出警报标志，具体可采用继电器驱动蜂鸣器工作，发出警报声音以提示现场工作人员进行相应的维修。

供电装置9负责给监测终端的各用电模块进行供电，其主要包括太阳能板和蓄电池，蓄电池直接给终端供电，太阳能板用于给蓄电池充电。

具体应用时，红外对射传感器1的发射端和接收端与STM32的IO连接，正常情况下，接收端能接收到发射端发射的红外信号，在微处理器处表现为持续的高电平，当有遮挡物时，接收端接收不到红外信号，在微处理器处表现为IO电平拉低。RFID阅读器2与STM32的串口2相连，STM32串口2向RFID阅读器2发出识别操作的指令，一段时间后RFID阅读器2通过串口2向STM32发送识别出的标签的信息，具体为识别到的电子标签ID号。超声波传感器3中的超声发射单元与STM32的IO口相连，超声接收单元与STM32的AD接收IO口相连，微处理器通过该IO发出脉宽调制波，一段时间后经过滤波电路、信号调理电路、微处理器的模数转换模块接收到超声波，记录下传播时间。TVP5150模块一端与海康威视模拟摄像头相连，另一端与STM32的DCMI接口和IIC接口相连，STM32通过IIC接口配置TVP5150的工作模式，通过DCMI接口以DMA的方式接受采集的YCbCr图片数据，将YCbCr格式转换成RGB格式，并进行JPEG压缩编码，以拍照时间命名保存到SD卡。SD卡和STM32的SDIO接口相连，STM32通过Fatfs文件系统进行SD卡内的文件操作。SIM800C模块和STM32的串口3相连，以AT指令集的方式进行通信，STM32通过串口3向SIM800C发送AT指令将其配置为与数据服务中心的TCP长连接，并通过串口3向SIM800C发送需要上传的数据，SIM800C则以GPRS的方式发送给数据服务中心；同时，SIM800C接收数据服务中心发送的指令和信息，并通过串口3发送给STM32。

数据服务中心主要管理各监测终端和获取监测数据，对多源数据的存储，并采用朴素贝叶斯分类器和卷积神经网络对多源数据进行学习训练，得出铁塔接地线是否被盗的结论，并发送至用户端。如图4所示，其主要包括主服务器10和通信模块11。

主服务器10和各监测终端进行GPRS通信，接收各监测终端上传的多源数据并通过其具有的融合信息分析模块12对多源数据进行融合分析，以作出接地线是否被盗的判断；并可以向各监测终端下达指令，通过不同的指令可实现设触发监测终端置本地处于被盗异常状态并发出报警提示(如被盗提示指令)，实时获取监测终端信息(如获取终端实时信息指令，配置各监测终端上传多源数据的预设时间(如配置终端上传时间指令)，配置各监测终端的本地时间(如配置终端本地时间指令)，以及修改监测终端向数据服务中心发起连接的公网IP地址和端口号(如网络设置指令)等操作。其主要包括处理器和存储器，存储器内存储有融合信息分析程序。

通信模块11主要用于出现接地线异常情况时向用户端发送报警提示和现场图片。因为服务器10本身就具有网络公网IP，可以与监测终端的通信模块7进行TCP通信，数据服务中心内置的通信模块11只用于向用户端工作人员发短信和彩信。具体可采用装有中国移动SIM卡的SIM800C模块，与服务器10的RS232串口相连，具有发送短信和彩信功能，用于在出现异常状况时通过通信模块11向用户端工作人员发送警报短信和现场图片，以通知相关负责人进行接地线的维护。

融合信息分析模块12包括第一分析单元、第二分析单元和综合分析单元，分别在服务器10运行时能实现：

第一分析单元：对接收到的图片做灰度化处理；然后对各图片中接地线是否被盗的人为标注结果建立第一数据库；结合图像分析与深度学习方法，利用该数据库的数据训练并得到深度卷积神经网络模型；基于深度卷积神经网络模型，根据输入的图片即得出该接地线是否被盗的第一结论输出。

第二分析单元：根据红外对射传感器探测到是否有异物入侵、RFID识别出接地线ID号是否缺失、超声检测回传时间是否异常对接地线是否被盗的人为标注结果建立第二数据库；结合朴素贝叶斯方法，利用该数据库的数据训练并得到满足要求的朴素贝叶斯分类器模型；基于该朴素贝叶斯分类器模型，输入一具体情况，即红外探测的某一特定结果下(如检测到异物入侵)，RFID某一特定识别结果下(如识别出3个不同的ID号)和超声检测的某一特定结果下(如传播时间为0.2s)，能够输出接地线是否被盗的第二结论输出。

综合分析单元：将第一分析单元的第一结论输出和第二分析单元的第二结论输出作为两组特征，并根据人为标注的每种情况下接地线的真实状况建立第三数据库；结合朴素贝叶斯分类器，利用该数据库进行大量学习训练，实现对接地线是否被盗状态的智能模式识别；经过大量的数据训练，根据第一结论输出和第二结论输出即可得出输出接地线是否被盗的最终结论。

值得说明的是，第一分析单元的图像识别方法和第二分析单元的数据分析方法都可以分别得出是否被盗的结论，但是各自的准确率并不是特别高，通过综合分析单元将两者级联能大大提高判断的准确率。

实施例中的基于多源数据融合的铁塔接地线监测系统的工作原理如下：

通过太阳能板给蓄电池充电，蓄电池输出12V电源，经过电源转换电路给系统各部分供电，主要包括BM2596-5电路、AMS1117-3.3电路、BO505S-1W电路。

将监测终端的RFID阅读器2、红外对射传感器1、超声波传感器3、拍摄模块、SD卡、SIM800C模块等初始化并写好调用函数封装到硬件抽象层，供上层调用。

系统上电后，通过SIM800C模块与数据服务中心建立长连接，具体为使用GPRS方式和服务器公网IP的某一固定端口进行TCP连接，可设定为每半分钟发一次心跳包确认在线。

一般情况下，各数据采集模块在预设时间点采集相关数据或获取图片，在保存至本地SD卡后，通过SIM800C模块以GPRS方式发送至数据服务中心；当红外对射传感器1检测到异常时，调用RFID阅读器2进行识别操作，调用超声波传感器3进行检测，调用拍摄模块进行图片采集，在保存至本地SD卡后，通过SIM800C模块以GPRS方式发送至数据服务中心。

数据服务中心接收到上传的多源数据信息，使用朴素贝叶斯分类器对红外检测结果、RFID阅读器识别结果、超声探测结果进行数据模式识别学习训练，利用深度卷积神经网络模型对采集的图片进行图像模式识别学习训练，为提高系统的准确率，最终将前两者的输出结果再次利用朴素贝叶斯分类器进行学习训练，作为系统最终的输出。在分析得出接地线是否被盗的结论时通过与监测终端的TCP连接发出被盗状态信息，通过与主服务器的RS232串口连接的SIM800C模块以短信和彩信的方式分别向工作人员发出被盗的提示信息和现场图片；并同时向监测终端发送被盗提示指令。

监测终端接收到数据服务中心发送的被盗提示指令后，设置本地处于被盗异常模式，并通过警报装置发出警报以通知在场的工作人员进行现场处理，待工作人员完成现场修复后，给系统复位到正常工作模式。

值得注意的是，该系统可以同时实现对多处铁塔接地线的在线监测，每个铁塔上安装一个监测终端，每个监测终端对应一个编号，数据服务中心以监测终端编号来对监测终端进行相应操作，各个监测终端上传信息时也上传自己的编号，使得数据服务中心能够分辨出是来自哪个监测终端的接地线信息。同时，每个编号的监测终端也对应着其所在位置，当发生事故时，能准确明了地知道事故发生地点。

本发明还公开一种基于多源数据融合的铁塔接地线监测方法实施例，其包括：

监测终端上电之后，发起和数据服务中心的长连接，用于接收数据服务中心对监测终端的指令和上传本地获取到的多源数据。

在预设时间点，如每天整点时间，多源数据采集装置对铁塔接地线进行相关数据采集和图像拍摄，并将获取到的数据和图像信息上传至服务器；为进一步提高检测的实时性，可设置在非预设上传时间点，在红外传感器检测到异常状况时，微处理器接收到红外传感器的返回的异常状况响应信号后会向其它采集模块发送运行指令，触发超声波传感器、RFID阅读器和拍摄模块运行以采集相应的数据或图片信息，并在第一时间将获取到的数据或图片信息上传至服务器。需要说明的是，该上传时间可由服务器发送相应的指令进行调整。

数据服务中心中的融合信息分析模块根据接收到的多源数据进行信息融合判断，若作出接地线被盗的判断，则向监测终端发出被盗提示指令，监测终端接收被盗提示指令，设置本地处于被盗异常状态并通过继电器驱动报警器发出报警信号；并通过通信模块同时向用户端发出用于报警提示的短信或彩信等。

监测终端处于被盗异常状态时仍可以和数据服务中心进行通信和现场信息的采集，等待工作人员的修复。在工作人员完成对现场的修复后，按下复位键设置监测终端为正常状态即可回到正常工作模式。

其中，多源数据采集装置的工作原理如下：

为降低监测终端的整体能耗，一般情况下，只有红外对射传感器实时探测是否有人体或其他一些入侵的移动物体，其它数据采集模块处于休眠状态，只在预设时间点(即微处理器根据接收到的主服务器发出的配置终端上传时间指令设定的上传时间点)进行相关数据采集或图片拍摄，并将获取到的相关数据和图片信息存储至本地存储模块，同时通过通信模块上传至数据服务中心。

当红外对射传感器探测到有人或其他物体穿过时，会遮挡住平行放置的红外对射传感器，当红外对射传感器的接收端不能收到发射端发送来的红外线时，即本发明所述的异常状况，红外对射传感器的信号线就会给微处理器发送异常状况响应信号，微处理器接收到异常状况响应信号后分别向RFID阅读器、超声波传感器和拍摄模块发出运行指令，触发各数据采集模块进行数据采集，具体包括：

RFID阅读器对其范围内的绑定在接地线上的RFID标签进行识别操作，RFID阅读器在接收到微处理器发出的识别操作指令后对范围内的接地线上的RFID标签进行识别，并将识别到的标签ID返回给微处理器。为了防止漏读的情况，可设置连续多次识别(比如3次)，将总的识别结果中所有不重复的ID号返回给微处理器。

超声探测传感器对接地线进行超声探测，微处理器发出脉宽调制波驱动超声发射装置发射超声波，此时与接收装置连接的IO口会输出一个上升沿，等待接收到超声波时，该IO口会产生一个下降沿，打开定时器分别捕捉上升沿和下降沿的时间，可以得出超声波在接地线中传播的时间，并将其返回给微处理器。

驱动摄像头对现场进行一次拍摄并发送至微处理器，然后由微处理器对采集的图片进行JPEG压缩处理，将压缩后的JPEG图片以时间命名存至本地存储模块，方便日后查阅。

此时，各数据采集模块采集到的相关数据或图片信息均通过通信模块实时上传至数据服务中心。

其中，数据服务中心基于多源数据对铁塔接地线是否处于被盗状态的分析方法如下：

如图5所示，监测终端每隔1小时拍摄现场图片上传至数据服务中心，每天共发送24张图片。在数据服务中心处，为了避免光照情况的影响，对接收到每张图片做灰度化处理，接着对图片中接地线是否被盗状态进行人为标注，建立第一数据库，即图像数据库；结合图像分析与深度学习方法，利用该数据库数据训练深度卷积神经网络模型，该模型取代传统的人工设计特征的方法，可自动完成对输入图像信号的加工，通过卷积层逐层将初始的低级特征抽象转换成高级特征，然后在连接层完成图像卷积特征与接地线状态的映射，从而可实现对图中接地线是否被盗状态的智能模式识别；经过大量数据训练后，输入拍摄的图像，可以得出使用图像识别方法下接地线是否被盗的第一结论输出。

如图6所示，根据红外传感器是否探测到异物入侵、RFID识别出ID号是否缺失、超声检测回传时间是否异常对接地线是否被盗进行人为标注，建立第二数据库；结合朴素贝叶斯分类器，利用该数据库进行大量学习训练，实现对具体情况下接地线是否被盗状态的智能模式识别；经过大量的数据训练，输入一具体情况，即红外探测的某一特定结果下，RFID某一特定识别结果下和超声检测的某一特定结果下，能够输出接地线是否被盗的第二结论输出。实施例中，将红外对射传感器的探测结果分为探测到异物和没有探测到异物两种情况；将RFID阅读器的识别结果(假设有N根接地线)分为没有识别到接地线、识别到1根接地线、识别到2根接地线、···识别到N根接地线这N+1种情况；将超声检测的回传时间按照时间长短分为M个区域，回传时间可能是区域1、区域2、···区域M，共M种情况。

如图7所示，最终将第一结论输出和第二结论输出作为两组特征，对每种情况下接地线的真实情况进行人为标注，建立第三数据库；结合朴素贝叶斯分类器，利用该数据库进行大量学习训练，实现对具体个别情况下接地线是否被盗状态的智能模式识别。经过大量的数据训练，最终可在第一结论输出和第二结论输出的情况下，输出接地线是否被盗的最终结论。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下，在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。

Claims (10)

1.一种基于多源数据融合的铁塔接地线监测系统，其特征在于，包括数据服务中心及多个铁塔接地线监测终端，其中：

铁塔接地线监测终端包括微处理器以及与微处理器电连接的多源数据采集装置、存储模块、第一通信模块和供电装置，

多源数据采集装置，包括多个数据采集模块，用于获取有关铁塔接地线的多源数据；

微处理器，协调监测终端各模块或装置运行，包括驱动各数据采集模块进行多源数据采集，将获取到的多源数据存入存储模块，并通过第一通信模块与数据服务中心的通信以实现多源数据的上传及指令的接收；

存储模块，用于存储多源数据采集装置获取到的有关铁塔接地线的多源数据；

第一通信模块，通过无线通信方式与数据服务中心进行TCP通信，实现多源数据的上传和服务器指令的接收；

供电装置，为监测终端内的各用电各模块或装置供电；

数据服务中心包括配置有融合信息分析模块的主服务器，负责管理各铁塔接地线监测终端，接收各铁塔接地线监测终端发送的有关铁塔接地线的多源数据，并通过主服务器中的融合信息分析模块将接收到的多源数据进行融合分析，以得出各铁塔接地线是否被盗的结论。

2.如权利要求1所述的铁塔接地线监测系统，其特征在于，所述多源数据采集装置配置有用于检测是否有人或者物体靠近铁塔接地线的红外探测模块，用于识别铁塔接地线电子身份的RFID阅读器，用于探测接地线是否完好的超声探测模块，用于采集现场图片数据的拍摄模块。

3.如权利要求1或2所述的铁塔接地线监测系统，其特征在于，所述铁塔接地线监测终端还包括与微处理器电连接的警报装置，用于在微处理器接收到被盗提示指令时对现场工作人员发出报警提示。

4.如权利要求1或2所述的铁塔接地线监测系统，其特征在于，所述供电装置包括太阳能电池板和蓄电池，通过太阳能电池板为蓄电池充电，进而蓄电池为监测终端内的各用电各模块或装置供电。

5.如权利要求1或2所述的铁塔接地线监测系统，其特征在于，所述融合信息分析模块采用朴素贝叶斯分类器模型和卷积神经网络模型对多源数据进行学习训练，并得出铁塔接地线是否被盗的结论。

6.如权利要求1或2所述的铁塔接地线监测系统，其特征在于，所述数据服务中心还包括第二通信模块，用于在融合信息分析模块得到铁塔接地线被盗的结论时向用户端发送短信和/或彩信形式的被盗提示信息。

7.一种基于多源数据融合的铁塔接地线监测方法，其特征在于，包括：

铁塔接地线监测终端通过多个数据采集模块对有关铁塔接地线的多源数据采集，将获取到的多源数据进行本地存储，并同时上传至数据服务中心；

数据服务中心对接收到的多源数据进行信息融合分析，以得出各铁塔接地线是否被盗的结论，并在得到铁塔接地线被盗的结论时向该铁塔接地线监测终端发出被盗提示指令和/或向用户端发送短信和/或彩信形式的被盗提示信息。

8.如权利要求7所述的铁塔接地线监测方法，其特征在于，多源数据的获取包括：

通过红外探测装置来探测是否有人或入侵物；

通过RFID阅读器读取接地线上设置的电子标签来识别接地线的电子身份并对该接地线进行准确定位；

通过超声探测装置对接地线进行超声探测；

通过摄像装置获取现场拍摄图片。

9.如权利要求7或8所述的铁塔接地线监测方法，其特征在于，数据服务中心对接收到的多源数据进行信息融合判断具体包括：

采用深度卷积神经网络模型对获取到的图片进行图像模式识别学习训练，并得出接地线是否被盗的第一结论输出；采用朴素贝叶斯分类器模型对红外探测结果、RFID阅读器识别结果、超声探测结果进行数据模式识别学习训练，并得出接地线是否被盗的第二结论输出；将第一结论输出和第二结论输出再采用朴素贝叶斯分类器模型进行学习训练，输出接地线是否被盗的最终结论。

10.如权利要求7或8所述的铁塔接地线监测方法，其特征在于，铁塔接地线监测终端通过多个数据采集模块对有关铁塔接地线的多源数据采集包括：一般情况下，只有红外探测装置实时探测是否有人或入侵物，其它数据采集模块处于休眠状态；

在配置的终端上传时间点，各数据采集模块被唤醒运行以进行多源数据采集，将获取到的多源数据进行本地存储，并同时上传至数据服务中心；

当红外探测装置探测到有人或入侵物时，向微处理器发送异常状况响应信号，微处理器接收到异常状况响应信号后分别向其它数据采集模块发出运行指令，触发各数据采集模块进行多源数据采集。