CN111428694A - 基于区块链的智慧工地异常烟雾监测系统 - Google Patents

Abstract

本发明公开了一种基于区块链的智慧工地异常烟雾监测系统。包括终端集群与计算集群，计算集群载入搭建智慧工地异常烟雾监测深度神经网络所需参数，配置智慧工地异常烟雾监测深度神经网络区块链私链，并执行智慧工地异常烟雾监测推理；智慧工地异常烟雾监测深度神经网络的输入为终端采集的监控区域烟雾图像，输出包括烟雾异常等级分类。利用本发明，在工地环境监测中，提高了工地异常烟雾监测精度、监测效率以及数据处理传输过程中的安全性、保密性。

Description

基于区块链的智慧工地异常烟雾监测系统

技术领域

本发明涉及人工智能、区块链、CIM、智慧工地技术领域，具体涉及一种基于区块链的智慧工地异常烟雾监测系统。

背景技术

随着我国经济的发展和城市化进程的推进，越来越多的城市建设项目催生了越来越多的施工场所即工地。火灾严重威胁到人的生命以及财产安全,及时检测火灾并预警有重要意义。在建筑工地内，由于工地往往堆积有大量建材，其中很多都是易燃的，一旦发生火灾，后果非常严重。火灾初期往往伴随着烟雾的产生，因此，工地内异常烟雾监测十分必要且重要。采用计算机视觉技术自动检测烟雾是火灾预警的有效措施，准确快速地烟雾检测算法具有非常重要的实际应用价值。传统的烟雾检测方法采用特征提取、分类器设计等模式识别技术，包括静态和动态相结合的烟雾识别方法。典型的特征包括颜色和运动概率，烟雾的LBP直方图序列等。然而这些传统的烟雾检测算法抗干扰能力差、实时性不强、复杂场景下适应性差。而且，目前的工地环境监测通常只返回异常结果，结果反馈单一。并且，用于计算的集群，信息易被泄露、安全性能较低。因此，现有工地异常烟雾监测技术存在监测实时性差和监测效率低下、结果反馈单一、数据处理及传输过程中安全性能低的问题。

得益于人工智能、物联网等技术的发展，智慧工地成为了一种崭新的工程全生命周期管理理念。本发明就智慧工地中异常烟雾监测，从结果反馈、监测精度效率以及系统安全性等方面对现有技术进行改进。

发明内容

本发明提供了一种基于区块链的智慧工地异常烟雾监测系统，不仅结果反馈多元，而且提高了监测精度、监测效率和数据处理传输过程中的安全性、保密性。

一种基于区块链的智慧工地异常烟雾监测系统，包括终端集群与计算集群，计算集群载入搭建智慧工地异常烟雾监测深度神经网络所需参数，配置智慧工地异常烟雾监测深度神经网络区块链私链，并执行智慧工地异常烟雾监测推理；

其中，智慧工地异常烟雾监测深度神经网络的输入为终端采集的监控区域烟雾图像，输出包括烟雾异常等级分类，由多个模块组成，包括烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络；

烟雾分割编码器用于对终端采集的监控区域烟雾图像进行编码提取特征，得到烟雾语义特征图；

烟雾分割解码器用于对烟雾语义特征图进行解码还原，得到烟雾分割热图，烟雾分割热图中的热斑代表烟雾的置信度；

烟雾异常等级分类编码器，用于对烟雾分割热图进行编码提取特征，得到烟雾异常等级分类特征图；

第一全连接网络，用于烟雾异常等级分类特征图展开之后得到的特征向量进行加权分类，得到烟雾异常等级分类结果。

利用烟雾模拟器来生成训练数据，标签数据的像素值通过0、1来表示，0表示其他类别，1表示烟雾类别，将模拟数据经过归一化处理，然后将处理后的训练数据与标签数据送到网络中对烟雾分割编码器、烟雾分割解码器进行训练。

配置智慧工地异常烟雾监测深度神经网络区块链私链包括：针对每一个智慧工地异常烟雾监测深度神经网络推理请求，从计算集群中选择多个可用节点，将终端的相机参数以及分别分布于不同可用节点的烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络所需参数作为对应节点的区块数据，根据智慧工地异常烟雾监测深度神经网络推理顺序将节点区块连接，生成智慧工地异常烟雾监测深度神经网络区块链私链。

区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密，对其从上一区块接收到的神经网络推理中间结果数据进行解密。

采用张量重塑形机制进行加密解密，包括：针对每一个网络推理请求，生成张量重塑形参数表，并发送至区块链私链所在节点，区块链私链中所有节点按照该参数表设置待传输张量元数据中的张量尺寸，并按照该参数表解析其接收到的张量数据；张量重塑形参数表中存储每一区块输出张量的重塑形参数。

基于CIM技术构建城市工地信息模型，城市工地信息模型包括：城市工地三维空间建模信息、监控区域信息、智慧工地异常烟雾监测结果信息；利用可视化单元结合Web GIS技术对城市工地信息模型进行渲染，展示在前台页面。

可视化单元包括：

初始化模块，用于从城市工地信息模型获取城市工地三维空间建模信息，结合WebGIS技术对城市工地信息模型进行渲染，展示在前台Web页面，得到城市工地信息模型的初始可视化结果；

数据获取模块，用于从城市工地信息模型获取监控区域信息以及智慧工地异常烟雾监测结果信息；

烟雾监测结果可视化模块，用于根据地理位置将监控区域信息以及智慧工地异常烟雾监测结果集成在城市工地信息模型的初始可视化结果。

对烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络分别进行适当细分，将分别分布于不同节点的细分后的每一模块的参数作为区块数据，按照智慧工地异常烟雾监测深度神经网络推理顺序，生成智慧工地异常烟雾监测深度神经网络区块链私链。

本发明的有益效果在于：

1.本发明采用深度神经网络对工地监控区域的图像进行分析，相比于传统的计算机视觉方法，具有更准确的结果响应和更高的监测效率。

2.本发明基于区块链技术，对智慧工地异常烟雾监测深度神经网络进行合理划分，针对每个网络推理请求，动态生成区块链私链，相比于传统的单机执行，不仅提高了系统的并行性能，而且由于区块链私链是动态的，当某一节点出现故障，系统能够及时感知，不会影响其他推理请求的计算，具有更好的容错性能。

3.本发明的区块链私链根据计算集群中可用节点实时生成，相比于传统的固定分配，不易被攻击破解，提高了系统数据的保密性能。

4.本发明对网络推理区块链私链之间的数据进行加密，防止区块链私链区块之间传输数据的泄露，保证传输数据的保密性，而且张量变形机制计算量小，在提高保密性能和安全性能的同时不会增加系统负担。

5.本发明基于CIM技术设计城市工地信息模型存储工地异常烟雾监测结果，并对城市工地信息模型进行可视化，相比于传统的结果反馈，本发明的反馈结果更加多元化，包括工地区域三维展示、警示标记、监控区域图像，能够使监管人员更加清晰明确地了解工地异常烟雾情况。

附图说明

图1为本发明系统的智慧工地异常烟雾监测深度神经网络结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

深度学习方法在计算机视觉领域取得了最新的成果，与传统的手工提取浅层特征的方法，深层结构能获取更本质的特征。综上所述，本发明提出了一种基于卷积神经网络语义分割方法的工地异常烟雾检测系统。首先，通过卷积神经网络对图像提取特征，然后对每个像素点进行分类，生成烟雾的分割热图，并针对热图进行烟雾异常等级的分类，从而提供烟雾的异常等级序列，为监控烟雾的异常提供决策数据，同时采用区块链技术，为异常烟雾检测的计算提供数据保护功能。图1为本发明系统的深度神经网络结构图。下面通过具体实施例来进行说明。

实施例一：

一种基于区块链的智慧工地异常烟雾监测系统，包括终端集群与计算集群，计算集群载入智慧工地异常烟雾监测深度神经网络所需参数，通过配置智慧工地异常烟雾监测深度神经网络区块链私链，执行智慧工地异常烟雾监测深度神经网络推理。终端设置于监控区域，能够采集监控区域图像，并具有一定的计算能力。

本发明主要对烟雾进行检测，实现对火灾的预警。本发明基于深度神经网络实现异常烟雾监测，具体采用预测热力图网络与分类网络结合的混合深度神经网络结构。如此设计智慧工地异常烟雾监测深度神经网络、没有使用其他网络结构的原因是：采用有无烟雾异常的图像分类无法贴合实际情况，导致误检率较高，不符合应用的实用性。采用烟雾异常等级分类，可有效的判别烟雾的范围大小。烟雾是一种非刚体、且纹理在表征上具有单一特征、语义分割可以解决非刚体的检测问题，而不是使用目标检测网络。对于连续检测的序列而言，缺乏有效的时间层面上因果逻辑上的判断，例如语义分割的错误分割、短时间的烟雾、特殊工况(如逆光、大雾、大面积扬尘)导致的误检等，需要在时序上进行判断，而该系统神经网络的结果可提供时序上的烟雾异常等级，从而更好地为工地环境监控提供决策支持。

智慧工地异常烟雾监测深度神经网络包括烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络；烟雾分割编码器、烟雾分割解码器构成烟雾语义分割子网络；烟雾异常等级分类编码器、第一全连接网络构成烟雾异常等级分类子网络。

烟雾语义分割子网络的目的是得到烟雾遮罩，用来区分烟雾和其他元素的语义，也可以称为烟雾分割热图。烟雾语义分割子网络输出的烟雾分割热图，有助于计算后续的烟雾异常等级。

烟雾语义分割子网络的训练过程如下：采用基于模拟器的方法，利用Unreal烟雾模拟，来生成训练数据。标签数据的像素值通过0，1来表示，0表示其他类别，1表示烟雾类别。将模拟数据经过归一化处理，即将图片矩阵变为[0,1]之间的浮点数，以便模型更好地收敛。然后处理后的图像数据与标签数据(需要经过one-hot编码处理)送到网络中对烟雾分割编码器、烟雾分割解码器进行训练。烟雾分割编码器实现对图像特征的提取，输入为归一化的图像数据，输出为烟雾分割特征图；烟雾分割解码器进行上采样并最终实现对图像每个像素点的分类，输入为烟雾语义特征图，输出为分割的热图。Loss函数采用交叉熵。

继续说明，得到分割热图后，因为是二分类，所以会有两个通道的热图，这里提取烟雾类别的通道热图，在此称之为烟雾热图。至此，即可完成对施工场地烟雾的提取。

然后烟雾异常等级分类子网络针对烟雾热图进行分类，其烟雾异常等级的分类根据烟雾面积的不同，分为多个等级，建议参考城市工地的异常烟雾发生情况来划分，分级的示例如无烟雾、小面积烟雾、大面积烟雾、特大面积烟雾等。

烟雾异常等级分类模块中网络的训练过程如下：将烟雾热图直接送到烟雾异常等级分类编码器、第一全连接网络中进行训练，烟雾异常等级分类编码器对热图数据进行下采样的特征提取，输入为烟雾热图，输出为小分辨率的烟雾异常等级分类特征图。第一全连接网络起到将特征映射到样本标记空间的作用，输入为烟雾异常等级分类编码器产生的小分辨率烟雾异常等级分类特征图经过Flatten操作的结果，输出即工地烟雾异常各个等级的概率，最终经过argmax操作得到每帧的烟雾异常等级。标签数据根据烟雾面积分级，分别用连续的阿拉伯数字代替，如无烟雾(0)、小面积烟雾(1)、大面积烟雾(2)、特大面积烟雾(3)。损失函数采用交叉熵。

继续说明，施工场地烟雾语义分割子网络和烟雾异常等级分类子网络可以单独训练，前一模块的输出结果作为后一模块网络的输入数据。至此，即完成了工地异常烟雾的等级分类。

众所周知的，编码器、解码器的实现有多种，实施者可根据图像大小和显存占用选取合适的神经网络内部的模块设计，如Residual Block、Bottleneck Block、CNN Block等。本发明为了兼顾烟雾检测效率，建议采用跳级结构的Encoder-Decoder设计，block采用ShuffleNet、MobileNet等轻量级网络的block设计。最终，实施者也可以参考ICNet，HRNet等语义分割网络来提取特征。EncoderB建议采用ResNet的Block设计，主要是对热图进行下采样特征提取，以减少后续推理的计算量。

最后通过工地摄像头，对采集的每帧数据进行工地烟雾异常检测，得到时序的烟雾异常等级，提供给工作人员，结合CIM地理位置信息，判断工地烟雾状况。

本发明考虑到了当下工地不可能搭建临时机房用于异常烟雾监测的计算，且工地供电不稳定、没有无尘环境，所以机架服务器放在工地是容易宕机的(湿度低导致静电、湿度高导致连接器老化、灰尘导致静电吸附、昆虫、老鼠等动物导致链路损坏，不适合集中计算)，所以采用计算集群计算。计算集群可以是公有云服务，租用的公有云服务中包括多个公有云主机实例。为了提高本发明系统的保密性能，防止数据泄露，并提高系统的并行性，本发明结合区块链技术设计了区块链私链。分布式存储可以在进行，分布式计算在多个相机端、服务器进行。每个设备负责一部分工作，降低了工作负荷。分布式以及区块链私链思想的使用，拥有信息加密、高容灾等优秀性能。

在此，针对本发明区块链技术与DNN技术结合进行详细阐述。区块链采用块分割数据，使用链式数据结构，将数据作为块进行验证和存储，整个数据结构汇总不存在中心化的硬件和管理机构，实现了去中心化。一代区块链技术主要在分布式账本上进行应用，二代区块链技术主要实现智能合约，三代区块链技术可以将区块链思想与其他领域技术结合，有越来越多的呈现形式，更加注重为系统功能服务。区块链私链完整地继承了公链的特性，而且私链没有博弈机制的束缚，更关注实际应用的数据传输、加解密处理，能够更好地与其他领域的技术结合。对于深度神经网络计算而言，不必要存储中间结果数据，保留链式的逻辑以匹配神经网络前向传播的原理。

本发明考虑到了若将数据直接上传到计算集群进行处理，上传过程以及处理过程会产生明文的图像数据内容泄露问题，因此使用区块链私链的形式，将深度神经网络的不同模块作为区块，进行分散的推理，并对区块之间传输的数据进行加密处理，从而实现并行推理、容错、防止数据泄露的优秀性能。

基于上述思想，首先需要将智慧工地异常烟雾监测深度神经网络进行模块划分。将烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络作为网络的不同模块。如此，根据图1中所示的神经网络的推理顺序，即可得到智慧工地异常烟雾监测深度神经网络推理链。

计算集群中的所有节点载入智慧工地异常烟雾监测深度神经网络所需权重等参数。针对每一个智慧工地异常烟雾监测深度神经网络推理请求，从计算集群中选择多个可用节点，将分别分布于不同可用节点的烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络所需参数作为每一区块的区块数据。如此可以得到分布于不同节点的模块区块，即烟雾分割编码器区块、烟雾分割解码器区块、烟雾异常等级分类编码器区块、第一全连接网络区块。根据智慧工地异常烟雾监测深度神经网络推理顺序将上述区块连接，生成智慧工地异常烟雾监测深度神经网络区块链私链，并执行智慧工地异常烟雾监测深度神经网络推理。在选择可用节点以及进行节点排序时，优选地，对计算集群中可用的节点进行随机排序，从中挑选与区块数相同个数的计算节点。例如，可用节点有10个，首先，将推理请求对应对端的相机参数作为区块数据，该区块为第一区块；随机从10个节点中取一节点，将节点中烟雾分割编码器所需权重等参数作为区块数据，将其链接到终端所在区块；随机取另一节点，将节点中烟雾分割解码器所需权重等参数作为区块数据，并与上一区块(即烟雾分割编码器所在区块)链接；以此类推，根据神经网络推理顺序，生成了对应的智慧工地异常烟雾监测深度神经网络区块链私链。由此可见，可以同时存在多个针对不同请求生成的智慧工地异常烟雾监测深度神经网络区块链私链，并且，该区块链私链是动态生成的，不易被攻击破解，保密性能更好。

在可用节点选择中，节点的选择是随机化的，实施者可以根据需要选择随机方法。一种实施例是采用洗牌算法完成索引的排序，每次按照新的顺序进行链式推理，进一步增加被解密的难度。

如果将可用节点选择操作置于一个节点进行，当该节点发生故障，那么神经网络推理操作陷入停滞。而且，当把计算集中在一个节点时，很容易被攻击和破解。因此，为了实现区块链的去中心化，在每一个深度神经网络推理请求的推理过程结束之后，可以由最后一个节点执行可用节点选择操作。

将终端所在节点加入区块链私链，相机参数作为区块数据。这样做的目的是通过加密策略保证终端的输出是保密的，不易被截获、篡改。还可以将接收监测结果的监控中心所在节点加入区块链私链，这样做的目的是保证系统分析结果能够安全地传输到监控中心。

在对深度神经网络进行模块划分时，神经网络的某些模块很难一次性放进一个节点，即某些模块的运算量较大，很难在短时间内完成计算。因此，可以对烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络分别进行适当细分，增加神经网络切分块数，减小任务粒度，提高并行性。即可得到烟雾分割编码器子模块组、烟雾分割解码器子模块组、烟雾异常等级分类编码器子模块组、第一全连接网络子模块组。如此，根据神经网络的推理顺序，即可得到更加细分的智慧工地异常烟雾监测深度神经网络推理链。相应地，针对每一个智慧工地异常烟雾监测深度神经网络推理请求，从计算集群中选择多个可用节点，将分别分布于不同可用节点的细分后的烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络的子模块所需权重、参数作为区块数据，根据智慧工地异常烟雾监测深度神经网络推理顺序，生成智慧工地异常烟雾监测深度神经网络区块链私链。

进一步地，为了保证各个区块所接收到数据的完整性和安全性，防止在数据在传输过程中被攻击和篡改，需要对区块间传输的数据进行加密。具体地，本实施采用张量重塑形的方法进行张量混淆加密处理。张量重塑形是对节点产生的数据进行有规则的形状变换，张量重塑形仅对元数据进行变换，具体变换过程包括：由于各节点加载的是训练好的神经网络，因此各区块节点输出的张量尺寸是已知的，因此，针对每一个网络推理请求，生成张量重塑形参数表，并发送至区块链私链所在节点，私链中所有节点按照该参数表设置待传输张量的元数据，并按照该参数表解析其接收到的张量数据；张量重塑形参数表中存储每一区块输出张量的重塑形参数。例如，人员密度编码器输出张量尺寸为[12,256,256](即12通道、宽高分别为256、256的张量)，其张量重塑形参数为[6,512,256],则人员密度编码器所在区块节点输出的加密后的张量元数据中张量尺寸为[6,512,256],而人员密度解码器在获得人员密度编码器传输的张量后，需要根据其收到的张量重塑形参数表中的解密参数[12,256,256]去解密张量数据，而非根据其收到的张量元数据中的张量尺寸去解析张量。需要说明的是，对于输出为一个数据的情况，可以选择通用加密算法对该数据进行加密，例如字节遮罩加密机制或des加密机制。对所有区块之间的数据传输进行加密、解密操作，可能保证最完备的保密性能。对所有区块之间的数据传输进行加密、解密操作，可能保证最完备的保密性能。当下一区块所在节点收到经过加密的结果后，首先进行解密操作，然后进行后续处理。

CIM(City Information Modeling，城市信息模型)技术是以三维城市空间地理信息为基础，叠加城市建筑、地上地下设施的CIM信息以及城市物联网信息，构建起三维数字空间的城市信息模型。本发明基于CIM技术对智慧工地异常烟雾监测结果进行展示和预警。通过CIM城市信息模型结合Web GIS技术将工地异常烟雾监测系统的结果展现在Web中，实现工地人员状况以及数据的可视化。在本发明系统中，CIM技术通过构建城市区域内建筑的三维模型，实现对城市中建筑的数据化、信息化，为后续工地烟雾监测提供地理位置信息，并结合DNN技术，实现全天候工地烟雾监测，应用方便，成本低。

因此，本发明设计了城市工地信息模型。城市工地信息模型主要包含三维城市空间模型和区域内工地信息，会随着施工进度的不断推进，实时更新其模型和信息内容。城市工地信息模型基于CIM技术，包括工地三维空间建模信息、监控区域信息、工地异常烟雾监测结果。其中，工地三维空间建模信息包括区域内各个工地的工地建筑物信息、工地建材放置信息、工人工作区域信息等各种工地场景信息，这些类型信息中同时包含相应的地理位置信息，结合Web GIS技术通过可视化软件可以对城市区域内各个工地的三维场景进行还原展示。监控区域信息包括监控区域地理位置信息监控视觉传感器摄取的图像、坐标变换矩阵。监控区域信息用于在可视化的工地区域建筑信息模型中还原监控区域图像。坐标变化矩阵用于将监控图像转换为可视化效果更好的图像，例如俯视图等。工地异常烟雾监测结果，用于将工地异常烟雾监测结果集成到匹配的监控区域，以供监管人员查看。在本发明中，工地异常烟雾监测结果实时传输至城市工地信息模型。

本发明的系统还包括使用可视化单元结合Web GIS技术对城市工地信息模型进行可视化，展示在监控页面。具体地，可视化单元包括：初始化模块，用于从城市工地信息模型获取工地三维空间建模信息，结合Web GIS技术对城市工地信息模型进行渲染，展示在前台Web页面，得到城市工地信息模型的初始可视化结果；数据获取模块，用于从城市工地信息模型获取监控区域信息；烟雾异常监测结果可视化模块，用于将监控区域信息以及工地异常烟雾监测结果集成在城市工地信息模型的初始可视化结果。管理员可以通过可视化结果对区域内工地烟雾发生详情进行查看。

以上实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于区块链的智慧工地异常烟雾监测系统，包括终端集群与计算集群，其特征在于，计算集群载入搭建智慧工地异常烟雾监测深度神经网络所需参数，配置智慧工地异常烟雾监测深度神经网络区块链私链，并执行智慧工地异常烟雾监测推理；

其中，智慧工地异常烟雾监测深度神经网络的输入为终端采集的监控区域烟雾图像，输出包括烟雾异常等级分类，由多个模块组成，包括烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络；

烟雾分割编码器用于对终端采集的监控区域烟雾图像进行编码提取特征，得到烟雾语义特征图；

烟雾分割解码器用于对烟雾语义特征图进行解码还原，得到烟雾分割热图，烟雾分割热图中的热斑代表烟雾的置信度；

烟雾异常等级分类编码器，用于对烟雾分割热图进行编码提取特征，得到烟雾异常等级分类特征图；

第一全连接网络，用于烟雾异常等级分类特征图展开之后得到的特征向量进行加权分类，得到烟雾异常等级分类结果。

2.如权利要求1所述的系统，其特征在于，利用烟雾模拟器来生成训练数据，标签数据的像素值通过0、1来表示，0表示其他类别，1表示烟雾类别，将模拟数据经过归一化处理，然后将处理后的训练数据与标签数据送到网络中对烟雾分割编码器、烟雾分割解码器进行训练。

3.如权利要求1所述的系统，其特征在于，配置智慧工地异常烟雾监测区块链私链包括：针对每一个智慧工地异常烟雾监测深度神经网络推理请求，从计算集群中选择多个可用节点，将终端的相机参数以及分别分布于不同可用节点的烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络所需参数作为对应节点的区块数据，根据智慧工地异常烟雾监测深度神经网络推理顺序将节点区块连接，生成智慧工地异常烟雾监测深度神经网络区块链私链。

4.如权利要求3所述的系统，其特征在于，所述区块链私链中的区块对其要传输至下一区块的神经网络推理中间结果数据进行加密，对其从上一区块接收到的神经网络推理中间结果数据进行解密。

5.如权利要求4所述的系统，其特征在于，采用张量重塑形机制进行加密解密，包括：针对每一个网络推理请求，生成张量重塑形参数表，并发送至区块链私链所在节点，区块链私链中所有节点按照该参数表设置待传输张量元数据中的张量尺寸，并按照该参数表解析其接收到的张量数据；张量重塑形参数表中存储每一区块输出张量的重塑形参数。

6.如权利要求1所述的系统，其特征在于，基于CIM技术构建城市工地信息模型，城市工地信息模型包括：城市工地三维空间建模信息、监控区域信息、智慧工地异常烟雾监测结果信息；利用可视化单元结合Web GIS技术对城市工地信息模型进行渲染，展示在前台页面。

7.如权利要求6所述的系统，其特征在于，所述可视化单元包括：

初始化模块，用于从城市工地信息模型获取城市工地三维空间建模信息，结合Web GIS技术对城市工地信息模型进行渲染，展示在前台Web页面，得到城市工地信息模型的初始可视化结果；

数据获取模块，用于从城市工地信息模型获取监控区域信息以及智慧工地异常烟雾监测结果信息；

烟雾监测结果可视化模块，用于根据地理位置将监控区域信息以及智慧工地异常烟雾监测结果集成在城市工地信息模型的初始可视化结果。

8.如权利要求1-7任一项所述的系统，其特征在于，对烟雾分割编码器、烟雾分割解码器、烟雾异常等级分类编码器、第一全连接网络分别进行适当细分，将分别分布于不同节点的细分后的每一模块的参数作为区块数据，按照智慧工地异常烟雾监测深度神经网络推理顺序，生成智慧工地异常烟雾监测深度神经网络区块链私链。

Images