CN111464793A - 一种基于人工智能对实验装置进行监控预警的方法和系统 - Google Patents

Abstract

一种基于人工智能对实验装置进行监控预警的方法和系统，根据监控内容判断事故类型，向管理员进行预警；并作出辅助决策以及智能控制决策，提供给实验室管理员和中央控制中心管理员。本发明中考虑到了实验设备的当前状态，以及实验数据异常对实验室安全的影响，监控范围更为全面，监控预警准确率也更为准确；而且将人工智能技术引入到了实验监控预警过程中，可以在历史数据的基础上对未发生的事故进行自动预警并给出辅助决策，也可以在紧急情况下及时进行自动控制，可以及时止损以及保障人身安全；另外本发明中采用手机、智能穿戴设备、语音报警、监控大屏等多种预警方式，可以辅助管理员快速做出应对。

Description

一种基于人工智能对实验装置进行监控预警的方法和系统

技术领域

本发明涉及智能安防领域，尤其涉及一种基于人工智能对实验装置进行监控预警的方法和系统。

背景技术

现有技术中，通过实验室的部署结构和传感器来实现对高危实验室的监控，监控状态设备包括：摄像头、实验环境监测、高危仪器监测、基础设施监测、监控服务中心、移动终端；监控服务中心对基础设施、高危仪器、实验环境和视频监控进行检测，从而监控实验室事故，并将检测结果传输至移动终端进行通知和展示。现有技术中并未将实验设备的状态和实验数据的异常划分到影响实验室安全的因素中，更未对影响实验室安全的因素进行综合监控和分析；并且现有技术并不能自主的进行智能预警和决策，更不能针对紧急情况进行自主控制，不能实现及时处理安全问题；最后现有技术的预警方式单一，很可能不能及时通知工作人员快速做出应对。

发明内容

本发明的目的在于提供一种基于人工智能对实验装置进行监控预警的方法和系统，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于人工智能对实验装置进行监控预警的方法，包括以下步骤：

S1、利用监控设备采集实验基础数据和监控视频数据，上传并进行分布式存储；记录历史数据，包括所述实验基础数据、状态数据、缺陷数据和事故数据；

S2、通过所述历史数据中的所述实验基础数据和所述状态数据对状态识别模型进行训练；

S3、利用步骤S2中的所述状态识别模型自动识别实时采集的所述实验基础数据对应的所述状态数据，并与所述监控视频数据相结合，对异常状态数据进行分析，判断是否有事故发生；

S4、将步骤S3中的所述状态识别模型与历史数据相结合，通过时间序列分析算法，建立具备时序特征的预警模型，检测实时的状态数据；

S5、在所述历史数据中，收集不同种类的事故类型对应的异常状态数据，通过深度学习的方法自动提取特征，建立事故判别模型，针对实时采集的数据进行事故分类；

S6、根据所述历史数据中的事故类型和事故处理记录，采用多元分类算法进行模型训练，建立事故决策模型，判断事故类型的紧急程度，并生成决策方案；

S7、根据事故类型的紧急程度，向管理者进行报警；当事故紧急的情况下，步骤S6的所述事故决策模型主动发出AI决策，对实验装置实现反向控制。

优选的，步骤S4中所述预警模型的建立方式为：利用大数据分析技术对所述实验基础数据、所述监控视频数据和所述历史数据进行分析，得出对安全影响最大的影响因子，并通过多维数据挖掘、分析和变换提取特征数据，所述预警模型即为利用所述特征数据和所述状态数据进行构建的。

优选的，所述故障判别模型中的实时分类方式为：对所述监控视频数据通过卷积神经网络进行异常分析；对所述实验基础数据通过随机森林算法进行分析，并建立分类器将不同的分析方法进行结合，形成最终的分类方式。

优选的，所述预警模型在每一事故处理后，均需要通过实时数据进行迭代。

优选的，所述实验基础数据包括安全监控数据、实验环境数据、实验设备状态数据和反向控制设备状态数据。

优选的，数据的分布式存储包括关系型数据库、图数据库和消息中间件；其中所述关系型数据库中对历史数据以及通过模型得出的数据进行存储，所述图数据库中对采集到的数据进行存储，所述消息中间件对向管理证发出的消息信号和实时处理结果进行存储。

一种基于人工智能对实验装置进行监控预警的系统，包括实时监测单元、自动识别单元、智能预警单元、智能决策单元和反向控制单元；

所述实时监测单元对实验基础数据以及监控视频数据进行上传和存储；

所述自动识别单元实现实时识别所述实验基础数据对应的状态数据，并与所述监控视频数据相结合，判断事故情况；

所述智能预警单元，将实验基础数据与实验装置的历史数据相结合，判断实时的状态数据，并实现所述状态异常的预警功能；

所述智能决策单元，根据正能预警单元的异常状态数据对事故进行分类，并针对事故类型的不同做出相应的事故处理决策，发送给管理者，并对所述反向控制单元进行控制；

所述反向控制单元，在所述智能决策单元判断事故紧急的情况下，收到所述智能决策单元发出的控制指令，实现对所述实验设备的反向控制。

本发明的有益效果是：本发明公开了一种基于人工智能对实验装置进行监控预警的方法和系统，本发明中考虑到了实验设备的当前状态，以及实验数据异常对实验室安全的影响，监控范围更为全面，监控预警准确率也更为准确；而且将人工智能技术引入到了实验监控预警过程中，可以在历史数据的基础上对未发生的事故进行自动预警并给出辅助决策，也可以在紧急情况下及时进行自动控制，可以及时止损以及保障人身安全；另外本发明中采用手机、智能穿戴设备、语音报警、监控大屏等多种预警方式，可以辅助管理员快速做出应对。

附图说明

图1是监控预警流程图；

图2是监控预警系统结构图；

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，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方式仅仅用以解释本发明，并不用于限定本发明。

一种基于人工智能对实验装置进行监控预警的方法，根据监控内容判断事故类型，并作出辅助决策以及智能控制决策，提供给实验室管理员和中央控制中心管理员，其监控预警流程如图1所示，包括以下步骤：

S1、利用监控设备采集实验基础数据和监控视频数据，上传并进行分布式存储；记录历史数据，包括所述实验基础数据、状态数据、缺陷数据和事故数据；所述实验基础数据包括安全监控数据、实验环境数据、实验设备状态数据和反向控制设备状态数据；

S2、通过所述历史数据中的所述实验基础数据和所述状态数据对状态识别模型进行训练；

S3、利用步骤S2中的所述状态识别模型自动识别实时采集的所述实验基础数据对应的所述状态数据，并与所述监控视频数据相结合，对异常状态数据进行分析，判断是否有事故发生，例如设备爆炸、有害气体泄漏以及火灾等事故；

S4、将步骤S3中的所述状态识别模型与历史数据相结合，利用大数据分析对采集到的实验基础数据和监控数据以及历史数据进行分析找出对实验安全影响较大的影响因子，并对其进行多维数据挖掘、分析、变换，从而提取特征数据，利用所述特征数据和所述历史数据通过时间序列分析算法，建立具备时序特征的预警模型，检测实时的状态数据；

S5、在所述历史数据中，针对不同的事故类型，收集相应的多源非结构化数据，并将其转化为数值状态数据进行数据清晰、异常值处理，通过深度学习的方法自动提取特征，建立事故判别模型；所述事故判别模型中对采集的所述实验基础数据和所述监控视频数据采用卷积神经网络算法进行分析，对历史数据采用随机森林算法进行事故分类，并建立分类器将多种算法进行结合，最后得出最最终的事故类型的分类结果，并通过所述历史数据对算法的准确性进行验证；

S6、根据所述历史数据中的事故类型和事故处理记录，采用多元分类算法进行模型训练，建立事故决策模型，判断事故类型的紧急程度生成决策方案，并将事故信息和决策方案发送至管理员，同时拉响警报；

S7、步骤S6中的事故紧急的情况下，主动发出智能控制决策，对实验装置实现反向控制。

在每一次事故处理后，均需要更新所述历史数据，从而使其中的所述预警模型进行迭代，为下一次的数据处理最准备，从而保证监测过程的准确性。

一种基于人工智能对实验装置进行监控预警的系统，如图2所示，包括数据采集单元、实时监测单元、自动识别单元、智能预警单元、智能决策单元、反向控制单元和预警显示单元；所述数据采集单元利用传感器和无线网协议对实验基础数据和监控视频数据进行统一采集，接着上传至所述实时监控单元对数据进行分布式存储，并将存储的数据传输至所述自动识别单元，得出与存储数据向对应的状态信息以及事故的发生情况，此处的状态信息包括设备状态信息和环境状态信息；并通过所述智能预警单元对异常的状态信息进行报警；异常的状态信息通过所述智能决策单元中的事故判别模型在线输出事故的类型，并根据事故决策模型进行智能决策；通过所述预警显示单元进行报警，并将结果发送给管理员，同时所述智能决策单元发出的智能控制决策做用于所述反向控制单元，对实验装置进行反向控制。

所述分布式存储包括关系型数据库、图数据库和消息中间件；其中所述关系型数据库中对历史数据以及通过模型得出的数据进行存储，所述图数据库中对采集到的数据进行存储，所述消息中间件对向管理证发出的消息信号和实时处理结果进行存储；所述历史数据包括历史实验基础数据，以及相对应的状态数据、缺陷数据和事故数据。

所述预警显示单元采用手机、智能穿戴设备、语音报警、监控大屏等多种预警方式，辅助管理员快速做出应对。

实施例

本实施例中利用上述人工智能对实验装置进行监控预警的系统和方法，对实验室进行监控预警，通过所述数据采集单元对实验基础数据和监控视频数据进行采集；所述实验基础数据包括安全监控数据、实验环境数据、实验设备状态数据和反向控制设备状态数据；其中所述监控视频数据的采集通过在在实验室内部、实验的公共区域、实验人员办公室等重点区域按照网络摄像头，对区域进行监控，并将数据实时上传至数据中心；所述安全监控数据的采集为安全监控探头，测量辐射强度等，将这类数据优先级最高，将会越过层层权限，直通到指挥大厅安全监控界面，并根据实际情况按照规则直接触发安全决策预案，一旦出现超标，监控系统将立刻报警，从而防止有害物质的泄漏、危机实验人员的安全；公共区域及实验环境数据主要对公共区域的环境的数据进行采集及上传，包括温湿度数据、气压数据、电压数据、光照数据、有害气体、烟雾数据、可燃气体；实验设备状态数据对实验设备、实验仪器的状态进行收集，包括传感器获取状态及实验人员在实验期间记录将数据上传到数据中心。

反向控制单元所控制的反向控制设备包括：包含门禁设备、通风设备、水闸设备、电闸设备、灭火设备、空调设备，均由统一的物联网协议连接，并实时所述智能决策单元的指令，对设备进行控制。

本实施例中将采集的实验基础数据和监控视频数据存储至分布式系统ceph中，利用spark对数据进行归一化处理；FensorFlow技术实现所述事故判别算法，并通过历史数据进行训练生成所述事故判别模型；所述事故决策模型在线进行智能决策，并将其结果通过消息队列Kafka实时传递给Spring Boot后端，即所述反向控制单元，后端使用物联网协议对反向控制设备进行智能化控制；同时所述事故决策模型将数据处理后的结果通过消息对列WebSocket传递给所述预警显示单元，以保证消息的实时性；所述预警显示单元最终以图表、BIM三维建模等方式在手机、穿戴设备、语音警报、监控大屏上进行展示。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：

本发明公开了一种基于人工智能对实验装置进行监控预警的方法和系统，本发明中考虑到了实验设备的当前状态，以及实验数据异常对实验室安全的影响，监控范围更为全面，监控预警准确率也更为准确；而且将人工智能技术引入到了实验监控预警过程中，可以在历史数据的基础上对未发生的事故进行自动预警并给出辅助决策，也可以在紧急情况下及时进行自动控制，可以及时止损以及保障人身安全；另外本发明中采用手机、智能穿戴设备、语音报警、监控大屏等多种预警方式，可以辅助管理员快速做出应对。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (7)

1.一种基于人工智能对实验装置进行监控预警的方法，其特征在于，包括以下步骤：

S1、利用监控设备采集实验基础数据和监控视频数据，上传并进行分布式存储；记录历史数据，包括所述实验基础数据、状态数据、缺陷数据和事故数据；

S2、通过所述历史数据中的所述实验基础数据和所述状态数据对状态识别模型进行训练；

S3、利用步骤S2中的所述状态识别模型自动识别实时采集的所述实验基础数据对应的所述状态数据，并与所述监控视频数据相结合，对异常状态数据进行分析，判断是否有事故发生；

S4、将步骤S3中的所述状态识别模型与历史数据相结合，通过时间序列分析算法，建立具备时序特征的预警模型，检测实时的状态数据；

S5、在所述历史数据中，收集不同种类的事故类型对应的异常状态数据，通过深度学习的方法自动提取特征，建立事故判别模型，针对实时采集的数据进行事故分类；

S6、根据所述历史数据中的事故类型和事故处理记录，采用多元分类算法进行模型训练，建立事故决策模型，判断事故类型的紧急程度，并生成决策方案；

S7、根据事故类型的紧急程度，向管理者进行报警；当事故紧急的情况下，步骤S6的所述事故决策模型主动发出AI决策，对实验装置实现反向控制。

2.根据权利要求1所述的基于人工智能对实验装置进行监控预警的方法，其特征在于，步骤S4中所述预警模型的建立方式为：利用大数据分析技术对所述实验基础数据、所述监控视频数据和所述历史数据进行分析，得出对安全影响最大的影响因子，并通过多维数据挖掘、分析和变换提取特征数据，所述预警模型即为利用所述特征数据和所述状态数据进行构建的。

3.根据权利要求1所述的基于人工智能对实验装置进行监控预警的方法，其特征在于，所述故障判别模型中的实时分类方式为：对所述监控视频数据通过卷积神经网络进行异常分析；对所述实验基础数据通过随机森林算法进行分析，并建立分类器将不同的分析方法进行结合，形成最终的分类方式。

4.根据权利要求1所述的基于人工智能对实验装置进行监控预警的方法，其特征在于，所述预警模型在每一事故处理后，均需要通过实时数据进行迭代。

5.根据权利要求1所述的基于人工智能对实验装置进行监控预警的方法，其特征在于，所述实验基础数据包括安全监控数据、实验环境数据、实验设备状态数据和反向控制设备状态数据。

6.根据权利要求1所述的基于人工智能对实验装置进行监控预警的方法，其特征在于，数据的分布式存储包括关系型数据库、图数据库和消息中间件；其中所述关系型数据库中对历史数据以及通过模型得出的数据进行存储，所述图数据库中对采集到的数据进行存储，所述消息中间件对向管理证发出的消息信号和实时处理结果进行存储。

7.一种基于人工智能对实验装置进行监控预警的系统，其特征在于，包括实时监测单元、自动识别单元、智能预警单元、智能决策单元和反向控制单元；

所述实时监测单元对实验基础数据以及监控视频数据进行上传和存储；

所述自动识别单元实现实时识别所述实验基础数据对应的状态数据，并与所述监控视频数据相结合，判断事故情况；

所述智能预警单元，将实验基础数据与实验装置的历史数据相结合，判断实时的状态数据，并实现所述状态异常的预警功能；

所述智能决策单元，根据正能预警单元的异常状态数据对事故进行分类，并针对事故类型的不同做出相应的事故处理决策，发送给管理者，并对所述反向控制单元进行控制；

所述反向控制单元，在所述智能决策单元判断事故紧急的情况下，收到所述智能决策单元发出的控制指令，实现对所述实验设备的反向控制。

Images