CN111553270A - 基于区块链的智慧工地水泥袋堆积监测系统 - Google Patents
基于区块链的智慧工地水泥袋堆积监测系统 Download PDFInfo
- Publication number
- CN111553270A CN111553270A CN202010345418.1A CN202010345418A CN111553270A CN 111553270 A CN111553270 A CN 111553270A CN 202010345418 A CN202010345418 A CN 202010345418A CN 111553270 A CN111553270 A CN 111553270A
- Authority
- CN
- China
- Prior art keywords
- cement bag
- monitoring
- stacking
- horizontal
- accumulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于区块链的智慧工地水泥袋堆积监测系统。包括终端集群与计算集群,计算集群载入搭建智慧工地水泥袋堆积监测深度神经网络以及分级结果综合分析单元所需参数,配置智慧工地水泥袋堆积监测区块链私链,并执行智慧工地水泥袋堆积监测推理;智慧工地水泥袋堆积监测深度神经网络的输入为终端采集的监控区域水泥袋堆积图像,输出包括水平方向水泥袋分割图像与水平方向水泥袋堆积分级结果、垂直方向水泥袋分割图像与垂直方向水泥袋堆积分级结果。利用本发明,在工地环境监测中,提高了工地水泥袋堆积监测精度、监测效率以及数据处理传输过程中的安全性、保密性。
Description
技术领域
本发明涉及人工智能、区块链、智慧工地、CIM技术领域,具体涉及一种基于区块链的智慧工地水泥袋堆积监测系统。
背景技术
为了维护工地环境安全,需要对各种建筑材料堆放进行合理的规划,其中最重要的就是水泥袋的堆积,因水泥种类众多,工地的水泥袋普遍大量堆放,存在很大安全隐患,例如对楼板压力过大导致楼板裂缝甚至垮塌,或者堆积过高水泥袋本身发生垮塌。目前,在工地环境管理方面的技术手段还不够完善,主要依靠传统的人为监督方式,人工监督不仅效率低下,而且监测精度和实时性难以达到要求。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,现有工地水泥袋堆积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。
目前针对智慧工地水泥袋堆放监测的技术方案甚少。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水泥袋堆积监测,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水泥袋堆积监测系统,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水泥袋堆积监测系统,包括终端集群与计算集群,计算集群载入搭建智慧工地水泥袋堆积监测深度神经网络以及分级结果综合分析单元所需参数,配置智慧工地水泥袋堆积监测区块链私链,并执行智慧工地水泥袋堆积监测推理;
其中,智慧工地水泥袋堆积监测深度神经网络的输入为终端采集的监控区域水泥袋堆积图像,输出包括水平方向水泥袋分割图像与水平方向水泥袋堆积分级结果、垂直方向水泥袋分割图像与垂直方向水泥袋堆积分级结果,由多个模块组成,包括水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络;
水平方向水泥袋语义分割编码器,用于对水泥袋堆积场景正视图进行编码特征提取,得到水平方向水泥袋语义分割特征图;水平方向水泥袋语义分割解码器,用于对水泥袋语义分割特征图进行解码还原,得到水平方向水泥袋分割图像,用于区分水泥袋与其他元素的语义;水平方向水泥袋堆积分类特征编码器,用于对水平方向水泥袋堆积图像进行编码特征提取,得到水平方向水泥袋堆积分级特征图;第一全连接网络,用于对水平方向水泥袋堆积分级特征图进行加权分类,得到水平方向水泥袋堆积分级结果;
垂直方向水泥袋堆积分级子网络的四个模块与水平方向水泥袋堆积分级子网络四个模块的作用一一对应,区别在于其分析的是水泥袋堆积场景俯视图的分级;
分级结果综合分析单元,用于将水平方向水泥袋堆积分级结果与垂直方向水泥袋堆积分级结果相加,得到水泥袋堆积综合分级结果。
配置智慧工地水泥袋堆积监测区块链私链包括:针对每一个智慧工地水泥袋堆积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水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络、分级结果综合分析单元所需参数作为对应节点的区块数据,按照智慧工地水泥袋堆积监测深度神经网络推理链序,将对应节点的区块连接,生成智慧工地水泥袋堆积监测区块链私链。
选择多个可用节点包括:
取终端采集图像的RGB三通道中的一个通道数据进行降采样、二值化处理,得到二值化的单通道数据;将二值化的单通道数据展开,得到二进制序列,将其转换为十进制数,作为随机数种子;利用该随机数种子生成随机数序列,根据随机数序列中数值的大小索引选择对应索引的可用节点。
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AES加密机制进行加密解密。
垂直方向水泥袋语义分割编码器,用于对水泥袋堆积场景俯视图进行编码特征提取,得到垂直方向水泥袋语义分割特征图;垂直方向水泥袋语义分割解码器,用于对水泥袋语义分割特征图进行解码还原,得到垂直方向水泥袋分割图像,用于区分水泥袋与其他元素的语义;垂直方向水泥袋堆积分类特征编码器,用于对垂直方向水泥袋堆积图像进行编码特征提取,得到垂直方向水泥袋堆积分级特征图;第二全连接网络,用于对垂直方向水泥袋堆积分级特征图进行加权分类,得到垂直方向水泥袋堆积分级结果。
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、智慧工地水泥袋堆积监测结果信息;利用可视化单元结合WebGIS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水泥袋堆积监测结果信息;
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水泥袋堆积监测结果集成在城市工地信息模型的初始可视化结果。
对水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络、分级结果综合分析单元分别进行适当细分,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,按照智慧工地水泥袋堆积监测深度神经网络推理顺序,生成智慧工地水泥袋堆积监测区块链私链。
本发明的有益效果在于:
1.本发明采用深度神经网络对监控区域的水泥袋堆积图像进行分析,相比于传统的人工监督,具有更准确的结果响应和更高的监测效率。
2.本发明分别设计了水平方向子网络与垂直方向子网络对堆积场景正视图、俯视图进行分析,堆积高度检测结果更加准确。
3.本发明水平方向、垂直方向子网络采用双路设计不仅可以提供数据的可视化,而且水泥袋语义分割编码器可以为左侧支路水泥袋堆积分级提供更多的特征图,更有利于分级之路的网络收敛。
4.本发明基于区块链技术,对智慧工地水泥袋堆积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。
5.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。
6.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。
7.本发明基于CIM技术设计城市工地信息模型存储工地水泥袋堆积监测结果,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水泥袋堆积情况。
附图说明
图1为本发明系统的智慧工地水泥袋堆积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。
本发明提供了一种基于区块链的智慧工地水泥袋堆积监测系统。首先,通过两个摄像机分别对水泥袋堆放地点进行垂直、水平方向的图像采集,得到RGB图像,然后分别送入两个卷积神经网络中对图像提取特征,最终通过全连接对不同拍摄方向的水泥袋堆积进行分级,并相加其结果来作为最终分级的结果,同时结合语义分割技术,实现对图像中水泥袋堆积的可视化,并利用区块链技术,对该系统神经网络的推理过程进行数据隐私的保护。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水泥袋堆积监测系统,包括终端集群与计算集群,计算集群载入智慧工地水泥袋堆积监测深度神经网络所需参数,通过配置智慧工地水泥袋堆积监测深度神经网络区块链私链,执行智慧工地水泥袋堆积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。
本发明主要针对工地水泥袋堆积进行监测,从而实现对工地环境的安全管理。本发明旨在对工地水泥袋的立体堆积情况进行预测,因此,需要对水泥袋堆积场景进行多个视角的图像采集。要想获得空间三维信息,可以进行XOY面、XOZ面、YOZ面的图像采集。一般情况下,根据两个平面的图像信息即可建模空间三维信息。因此,本发明采用从水泥袋堆积场景的正视图与顶视图进行图像采集,也就是从水平方向、垂直方向进行图像采集。工地水泥袋堆积监测采用两个摄像头分别从垂直、水平方向上对工地水泥袋堆积进行监测,这样设计是因为水泥袋堆积属于密集、有序的堆积,从单方向并不能有效地判断堆积所占的空间大小,所以需要从两个方向上来判断其堆积情况。
智慧工地水泥袋堆积监测深度神经网络的输入为终端采集的水泥袋堆积场景正视图、俯视图,输出包括水平方向水泥袋分割图像与水平方向水泥袋堆积分级结果、垂直方向水泥袋分割图像与垂直方向水泥袋堆积分级结果,由多个模块组成,包括水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络;水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络构成水平方向水泥袋堆积分级子网络,垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络构成垂直方向水泥袋堆积分级子网络。
在水平方向水泥袋堆积分级子网络以及垂直方向水泥袋堆积分级子网络又分别分为两个分支,采用双路设计。也就是说,水平方向水泥袋堆积分级子网络包括水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器构成的第一分支与水平方向水泥袋堆积分类特征编码器、第一全连接网络构成的第二分支。垂直方向水泥袋堆积分级子网络也是同样的。水泥袋堆积分级子网络采用双路设计的原因是:水泥的种类众多,但水泥袋的特征往往是比较单一的,采用语义分割可以更好地区分水泥袋与其他类别,且可以提供数据的可视化。右侧支路的水泥袋语义分割编码器可以为左侧支路水泥袋堆积分级提供更多的特征图(feature map),更有利于其收敛。
水泥袋堆积分级子网络的第二分支对摄像头采集的RGB图像进行特征提取并联合第一分支语义分割网络的语义分割编码器提取的特征图,再经过全连接网络输出水泥袋堆积分级。工地水泥袋堆积分级依据堆积程度(数量),分为多个等级,建议参考城市工地的水泥袋堆积情况来划分,并分别用数字来代替堆积等级。具体地,水平方向水泥袋语义分割编码器,用于对水平方向水泥袋堆积图像进行编码特征提取,得到水平方向水泥袋语义分割特征图;水平方向水泥袋语义分割解码器,用于对水泥袋语义分割特征图进行解码还原,得到水平方向水泥袋分割图像,用于区分水泥袋与其他元素的语义;水平方向水泥袋堆积分类特征编码器,用于对水平方向水泥袋堆积图像进行编码特征提取,得到水平方向水泥袋堆积分级特征图;第一全连接网络,用于对水平方向水泥袋堆积分级特征图进行加权分类,得到水平方向水泥袋堆积分级结果。
水平方向水泥袋堆积分级子网络与垂直方向水泥袋堆积分级子网络的结构相似,其训练过程也是相似的。以水平方向水泥袋堆积分级子网络为例,说明其网络训练过程。网络的训练过程如下:将水平采集的水泥袋堆积图像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。水泥袋分割标签图像像素类别分为两类,标注时候只要标注水泥袋类别即可,另一类为其它,通过程序标注。像素值0代表水泥袋,1代表其它。堆积分级的标签数据即为当前水平方向水泥袋堆积的程度,由数字表示,例如分为5个等级,则用0,1,2,3,4来代替。然后将处理后的图像数据与两个标签数据(要经过one-hot编码)送到网络中进行训练,以预测工地水泥袋分割图像与水泥袋堆积的分级。左侧支路,水平方向水泥袋堆积分类特征编码器是对RGB图像进行特征提取,输入为归一化的RGB图像数据,输出为Feature map,具体为水平方向水泥袋堆积分类特征图;第一全连接网络起到将特征映射到样本标记空间的作用,输入为水平方向水泥袋堆积分类特征编码器、水平方向水泥袋语义分割编码器产生的水平方向水泥袋堆积分类特征图与水平方向水泥袋语义分割特征图联合(Concatenate)后的特征图进行Flatten操作的结果,输出即当前场景下水泥袋堆积各个等级的概率,再经过argmax操作等到具体的堆积等级。右侧支路,水平方向水泥袋语义分割解码器同样是对RGB图像进行特征提取,输入为归一化的RGB图像数据,输出为水平方向水泥袋语义分割特征图。水平方向水泥袋语义分割解码器对水平方向水泥袋语义分割编码器产生的特征图进行上采样并实施像素级分类,输入为水平方向水泥袋语义分割编码器产生的水平方向水泥袋语义分割特征图,输出为分割概率图,经过argmax操作得到水平方向水泥袋分割图像,该图像的像素值为二值:0或1。全连接FC最后的分类函数采用softmax。两路网络的损失函数均采用交叉熵。虽然水平方向水泥袋语义分割编码器、水平方向水泥袋堆积特征分类编码器,因为其所在支路标签数据的不同,其受到的监督是不相同的。
垂直方向水泥袋堆积分级模块与水平方向水泥袋堆积分级模块中的网络是一样的,其训练过程不再赘述,只是训练数据的不同,一个是垂直方向采集的俯视图,一个是水平方向采集的正视图(主视图)。
在得到两个方向水泥袋堆积的分级后,对其进行相加来作为最终的结果。以每个方向五个等级分级为例:水平方向得到的分级结果为3级,垂直方向得到的分级结果为4级,相加后即为7级,即当前场景的水泥袋堆积的级别为7级,相当于水泥袋的堆积分级分成了10个等级。至此,即可完成对工地水泥袋堆积的监测与堆积程度的分级。
编码器、解码器种类有许多,如Residual Block、Bottleneck Block、CNN Block等。本发明的编码器、解码器具体采用何种网络设计,实施者可以根据具体实施需求选择,其模块化思想为本发明保护内容。以水平方向水泥袋堆积分级模块为例,本发明为了兼顾工地水泥袋堆积监测的效率,水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器推荐采用跳级连接结构,并结合ShuffleNet、MobileNet等轻量级网络的block设计,以便更快速、更准确地对水泥袋进行分割。最终,实施者也可以套用ICNet,Unet等语义分割网络来提取特征。水平方向水泥袋堆积分级编码器建议套用EfficientNet图像分类网络来提取特征,具备高效性。垂直方向水泥袋堆积分级模块设计同上。
本发明考虑到了当下工地不可能搭建临时机房用于水泥袋堆积监测的计算,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。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水泥袋堆积监测深度神经网络进行模块划分。将水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二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,即可得到智慧工地水泥袋堆积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水泥袋堆积监测深度神经网络所需权重等参数。针对每一个智慧工地水泥袋堆积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水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络所需参数作为对应节点的区块数据。如此可以得到分布于不同节点的水平方向水泥袋语义分割编码器区块、水平方向水泥袋语义分割解码器区块、水平方向水泥袋堆积分类特征编码器区块、第一全连接网络区块、垂直方向水泥袋语义分割编码器区块、垂直方向水泥袋语义分割解码器区块、垂直方向水泥袋堆积分类特征编码器区块、第二全连接网络区块。根据智慧工地水泥袋堆积监测深度神经网络推理顺序,将上述区块连接,生成智慧工地水泥袋堆积监测区块链私链,并执行智慧工地水泥袋堆积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,随机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,从中挑选8个节点,随机从8个节点中取一节点,将节点中水平方向水泥袋语义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,将节点中水平方向水泥袋语义分割解码器所需权重等参数作为区块数据,并与上一水平方向水泥袋语义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(如图1所示),生成了对应的智慧工地水泥袋堆积监测深度神经网络推理区块链私链。区块链链序与网络推理链序是一致的。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水泥袋堆积监测深度神经网络推理区块链私链,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。一种实施例是首先对摄像头采集的图像数据提取R单波段,再进行采样,采样到固定的大小,然后计算像素的均值,通过设置均值为阈值来进行二值化处理,再把二值化的数据进行Flatten操作变为一维序列数据,然后转换为二进制数据,来作为随机数的种子,根据随机数种子生成随机数序列,依次按照随机数序列中数值的大小索引来选择相应索引的节点即可,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,可以对水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二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。即可得到水平方向水泥袋语义分割编码器子模块组、水平方向水泥袋语义分割解码器子模块组、水平方向水泥袋堆积分类特征编码器子模块组、第一全连接网络子模块组、垂直方向水泥袋语义分割编码器子模块组、垂直方向水泥袋语义分割解码器子模块组、垂直方向水泥袋堆积分类特征编码器子模块组、第二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水泥袋堆积监测深度神经网络推理链。相应地,针对每一个智慧工地水泥袋堆积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子模块所需权重、参数作为区块数据,根据智慧工地水泥袋堆积监测深度神经网络推理顺序,生成智慧工地水泥袋堆积监测区块链私链。
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,本发明采用AES加密机制对区块之间的传输数据进行加密、解密。其中节点到节点之间的数据传输是需要使用加密手段的,在此使用AES 128加解密算法,AES算法实现模式有多种,实施者可以根据需求选择具体的AES加密算法。由于接收网络结果数据的云端服务器节点[13]是可信的,因此节点[13]定期广播128位字节作为密钥,在此举例说明:即假设中间数据的一个字节为0b11001100,该字节称为明文,将其与128位字节密钥输入到AES加密函数中,得到密文(即加密后的数据),当下一节点接收时,对其解密,即将密文与128位字节密钥输入到AES解密函数中,就得到了0b11001100,即复原了原来的数据。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技术对智慧工地水泥袋堆积监测结果进行展示和预警。通过CIM城市信息模型结合Web GIS技术将工地水泥袋堆积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,为后续工地水泥袋堆积监测提供地理位置信息,并结合DNN技术,实现全天候工地水泥袋堆积监测,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、工地水泥袋堆积监测结果。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。工地水泥袋堆积监测结果,用于将工地水泥袋堆积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,工地水泥袋堆积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以及水泥袋堆积综合分级结果;水泥袋堆积可视化模块,用于将监控区域信息以及水泥袋堆积综合分级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水泥袋堆积详情进行查看。
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 (9)
1.一种基于区块链的智慧工地水泥袋堆积监测系统,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水泥袋堆积监测深度神经网络以及分级结果综合分析单元所需参数,配置智慧工地水泥袋堆积监测区块链私链,并执行智慧工地水泥袋堆积监测推理;
其中,智慧工地水泥袋堆积监测深度神经网络的输入为终端采集的监控区域水泥袋堆积图像,输出包括水平方向水泥袋分割图像与水平方向水泥袋堆积分级结果、垂直方向水泥袋分割图像与垂直方向水泥袋堆积分级结果,由多个模块组成,包括水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络;
水平方向水泥袋语义分割编码器,用于对水泥袋堆积场景正视图进行编码特征提取,得到水平方向水泥袋语义分割特征图;水平方向水泥袋语义分割解码器,用于对水泥袋语义分割特征图进行解码还原,得到水平方向水泥袋分割图像,用于区分水泥袋与其他元素的语义;水平方向水泥袋堆积分类特征编码器,用于对水平方向水泥袋堆积图像进行编码特征提取,得到水平方向水泥袋堆积分级特征图;第一全连接网络,用于对水平方向水泥袋堆积分级特征图进行加权分类,得到水平方向水泥袋堆积分级结果;
垂直方向水泥袋堆积分级子网络的四个模块与水平方向水泥袋堆积分级子网络四个模块的作用一一对应,区别在于其分析的是水泥袋堆积场景俯视图的分级;
分级结果综合分析单元,用于将水平方向水泥袋堆积分级结果与垂直方向水泥袋堆积分级结果相加,得到水泥袋堆积综合分级结果。
2.如权利要求1所述的系统,其特征在于,配置智慧工地水泥袋堆积监测区块链私链包括:针对每一个智慧工地水泥袋堆积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水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络、分级结果综合分析单元所需参数作为对应节点的区块数据,按照智慧工地水泥袋堆积监测深度神经网络推理链序,将对应节点的区块连接,生成智慧工地水泥袋堆积监测区块链私链。
3.如权利要求2所述的系统,其特征在于,所述选择多个可用节点包括:
取终端采集图像的RGB三通道中的一个通道数据进行降采样、二值化处理,得到二值化的单通道数据;将二值化的单通道数据展开,得到二进制序列,将其转换为十进制数,作为随机数种子;利用该随机数种子生成随机数序列,根据随机数序列中数值的大小索引选择对应索引的可用节点。
4.如权利要求2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2所述的系统,其特征在于,采用AES加密机制进行加密解密。
6.如权利要求1所述的系统,其特征在于,垂直方向水泥袋语义分割编码器,用于对水泥袋堆积场景俯视图进行编码特征提取,得到垂直方向水泥袋语义分割特征图;垂直方向水泥袋语义分割解码器,用于对水泥袋语义分割特征图进行解码还原,得到垂直方向水泥袋分割图像,用于区分水泥袋与其他元素的语义;垂直方向水泥袋堆积分类特征编码器,用于对垂直方向水泥袋堆积图像进行编码特征提取,得到垂直方向水泥袋堆积分级特征图;全连接网络,用于对垂直方向水泥袋堆积分级特征图进行加权分类,得到垂直方向水泥袋堆积分级结果。
7.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、智慧工地水泥袋堆积监测结果信息;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。
8.如权利要求7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水泥袋堆积监测结果信息;
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水泥袋堆积监测结果集成在城市工地信息模型的初始可视化结果。
9.如权利要求1-8任一项所述的系统,其特征在于,对水平方向水泥袋语义分割编码器、水平方向水泥袋语义分割解码器、水平方向水泥袋堆积分类特征编码器、第一全连接网络、垂直方向水泥袋语义分割编码器、垂直方向水泥袋语义分割解码器、垂直方向水泥袋堆积分类特征编码器、第二全连接网络、分级结果综合分析单元分别进行适当细分,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,按照智慧工地水泥袋堆积监测深度神经网络推理顺序,生成智慧工地水泥袋堆积监测区块链私链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345418.1A CN111553270A (zh) | 2020-04-27 | 2020-04-27 | 基于区块链的智慧工地水泥袋堆积监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010345418.1A CN111553270A (zh) | 2020-04-27 | 2020-04-27 | 基于区块链的智慧工地水泥袋堆积监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111553270A true CN111553270A (zh) | 2020-08-18 |
Family
ID=72007810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010345418.1A Withdrawn CN111553270A (zh) | 2020-04-27 | 2020-04-27 | 基于区块链的智慧工地水泥袋堆积监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553270A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101125A (zh) * | 2020-08-21 | 2020-12-18 | 浙江百世技术有限公司 | 一种快递货物堆积程度的检测方法及装置 |
-
2020
- 2020-04-27 CN CN202010345418.1A patent/CN111553270A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101125A (zh) * | 2020-08-21 | 2020-12-18 | 浙江百世技术有限公司 | 一种快递货物堆积程度的检测方法及装置 |
CN112101125B (zh) * | 2020-08-21 | 2024-05-03 | 浙江百世技术有限公司 | 一种快递货物堆积程度的检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563433A (zh) | 基于区块链的智慧工地漫水监测系统 | |
Gong et al. | Quantum image encryption algorithm based on quantum image XOR operations | |
CN111428694A (zh) | 基于区块链的智慧工地异常烟雾监测系统 | |
CN101044761B (zh) | 安全处理输入图像的方法 | |
CN111461075A (zh) | 结合深度神经网络与区块链的护栏翻越检测方法 | |
CN101044759B (zh) | 安全处理输入图像的方法 | |
CN104751403A (zh) | 一种基于多混沌系统的明文相关图像加密方法 | |
CN106326997A (zh) | 一种用于自然灾害下电力抢修的gis数据库的建立方法 | |
CN104851070A (zh) | 一种基于前景和背景分离的图像加密和解密方法 | |
Mousavi et al. | Data cryptography in the Internet of Things using the artificial bee colony algorithm in a smart irrigation system | |
CN110148189A (zh) | 一种基于dna序列和混沌系统的光场图像加密方法 | |
Zhao et al. | Application of digital twin combined with artificial intelligence and 5G technology in the art design of digital museums | |
Jang et al. | Perceptual encryption with compression for secure vector map data processing | |
CN111476208A (zh) | 利用区块链的智慧工地施工人员聚集监测系统 | |
CN111583068A (zh) | 结合区块链的施工区域人员停留时间热度统计方法 | |
CN111064558B (zh) | 一种基于云计算的同态加密矩阵连乘安全外包方法 | |
CN107454975A (zh) | 加密系统和密钥生成装置 | |
CN111553270A (zh) | 基于区块链的智慧工地水泥袋堆积监测系统 | |
CN111461074A (zh) | 结合区块链与深度学习的通道阻塞检测方法 | |
Ye et al. | A novel block chaotic encryption scheme for remote sensing image | |
CN111553269A (zh) | 基于区块链的智慧工地车辆堵塞监测系统 | |
CN108174053B (zh) | 一种有向面积和扑克牌映射的解密区域限定图像加密方法 | |
CN117692611A (zh) | 基于5g的安防图像传输方法及系统 | |
CN111563669A (zh) | 基于区块链的智慧工地钢材堆积高度预警系统 | |
CN111524131A (zh) | 基于区块链与bim的墙壁裂缝检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200818 |