CN112465074A

CN112465074A - 一种基于分组图案做ai识别的状态判断系统及判断方法

Info

Publication number: CN112465074A
Application number: CN202011563668.9A
Authority: CN
Inventors: 王志东; 王志晓
Original assignee: Shenzhen Depth Detection Technology Co ltd
Current assignee: Shenzhen Depth Detection Technology Co ltd
Priority date: 2020-12-25
Filing date: 2020-12-25
Publication date: 2021-03-09

Abstract

本发明公开了一种基于分组图案做AI识别的状态判断系统及判断方法，包括标准分组图案、分组学习集、AI识别装置、状态验证平台及逻辑管理平台；所述标准分组图案，是将标准图案进行若干分组，每一组内包括了多种图案；所述分组学习集，是根据每一所述标准分组图案进行AI识别学习；所述AI识别装置，对特定的几种分组图案进行识别；所述状态验证平台，是接收到指定编号的所述AI识别装置的状态上报，从所述逻辑管理平台获得对应编号的设备的逻辑状态，进行核验。本发明系统的判断方法简单，识别速度快，硬件设施成本低，极大程度的简化了AI识别设备的安装和运维，从而让需要确保正确的关键应用操作环境更加安全可靠。

Description

一种基于分组图案做AI识别的状态判断系统及判断方法

技术领域

本发明涉及识别技术领域，具体为一种基于分组图案做AI识别的状态判断系统及判断方法。

背景技术

随着技术的进步，大量出现了有AI识别功能的设备及系统。但是，这些设备普遍需要处理大量的视频数据，采用通用的识别算法，计算力要求高，导致了对硬件的要求也很高。而且也由于待识别的对象，譬如人脸或物品的不确定性，处理逻辑复杂，很难进行精确识别，只能是相似性识别，即，必须要容忍较高的误识别率。

有一类必须要精确识别的场合，铁路的道岔选择，核工业主控机房的按钮/动作选择，高铁驾驶舱的开关/动作选择，化工企业的工序动作选择，直升机驾驶舱的按钮/动作选择等，它们可以识别不出来，但不能容忍有误识别率，识别不出来可以安排运维人员立即维护，但是，误识别则会导致重大责任事故。

目前，现有的环境中，操作主要是依靠对工作人员的培训，存在以下不足：

（1）工作人员的疲劳、发脾气、心理疾病等，都会导致重大责任事故的发生；

（2）在出现突发情况时，由于工作人员从未遇到该事件，可能会因为紧张导致处置动作错误，从而导致事故出现；

（3）在环境恶劣的情况下，譬如，收到了光线照射、环境晃动的干扰时，工作人员容易出现误动作；

（4）在许多场合，事件的处置，往往需要分解为若干动作的组合，即使是训练有素的工作人员，在执行其中的某一步时，也会因为判断出错，而出现问题。

因此，开发一种基于分组图案做AI识别的状态判断系统及判断方法则十分的必要。

发明内容

本发明的目的在于提供一种基于分组图案做AI识别的状态判断系统及判断方法，系统的判断方法简单，识别速度快，硬件设施成本低，极大程度的简化了AI识别设备的安装和运维，从而让需要确保正确的关键应用操作环境更加安全可靠。

为实现上述目的，本发明采用的技术方案是：提供一种基于分组图案做AI识别的状态判断系统一种基于分组图案做AI识别的状态判断系统，包括标准分组图案、分组学习集、AI识别装置、状态验证平台及逻辑管理平台；

所述标准分组图案，是将标准图案进行若干分组，每一组内包括了多种图案；

所述分组学习集，是根据每一所述标准分组图案进行AI识别学习，获得的针对性的学习集来定义1-M种标注图案为一组分组学习集，N组分组学习集针对每一组的1-M种标准分组，N和M均为正整数；

所述AI识别装置，对特定的几种分组图案进行识别，加载所述分组学习集的全部算法逻辑，在固定环境中只需执行特定的几种学习集；

所述状态验证平台，是接收到指定编号的所述AI识别装置的状态上报，从所述逻辑管理平台获得对应编号的设备的逻辑状态，进行核验，如果异常则提示出错，如果正常则提示正常，如果无法识别则告警。

优选的，在本技术方案中，所述逻辑管理平台负责下发各个编号的状态。

本发明的另一个目的在于提供一种基于分组图案做AI识别的状态判断系统的判断方法，包括如下步骤：

S010，定义AI识别的图案，设计N组易区分的图案，使每一组内有1-M种图案；

S020，对每一组图案，基于人工智能实现一个针对组内1-M种图案的学习集，形成N组的分组学习集；

S030，将N组的分组学习集基于AI识别装置的芯片，产生订制的识别代码，并将其装入定焦摄像头中；

S040，在安全环境中，对AI识别装置进行放号；在现场环境中，并基于基于逻辑平台进行编号设置；

S050，将若干组的学习集处理为基于特定芯片的若干组识别算法库，并下载到AI识别装置中，交由AI识别装置执行识别；AI识别装置识别出特定分组中的图案，并基于状态上报协议将识别结果上报给状态验证平台；

S060，异常状态验证平台接收AI识别装置提供编号的上报状态，同时接收来自逻辑管理平台下发的编号的逻辑状态，进行核验；

S070，状态验证平台对核验结果做分类处理，如果异常则提示出错，如果正常则提示正常，如果无法识别则告警，数据上报给逻辑平台；

S080，运维人员基于核验结果立即采取措施。

优选的，在本技术方案中，在所述S040步骤中，在安全环境中，对所述AI识别装置和与之相连的所述状态验证平台，进行分配ID及密钥，并登记存储；同时将所述AI识别装置设置为客户端，状态验证平台设置为主机。

优选的，在本技术方案中，在所述S040步骤中，在现场环境中将所述AI识别装置的ID通过状态验证平台进行转换取得于所述逻辑平台的编号相同的编号。

优选的，在本技术方案中，在所述S050步骤中，所协议状态上报协议将采用默认的归一化方式，将分组的图案均统一的识别为状态值。

优选的，在本技术方案中，在所述S050步骤中，所述状态验证平台总是对相同编码来自于不同位置的状态值做核验，一类数据来自于AI识别装置的上报，一类数据来自于逻辑管理平台的下发。

与现有技术对比，本发明具备以下有益效果：

1、在本发明中通过分组图案，将对一系列设备的状态识别，转换为分组的，对任意分组内的若干图案的识别，任意分组内的若干图案，均可由AI识别装置进行准确识别，如果需要杜绝误报率，可以同时对若干组图案进行识别，每一组图案的识别的误报率如果是万分之一，则三组图案同时识别的误报率就是1万亿分之一。这比通常的人脸/图像识别的误报率10%-20%，要远远低得多。

2、本发明系统总的AI识别装置，只需要对事先确定的图案进行识别，算法简单，识别速度快，消耗资源微乎其微。因此，可以基于低成本硬件实现，譬如，微型化摄像头，低成本的单片机，识别结果的状态上报，可以基于485总线传输，还可以基于网口传输，还可以用SFP接口转换为光纤传输，还可以基于433MHZ无线传输，亦可以基于NB-IOT/4G/5G等传输到机房或者远端机房。

3、本发明通过状态验证平台，直接接收AI识别装置的状态上报，以及逻辑管理平台的状态下发，可以实现实时核验，实时告警，极大程度的简化了AI识别设备的安装和运维，从而让需要确保正确的关键应用操作环境更加安全可靠。

附图说明

图1为本发明AI识别上报示意图；

图2为本发明逻辑管理下发示意图；

图3为本发明核验和告警示意图；

图4为本发明的判断方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；对于相同或相似的概念或过程可能在某些实施例不再赘述。

请参阅图1-2，本发明的一种分组图案做AI识别的状态判断系统，其至少包括标准分组图案、分组学习集、AI识别装置、状态验证平台及逻辑管理平台。

进一步的，在本系统中，标准分组图案，是将标准图案进行若干分组，每一组内包括了几种图案，例如分成N组，每一组包括1-M种图案，其中N和M均为正整数；

进一步的，在本系统中，分组学习集，是根据每一分组的图案（标准分组图案）进行AI识别学习，从而获得的针对性的学习集定义1-M种标注图案为一组分组学习集，以此建立N组的分组学习集，N组分组学习集针对每一组的1-M种标准分组。

进一步的，在本系统中，AI识别装置，是只需要对特定的几种分组图案进行识别，它只需要加载分组学习集的全部算法逻辑，在固定环境中，只需执行某一学习集，从而，可以最大限度的降低对硬件的要求，做成一体化的微型AI识别装置。

更进一步的，AI识别装置不是识别泛泛的图像变化，而是识别特定组的1-M种图案，因此，识别迅速，识别精确度高。如果希望进一步的提示识别的精确度，可以同时识别3组或更多组的图案。譬如，道岔识别，第一种识别，识别出标记0和1；第二种识别，识别出标记A和N；第三种识别，识别出标记三角形和方形。如果有3类识别都正常，则可以推断，总体的误识别率无穷的接近于0。如果有1类识别不正常，则可以出错，立即通知采取措施。如果有1类识别不出来，则可以告警，安排运维人员处置。

更进一步的，AI识别装置默认的将特定组内的识别结果，按规则转换为一组数字。譬如：组1为数字0、1、2、3，则识别后分别为0、1、2、3；组2为大写字符A、B、C、D，识别后分别为0、1、2、3；组3为小写字符a、b、c、d，识别后分别为0、1、2、3；组4为图形圆形、三角形、方形、五边形，识别后分别为0、1、2、3；组5为算子+、-、*、/，识别后为0、1、2、3。当然，状态数也许不到或超过0、1、2、3，但此处为举例。

进一步的，在本系统中，状态验证平台，是接收到指定编号的AI识别装置的状态上报，然后从逻辑管理平台获得对应编号的设备的逻辑状态，进行核验，如果异常则提示出错，如果正常则提示正常，如果无法识别则告警。

更进一步的，状态上报时需要获得状态上报协议，状态上报协议通常为持续的加密数据，上报间隔时间一般为每秒1次。

更进一步的，识别的核验可以归一化为对0、1、2、3等的核验，即状态验证平台收到的来自AI识别装置的上报消息，已经被归一化为0、1、2、3等状态，在收到逻辑平台下发的逻辑状态0、1、2、3等之后，即可基于AI识别装置的编号，对两者进行核验。本核验的目标是无误报率核验，如果出现了无法识别告警，则负责的验证的状态验证平台，将产生告警信息，通知运维人员进行处置。

进一步的，在本系统中，逻辑管理平台，是负责下发各个编号的状态，当然，它也可以是集中的，直接与外部业务平台对接；它还可以是分布式的，每一状态验证平台附近，都有自己的子模块，负责从外部业务节点对接。

本发明的系统的原理说明：

本发明的系统，首先，定义AI识别的图案，设计N组易区分的图案，每一组内有1-M种图案；其次，针对每一组的1-M种标准图案，基于人工智能实现学习集，使得该组图案（1-M种）在受到环境干扰时，仍能实现精确识别，以此建立N组的分组学习集。

再次，我们将该N组的分组学习集，基于AI识别装置的芯片，产生订制的识别代码，并将其装入，使得AI识别装置可以采用低成本的芯片和定焦摄像头，可靠的进行固定状态切换的识别；然后，对我们需要识别的环境对象，基于标准图案中的某一组，进行状态标定，此时，AI识别装置，可以简单的识别图案，并将识别结果基于状态上报协议上报，

最后，状态验证平台，基于逻辑管理平台下发的逻辑状态，将状态上报协议中的上报结果与逻辑状态进行验证，即对上报的第N组的1-M种，即两个值，n和m，n属于第N组，m属于1-M种（包括识别不出为0），与对应设备编号的逻辑状态进行核验，如果异常则提示出错，如果正常则提示正常，如果无法识别则告警。

本发明的一种基于分组图案做AI识别的状态判断方法，如图3所示，包括如下步骤：

S010，定义AI识别的图案，设计N组易区分的图案，令每一组内有1-M种图案，其中N和M为正整数；

譬如，第1组为数字图案，包括了【0、1】等；第2组为图形图案，包括了【圆形、方形、三角形】等；第3组为大写字符图案，包括了【A、B、C、D】等；组4为小写字母图案，包括了【a、b、c、d】等；第5组为运算符图案，【+、-、*、/】等;此处仅仅是举例，每一组图案可以不仅仅包括例子指出得图案，可以多或少，还可以交叉包含。

具体是，针对每一组的1-M种标准图案，譬如数字图案0、1等，基于人工智能实现学习集，使得该组图案（1-M种）在受到环境干扰时，仍能实现精确识别，以此建立N组的分组学习集，并力争在遇到环境的有限干扰时，仍可精确识别。

具体是，在完成了S020步骤后，将N组的分组学习集装载入AI识别的芯片，形成AI识别装置，并基于该装置产生订制的识别代码，识别代码与AI识别装置一起装入定焦摄像头中。这样的设置使得AI识别装置可以采用低成本的芯片和定焦摄像头，就能可靠的进行固定状态切换的识别；

具体是，在安全环境中，对AI识别装置和与之相连的状态验证平台，进行放号（分配ID及密钥），并登记存储；同时将AI识别装置（也可以看成是定焦摄像头）设置为客户端，状态验证平台设置为主机，客户端的ID和密钥分别登记于自身芯片和主机中，即同时登记于AI识别装置和状态验证平台中。

在现场环境中，将AI识别装置进行编号设置，更具的是将AI识别装置的ID通过状态验证平台进行转换取得于逻辑平台的编号相同的编号，该标号也可以由设置工具（例如编辑器），直接写入AI识别装置。编号利于进行快捷通信。

具体是，状态验证平台基于逻辑管理平台下发的逻辑状态，将状态上报协议中的上报结果与逻辑状态进行验证，即对上报的第N组的1-M种，即两个值，n和m，n属于第N组，m属于1-M种（包括识别不出为0），与对应设备编号的逻辑状态进行核验；状态验证平台总是对相同编码来自于不同位置的状态值做核验，一类数据来自于AI识别装置的上报，一类数据来自于逻辑管理平台的下发。

而且状态上报协议将采用默认的归一化方式，将分组的图案均统一的识别为状态值，譬如0、1、2、3。

S060，状态验证平台接收AI识别装置提供编号的上报状态，同时接收来自逻辑管理平台下发的编号的逻辑状态，进行核验；

其中，状态验证平台对核验结果做分类处理，至少包括如下三个方面：

（1）核验异常；（2）核验正常；（3）不能识别。

S071，运维人员基于核验结果立即采取措施。

具体是：

（1）核验异常，状态核验平台将立即上报出错，由相关人员处置；

（2）核验正常，状态核验平台将立即上报正常，通常，只记录时间；

（3）不能识别，状态核验平台将立即上报异常，由运维人员维护。

综上所述，在本发明中的识别判断系统识别判读速度快、效率高。系统的判断方法简单，识别速度快，消耗资源微乎其微，而且通过状态验证平台，直接接收AI识别装置的状态上报，以及逻辑管理平台的状态下发，可以实现实时核验，实时告警，极大程度的简化了AI识别设备的安装和运维，从而让需要确保正确的关键应用操作环境更加安全可靠。

在本实施例子中未说明的部件结构、连接关系、工作原理等均采用现有技术来实现，在此不再重复累述。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims

1.一种基于分组图案做AI识别的状态判断系统，其特征在于，包括标准分组图案、分组学习集、AI识别装置、状态验证平台及逻辑管理平台；

所述AI识别装置，对特定的几种分组图案进行识别，加载所述分组学习集的全部算法逻辑，在固定环境中只需执行某一学习集；

2.根据权利要求1所述的基于分组图案做AI识别的状态判断系统，其特征在于，所述逻辑管理平台负责下发各个编号的状态。

3.根据权利要求1-2任一所述的基于分组图案做AI识别的状态判断系统的判断方法，其特征在于，包括如下步骤：

S030，将N组的分组学习集基于AI识别装置的芯片，产生订制的识别代码，并将其装入摄像头中；

S040，在安全环境中，对AI识别装置进行放号；在现场环境中，基于基于逻辑平台进行编号设置；

S080，运维人员基于核验结果立即采取措施。

4.根据权利要求3所述的判断方法，其特征在于，在所述S040步骤中，在安全环境中，对所述AI识别装置和与之相连的所述状态验证平台，进行分配ID及密钥，并登记存储；同时将所述AI识别装置设置为客户端，状态验证平台设置为主机。

5.根据权利要求3所述的判断方法，其特征在于，在所述S040步骤中，在现场环境中将所述AI识别装置的ID通过状态验证平台进行转换取得于所述逻辑平台的编号相同的编号。

6.根据权利要求3所述的判断方法，其特征在于，在所述S050步骤中，所协议状态上报协议将采用默认的归一化方式，将分组的图案均统一的识别为状态值。

7.根据权利要求3所述的判断方法，其特征在于，在所述S050步骤中，所述状态验证平台总是对相同编码来自于不同位置的状态值做核验，一类数据来自于AI识别装置的上报，一类数据来自于逻辑管理平台的下发。