CN113284026A - 一种大数据智慧园区管理系统 - Google Patents
一种大数据智慧园区管理系统 Download PDFInfo
- Publication number
- CN113284026A CN113284026A CN202110553516.9A CN202110553516A CN113284026A CN 113284026 A CN113284026 A CN 113284026A CN 202110553516 A CN202110553516 A CN 202110553516A CN 113284026 A CN113284026 A CN 113284026A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- module
- target
- marking
- 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- Withdrawn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
- 230000007613 environmental effect Effects 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 39
- 238000010191 image analysis Methods 0.000 claims abstract description 25
- 238000003062 neural network model Methods 0.000 claims description 39
- 238000013500 data storage Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 35
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 32
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 32
- 239000013618 particulate matter Substances 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 24
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 11
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 239000003245 coal Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大数据智慧园区管理系统，涉及智慧园区技术领域，解决了现有方案中大数据技术利用的不够充分，且大量的数据得不到智能应用的技术问题；本发明设置了采集筛选模块，该设置对物联终端采集到的数据进行筛选，有助于保证数据的合理性和准确性，为后续的安防和环保分析奠定了基础；本发明设置了安防监测模块，该设置利用图像分析模型结合合格图像对园区内的安防情况进行判断，有助于提高分析效率和安防监测的准确性；本发明设置了显示预警模块，该设置在图像分析模型判断之后派遣工作人员进行实地分析，进一步提高了安防监测的准确度，保证了园区的安全。
Description
技术领域
本发明属于智慧园区领域，涉及大数据技术，具体是一种大数据智慧园区管理系统。
背景技术
智慧园区正是各类成熟园区转型升级的典范，智慧化不仅提升园区吸引力，而且促进园区可持续发展，给予了战略性新型产业发展的基础，顺应信息技术创新与应用趋势，这是传统产业园区所不具有的。
公开号为CN110570116A的发明专利提供了一种基于物联网与互联网的智慧园区管理系统，物联网应用平台具体分为数据接入(通信)、数据处理(计算机)、数据应用(电子)，且将其三大领域的技术融合起来，在互联网的基础上实现物物相连的系统概念，构成为智能园区提供统一的应用与管理平台，物联网以物物相连或者设备、互联网以虚拟互联。
上述方案提供了满足用户个性化需求的解决方案，同时对大楼的智能化管理系统进行了整体规划，不仅方便了统一管理，而且在资源的配置率和利用上能够发挥更大的作用；但是，上述方案只是对系统配置上进行了完善，并没有对配置对应的具有实质性作用的园区功能，导致对大数据技术利用的不够充分，且大量的数据得不到智能应用；因此，上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题，本发明提供了一种大数据智慧园区管理系统。
本发明的目的可以通过以下技术方案实现：一种大数据智慧园区管理系统，包括处理器、环保预测模块、显示预警模块、数据存储模块、采集筛选模块、安防监测模块和环保监测模块；
所述采集筛选模块与物联终端通信连接，所述物联终端将采集到的数据发送至采集筛选模块，所述采集筛选模块对数据中的高清图像进行筛选获取合格图像；通过处理器将筛选之后的数据发送至数据存储模块进行存储；同时，将合格图像发送至安防监测模块；
所述安防监测模块根据合格图像对园区内的安防进行监测获取目标标签；
所述环保监测模块用于分析环保数据获取环保评估系数，并根据环保评估系数分析能源的消耗情况；
所述显示预警模块实时显示预警数据，并根据预警信号发出警报；所述预警数据包括颗粒物浓度、二氧化碳浓度、一氧化碳浓度和环保评估系数；所述预警信号包括颗粒物污染信号、一氧化碳污染信号和能源超标信号；
所述显示预警模块还根据目标标签进行人员调度，包括：
当显示预警模块接收到目标标签之后，获取目标标签对应合格图像的拍摄位置并标记为目标位置，并通过第三方地图平台生成安防展示图；所述第三方地图平台包括百度地图、高德地图和腾讯地图；
在所述安防展示图中将目标位置按照目标标签进行颜色标记；派遣工作人员到被标记为红色的目标位置实地排查；获取安防展示图中被标记为红色的目标位置总数并标记警报总数；当警报总数超过目标位置总数的一半时，则对能源供应进行限制。
优选的，所述颜色标记包括：
将目标标签标记为MQ；当目标标签MQ∈[0,3]时，则将目标位置标记为绿色，当目标标签MQ∈(3,6]时，则将目标位置标记为黄色，当目标标签MQ∈(6,10]时，则将目标位置标记为红色。
优选的，所述环保预测模块用于对园区的环保数据进行预测，包括：
通过数据存储模块获取环保数据以及环保数据获取当天对应的天气数据和能源数据；所述天气数据包括温度值、湿度值、风力值和气压值，所述能源数据包括园区的电力供应总量和煤炭供应总量；
构建BP神经网络模型；所述BP神经网络模型包括输入层、输出层以及至少一个隐含层；
对天气数据和能源数据进行数据归一化处理并标记为第一初始数据，将环保数据进行数据规划处理并标记为第一目标数据；
将初始数据作为BP神经网络模型的输入，初始数据对应的环保数据作为BP神经网络模型的输出对BP神经网络模型进行训练，将训练完成的BP神经网络模型标记为预测模型；
获取园区未来的天气数据和能源数据并标记为第二初始数据，将第二初始数据输入到预测模型中获取第二目标数据；所述第二目标数据为预测的环保数据；
将第二目标数据发送至显示预警模块；同时，将预测模型、第二初始数据和第二目标数据发送至数据存储模块进行存储。
优选的，所述环保监测模块用于获取园区的环保数据，并对环保数据进行分析获取，包括：
通过数据存储模块实时获取环保数据；所述环保数据通过空气质量传感器获取，并经过采集筛选模块筛选之后发送至数据存储模块进行存储，所述环保数据包括颗粒物浓度、二氧化碳浓度和一氧化碳浓度；所述颗粒物浓度为PM2.5和PM10的浓度之和；
将颗粒物浓度、二氧化碳浓度和一氧化碳浓度分别标记为KLN、C2N和C1N；
当颗粒物浓度KLN大于等于颗粒物浓度阈值时，则判定颗粒物浓度超标，通过处理器发送颗粒物污染信号至显示预警模块；当一氧化碳浓度C1N大于等于一氧化碳浓度阈值时，则判定一氧化碳浓度超标，通过处理器发送一氧化碳污染信号至显示预警模块；所述颗粒物浓度阈值和一氧化碳浓度阈值依据大数据模拟获取；
通过公式HPX＝α3×C2N×ln(α4×KLN×C1N)获取环保评估系数HPX；其中α3和α4均为比例系数，且α3和α4均为大于0的实数；
当环保评估系数HPX满足HPX≥L1时，则判定能源消耗超标，获取能源的消耗总量，同时发送能源超标信号和环保评估系数至显示预警模块；所述能源包括煤炭和电能；其中L1为环保评估系数阈值，且L1＞0；
通过处理器将环保评估系数和能源超标信号的发送记录发送至数据存储模块进行存储。
优选的，所述目标标签的获取步骤包括：
安防监测模块接收到合格图像之后，通过数据存储模块获取图像分析模型；
将合格图像作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；所述目标标签为合格图像对应的图像标签；将目标标签分别发送至显示预警模块和数据存储模块。
优选的，所述图像分析模型通过处理器获取，包括：
通过互联网获取N张图像素材，将图像素材经过图像预处理之后标记为训练图像；对训练图像赋予图像标签；所述图像标签的取值范围为[0,10]，其中图像标签的值越大，表示图像素材的内容危险系数越高；
将训练图像获取按照设定比例划分成训练集和验证集；所述设定比例包括2:1、1:1和4:3；
构建神经网络模型；所述神经网络模型至少包括自适应加权多任务神经网络模型、神经网络模型和RBF神经模型中的一种；
通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为图像分析模型；
将图像分析模型发送至数据存储模块进行存储。
进一步，所述高清图像的筛选包括：
通过动作云台调整高清摄像头的拍摄范围并获取高清图像，并将高清图像发送至采集筛选终端；
将高清图像经过图像预处理后标记为筛选图像；所述图像预处理包括图像分割、图像去噪和灰度变换；
获取筛选图像中像素点的平均灰度值，并将平均灰度值标记为PHZ；
获取筛选图像中灰度值低于最低灰度阈值的像素点并标记为低灰度点；获取筛选图像中灰度值高于最高灰度阈值的像素点并标记为高灰度点；
获取异常灰度点占筛选图像总像素点的比例并标记为YXZ；所述异常灰度点包括低灰度点和高灰度点；
通过公式TPX＝α1×YXZ×ln(α2×PHZ)获取图像评估系数TPX；其中α1和α2均为比例系数，且α1为大于0的实数，α2为大于1的实数；
当图像评估系数YPX满足YTPX-μ≤TPX≤YTPX+μ时，则判定筛选图像合格，并将筛选图像标记为合格图像；否则，判定筛选图像不合格，并将筛选图像标记为不合格图像，获取不合格图像拍摄时高清摄像头的拍摄角度，根据拍摄角度控制动作云台对高清摄像头进行调节，调节之后的高清摄像头重新获取高清图像并发送至采集筛选模块；其中YTPX为图像评估系数阈值，μ为比例系数，且YTPX和μ均大于0。
优选的，所述物联终端包括监控组件、火灾探测器、电力采集终端、空气质量传感器；所述监控组件包括高清摄像头和动作云台，所述动作云台用于调整高清摄像头的拍摄范围；所述电力采集终端包括集中器和专变采集终端，所述专变采集终端包括大型专变采集终端和中小型专变采集终端。
与现有技术相比，本发明的有益效果是：
1、本发明设置了采集筛选模块，该设置与物联终端通信连接；采集筛选模块将采集到的数据发送至采集筛选模块，所述采集筛选模块对数据中的高清图像进行筛选获取合格图像，通过处理器将筛选之后的数据发送至数据存储模块进行存储；采集筛选模块对物联终端采集到的数据进行筛选，有助于保证数据的合理性和准确性，为后续的安防和环保分析奠定了基础；
2、本发明设置了安防监测模块，该设置根据合格图像对园区内的安防进行监测获取目标标签；安防监测模块利用图像分析模型结合合格图像对园区内的安防情况进行判断，有助于提高分析效率和安防监测的准确性；
3、本发明设置了显示预警模块，该设置实时显示预警数据，并根据预警信号发出警报，还根据目标标签对工作人员进行调度；显示预警模块在图像分析模型判断之后派遣工作人员进行实地分析，进一步提高了安防监测的准确度，保证了园区的安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，一种大数据智慧园区管理系统，包括处理器、环保预测模块、显示预警模块、数据存储模块、采集筛选模块、安防监测模块和环保监测模块；
采集筛选模块与物联终端通信连接，物联终端将采集到的数据发送至采集筛选模块，采集筛选模块对数据中的高清图像进行筛选获取合格图像；通过处理器将筛选之后的数据发送至数据存储模块进行存储；同时，将合格图像发送至安防监测模块；
安防监测模块根据合格图像对园区内的安防进行监测获取目标标签；
环保监测模块用于分析环保数据获取环保评估系数，并根据环保评估系数分析能源的消耗情况；
显示预警模块实时显示预警数据，并根据预警信号发出警报；预警数据包括颗粒物浓度、二氧化碳浓度、一氧化碳浓度和环保评估系数；预警信号包括颗粒物污染信号、一氧化碳污染信号和能源超标信号；
显示预警模块还根据目标标签进行人员调度，包括：
当显示预警模块接收到目标标签之后，获取目标标签对应合格图像的拍摄位置并标记为目标位置，并通过第三方地图平台生成安防展示图；第三方地图平台包括百度地图、高德地图和腾讯地图；
在安防展示图中将目标位置按照目标标签进行颜色标记；派遣工作人员到被标记为红色的目标位置实地排查；获取安防展示图中被标记为红色的目标位置总数并标记警报总数；当警报总数超过目标位置总数的一半时，则对能源供应进行限制。
进一步地，颜色标记包括：
将目标标签标记为MQ；当目标标签MQ∈[0,3]时，则将目标位置标记为绿色，当目标标签MQ∈(3,6]时，则将目标位置标记为黄色，当目标标签MQ∈(6,10]时，则将目标位置标记为红色。
进一步地，环保预测模块用于对园区的环保数据进行预测，包括：
通过数据存储模块获取环保数据以及环保数据获取当天对应的天气数据和能源数据；天气数据包括温度值、湿度值、风力值和气压值，能源数据包括园区的电力供应总量和煤炭供应总量；
构建BP神经网络模型；BP神经网络模型包括输入层、输出层以及至少一个隐含层；
对天气数据和能源数据进行数据归一化处理并标记为第一初始数据，将环保数据进行数据规划处理并标记为第一目标数据；
将初始数据作为BP神经网络模型的输入，初始数据对应的环保数据作为BP神经网络模型的输出对BP神经网络模型进行训练，将训练完成的BP神经网络模型标记为预测模型；
获取园区未来的天气数据和能源数据并标记为第二初始数据，将第二初始数据输入到预测模型中获取第二目标数据；第二目标数据为预测的环保数据；
将第二目标数据发送至显示预警模块；同时，将预测模型、第二初始数据和第二目标数据发送至数据存储模块进行存储。
进一步地，环保监测模块用于获取园区的环保数据，并对环保数据进行分析获取，包括：
通过数据存储模块实时获取环保数据；环保数据通过空气质量传感器获取，并经过采集筛选模块筛选之后发送至数据存储模块进行存储，环保数据包括颗粒物浓度、二氧化碳浓度和一氧化碳浓度；颗粒物浓度为PM2.5和PM10的浓度之和；
将颗粒物浓度、二氧化碳浓度和一氧化碳浓度分别标记为KLN、C2N和C1N；
当颗粒物浓度KLN大于等于颗粒物浓度阈值时，则判定颗粒物浓度超标，通过处理器发送颗粒物污染信号至显示预警模块；当一氧化碳浓度C1N大于等于一氧化碳浓度阈值时，则判定一氧化碳浓度超标，通过处理器发送一氧化碳污染信号至显示预警模块；颗粒物浓度阈值和一氧化碳浓度阈值依据大数据模拟获取；
通过公式HPX＝α3×C2N×ln(α4×KLN×C1N)获取环保评估系数HPX；其中α3和α4均为比例系数，且α3和α4均为大于0的实数；
当环保评估系数HPX满足HPX≥L1时，则判定能源消耗超标，获取能源的消耗总量，同时发送能源超标信号和环保评估系数至显示预警模块；能源包括煤炭和电能；其中L1为环保评估系数阈值，且L1＞0；
通过处理器将环保评估系数和能源超标信号的发送记录发送至数据存储模块进行存储。
进一步地，目标标签的获取步骤包括：
安防监测模块接收到合格图像之后，通过数据存储模块获取图像分析模型；
将合格图像作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；目标标签为合格图像对应的图像标签；将目标标签分别发送至显示预警模块和数据存储模块。
进一步地，图像分析模型通过处理器获取，包括：
通过互联网获取N张图像素材，将图像素材经过图像预处理之后标记为训练图像；对训练图像赋予图像标签；图像标签的取值范围为[0,10]，其中图像标签的值越大，表示图像素材的内容危险系数越高；
将训练图像获取按照设定比例划分成训练集和验证集；设定比例包括2:1、1:1和4:3；
构建神经网络模型；神经网络模型至少包括自适应加权多任务神经网络模型、神经网络模型和RBF神经模型中的一种；
通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为图像分析模型；
将图像分析模型发送至数据存储模块进行存储。
进一步，高清图像的筛选包括：
通过动作云台调整高清摄像头的拍摄范围并获取高清图像，并将高清图像发送至采集筛选终端；
将高清图像经过图像预处理后标记为筛选图像；图像预处理包括图像分割、图像去噪和灰度变换；
获取筛选图像中像素点的平均灰度值，并将平均灰度值标记为PHZ；
获取筛选图像中灰度值低于最低灰度阈值的像素点并标记为低灰度点；获取筛选图像中灰度值高于最高灰度阈值的像素点并标记为高灰度点；
获取异常灰度点占筛选图像总像素点的比例并标记为YXZ；异常灰度点包括低灰度点和高灰度点；
通过公式TPX＝α1×YXZ×ln(α2×PHZ)获取图像评估系数TPX；其中α1和α2均为比例系数，且α1为大于0的实数，α2为大于1的实数；
当图像评估系数TPX满足YTPX-μ≤TPX≤YTPX+μ时，则判定筛选图像合格，并将筛选图像标记为合格图像；否则，判定筛选图像不合格，并将筛选图像标记为不合格图像，获取不合格图像拍摄时高清摄像头的拍摄角度，根据拍摄角度控制动作云台对高清摄像头进行调节，调节之后的高清摄像头重新获取高清图像并发送至采集筛选模块；其中YTPX为图像评估系数阈值，μ为比例系数，且YTPX和μ均大于0。
进一步地，物联终端包括监控组件、火灾探测器、电力采集终端、空气质量传感器；监控组件包括高清摄像头和动作云台，动作云台用于调整高清摄像头的拍摄范围；电力采集终端包括集中器和专变采集终端，专变采集终端包括大型专变采集终端和中小型专变采集终端。
进一步地，处理器分别与环保预测模块、显示预警模块、数据存储模块、采集筛选模块、安防监测模块和环保监测模块通信连接，采集筛选模块和安防监测模块通信连接，显示预警模块分别与数据存储模块和环保预测模块通信连接，环保监测模块与环保预测模块通信连接。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
通过动作云台调整高清摄像头的拍摄范围并获取高清图像，并将高清图像发送至采集筛选终端；将高清图像经过图像预处理后标记为筛选图像；获取筛选图像中像素点的平均灰度值PHZ；获取筛选图像中灰度值低于最低灰度阈值的像素点并标记为低灰度点；获取筛选图像中灰度值高于最高灰度阈值的像素点并标记为高灰度点；获取异常灰度点占筛选图像总像素点的比例YXZ；获取图像评估系数TPX；当图像评估系数TPX满足YTPX-μ≤TPX≤YTPX+μ时，则判定筛选图像合格，并将筛选图像标记为合格图像；否则，判定筛选图像不合格，并将筛选图像标记为不合格图像，获取不合格图像拍摄时高清摄像头的拍摄角度，根据拍摄角度控制动作云台对高清摄像头进行调节，调节之后的高清摄像头重新获取高清图像并发送至采集筛选模块；
安防监测模块接收到合格图像之后，通过数据存储模块获取图像分析模型；将合格图像作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；所述目标标签为合格图像对应的图像标签；将目标标签分别发送至显示预警模块和数据存储模块；
通过数据存储模块实时获取环保数据；将颗粒物浓度、二氧化碳浓度和一氧化碳浓度分别标记为KLN、C2N和C1N；当颗粒物浓度KLN大于等于颗粒物浓度阈值时，则判定颗粒物浓度超标，通过处理器发送颗粒物污染信号至显示预警模块；当一氧化碳浓度C1N大于等于一氧化碳浓度阈值时，则判定一氧化碳浓度超标，通过处理器发送一氧化碳污染信号至显示预警模块；获取环保评估系数HPX；当环保评估系数HPX满足HPX≥L1时，则判定能源消耗超标，获取能源的消耗总量，同时发送能源超标信号和环保评估系数至显示预警模块；
当显示预警模块接收到目标标签之后，获取目标标签对应合格图像的拍摄位置并标记为目标位置，并通过第三方地图平台生成安防展示图；在所述安防展示图中将目标位置按照目标标签进行颜色标记；派遣工作人员到被标记为红色的目标位置实地排查；获取安防展示图中被标记为红色的目标位置总数并标记警报总数；当警报总数超过目标位置总数的一半时，则对能源供应进行限制。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种大数据智慧园区管理系统，其特征在于，包括处理器、环保预测模块、显示预警模块、数据存储模块、采集筛选模块、安防监测模块和环保监测模块；
所述采集筛选模块与物联终端通信连接，所述物联终端将采集到的数据发送至采集筛选模块，所述采集筛选模块对数据中的高清图像进行筛选获取合格图像；通过处理器将筛选之后的数据发送至数据存储模块进行存储；同时，将合格图像发送至安防监测模块；
所述安防监测模块根据合格图像对园区内的安防进行监测获取目标标签；
所述环保监测模块用于分析环保数据获取环保评估系数，并根据环保评估系数分析能源的消耗情况；
所述显示预警模块实时显示预警数据，并根据预警信号发出警报；所述预警数据包括颗粒物浓度、二氧化碳浓度、一氧化碳浓度和环保评估系数；所述预警信号包括颗粒物污染信号、一氧化碳污染信号和能源超标信号；
所述显示预警模块还根据目标标签进行人员调度，包括：
当显示预警模块接收到目标标签之后，获取目标标签对应合格图像的拍摄位置并标记为目标位置，并通过第三方地图平台生成安防展示图；所述第三方地图平台包括百度地图、高德地图和腾讯地图；
在所述安防展示图中将目标位置按照目标标签进行颜色标记；派遣工作人员到被标记为红色的目标位置实地排查；获取安防展示图中被标记为红色的目标位置总数并标记警报总数；当警报总数超过目标位置总数的一半时，则对能源供应进行限制。
2.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述颜色标记包括：
将目标标签标记为MQ；当目标标签MQ∈[0,3]时，则将目标位置标记为绿色，当目标标签MQ∈(3,6]时，则将目标位置标记为黄色，当目标标签MQ∈(6,10]时，则将目标位置标记为红色。
3.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述环保预测模块用于对园区的环保数据进行预测，包括：
通过数据存储模块获取环保数据以及环保数据获取当天对应的天气数据和能源数据；所述天气数据包括温度值、湿度值、风力值和气压值，所述能源数据包括园区的电力供应总量和煤炭供应总量；
构建BP神经网络模型；所述BP神经网络模型包括输入层、输出层以及至少一个隐含层；
对天气数据和能源数据进行数据归一化处理并标记为第一初始数据，将环保数据进行数据规划处理并标记为第一目标数据；
将初始数据作为BP神经网络模型的输入，初始数据对应的环保数据作为BP神经网络模型的输出对BP神经网络模型进行训练，将训练完成的BP神经网络模型标记为预测模型；
获取园区未来的天气数据和能源数据并标记为第二初始数据，将第二初始数据输入到预测模型中获取第二目标数据；所述第二目标数据为预测的环保数据；
将第二目标数据发送至显示预警模块；同时，将预测模型、第二初始数据和第二目标数据发送至数据存储模块进行存储。
4.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述环保监测模块用于获取园区的环保数据，并对环保数据进行分析获取，包括：
通过数据存储模块实时获取环保数据；所述环保数据通过空气质量传感器获取，并经过采集筛选模块筛选之后发送至数据存储模块进行存储，所述环保数据包括颗粒物浓度、二氧化碳浓度和一氧化碳浓度；所述颗粒物浓度为PM2.5和PM10的浓度之和；
将颗粒物浓度、二氧化碳浓度和一氧化碳浓度分别标记为KLN、C2N和C1N；
当颗粒物浓度KLN大于等于颗粒物浓度阈值时，则判定颗粒物浓度超标，通过处理器发送颗粒物污染信号至显示预警模块；当一氧化碳浓度C1N大于等于一氧化碳浓度阈值时，则判定一氧化碳浓度超标，通过处理器发送一氧化碳污染信号至显示预警模块；所述颗粒物浓度阈值和一氧化碳浓度阈值依据大数据模拟获取；
通过公式HPX＝α3×C2N×ln(α4×KLN×C1N)获取环保评估系数HPX；其中α3和α4均为比例系数，且α3和α4均为大于0的实数；
当环保评估系数HPX满足HPX≥L1时，则判定能源消耗超标，获取能源的消耗总量，同时发送能源超标信号和环保评估系数至显示预警模块；所述能源包括煤炭和电能；其中L1为环保评估系数阈值，且L1＞0；
通过处理器将环保评估系数和能源超标信号的发送记录发送至数据存储模块进行存储。
5.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述目标标签的获取步骤包括：
安防监测模块接收到合格图像之后，通过数据存储模块获取图像分析模型；
将合格图像作为图像分析模型的输入数据获取图像分析模型的输出数据，将输出数据标记为目标标签；所述目标标签为合格图像对应的图像标签；将目标标签分别发送至显示预警模块和数据存储模块。
6.根据权利要求5所述的一种大数据智慧园区管理系统，其特征在于，所述图像分析模型通过处理器获取，包括：
通过互联网获取N张图像素材，将图像素材经过图像预处理之后标记为训练图像；对训练图像赋予图像标签；所述图像标签的取值范围为[0,10]，其中图像标签的值越大，表示图像素材的内容危险系数越高；
将训练图像获取按照设定比例划分成训练集和验证集；所述设定比例包括2:1、1:1和4:3；
构建神经网络模型；所述神经网络模型至少包括自适应加权多任务神经网络模型、神经网络模型和RBF神经模型中的一种；
通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为图像分析模型；
将图像分析模型发送至数据存储模块进行存储。
7.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述高清图像的筛选包括：
通过动作云台调整高清摄像头的拍摄范围并获取高清图像，并将高清图像发送至采集筛选终端；
将高清图像经过图像预处理后标记为筛选图像；所述图像预处理包括图像分割、图像去噪和灰度变换；
获取筛选图像中像素点的平均灰度值，并将平均灰度值标记为PHZ；
获取筛选图像中灰度值低于最低灰度阈值的像素点并标记为低灰度点；获取筛选图像中灰度值高于最高灰度阈值的像素点并标记为高灰度点；
获取异常灰度点占筛选图像总像素点的比例并标记为YXZ；所述异常灰度点包括低灰度点和高灰度点；
通过公式TPX＝α1×YXZ×ln(α2×PHZ)获取图像评估系数TPX；其中α1和α2均为比例系数，且α1为大于0的实数，α2为大于1的实数；
当图像评估系数TPX满足YTPX-μ≤TPX≤YTPX+μ时，则判定筛选图像合格，并将筛选图像标记为合格图像；否则，判定筛选图像不合格，并将筛选图像标记为不合格图像，获取不合格图像拍摄时高清摄像头的拍摄角度，根据拍摄角度控制动作云台对高清摄像头进行调节，调节之后的高清摄像头重新获取高清图像并发送至采集筛选模块；其中YTPX为图像评估系数阈值，μ为比例系数，且YTPX和μ均大于0。
8.根据权利要求1所述的一种大数据智慧园区管理系统，其特征在于，所述物联终端包括监控组件、火灾探测器、电力采集终端、空气质量传感器；所述监控组件包括高清摄像头和动作云台，所述动作云台用于调整高清摄像头的拍摄范围；所述电力采集终端包括集中器和专变采集终端，所述专变采集终端包括大型专变采集终端和中小型专变采集终端。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110069808 | 2021-01-19 | ||
| CN2021100698085 | 2021-01-19 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113284026A true CN113284026A (zh) | 2021-08-20 |
Family
ID=77280457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110553516.9A Withdrawn CN113284026A (zh) | 2021-01-19 | 2021-05-20 | 一种大数据智慧园区管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113284026A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113588676A (zh) * | 2021-09-07 | 2021-11-02 | 安徽卫家健康科技有限公司 | 远红外碳晶加热板的智能化在线质量检测装置及方法 |
| CN113657542A (zh) * | 2021-08-27 | 2021-11-16 | 中大检测(湖南)股份有限公司 | 一种多维度关联预警系统 |
| CN113793234A (zh) * | 2021-11-16 | 2021-12-14 | 中通服建设有限公司 | 基于数字孪生技术的智慧园区平台 |
| CN114814350A (zh) * | 2022-06-24 | 2022-07-29 | 国网山东省电力公司兰陵县供电公司 | 基于园区电数据预测的能源监测方法及系统、装置、介质 |
| CN116794223A (zh) * | 2022-12-26 | 2023-09-22 | 慧之安信息技术股份有限公司 | 基于一氧化碳检测的现场集成自动报警方法 |
-
2021
- 2021-05-20 CN CN202110553516.9A patent/CN113284026A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657542A (zh) * | 2021-08-27 | 2021-11-16 | 中大检测(湖南)股份有限公司 | 一种多维度关联预警系统 |
| CN113588676A (zh) * | 2021-09-07 | 2021-11-02 | 安徽卫家健康科技有限公司 | 远红外碳晶加热板的智能化在线质量检测装置及方法 |
| CN113793234A (zh) * | 2021-11-16 | 2021-12-14 | 中通服建设有限公司 | 基于数字孪生技术的智慧园区平台 |
| CN114814350A (zh) * | 2022-06-24 | 2022-07-29 | 国网山东省电力公司兰陵县供电公司 | 基于园区电数据预测的能源监测方法及系统、装置、介质 |
| CN116794223A (zh) * | 2022-12-26 | 2023-09-22 | 慧之安信息技术股份有限公司 | 基于一氧化碳检测的现场集成自动报警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113284026A (zh) | 一种大数据智慧园区管理系统 | |
| CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
| CN112966933B (zh) | 结合气象站、数值预报的多维度风灾精细化预警方法 | |
| Bačić et al. | Integrated sensor systems for smart cities | |
| CN110517433A (zh) | 基于gis的森林防火指挥调度系统 | |
| CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
| CN114021946A (zh) | 一种企业环保管家管理系统 | |
| CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
| CN114897329A (zh) | 一种输电线路巡检方法、装置、系统及存储介质 | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN204515433U (zh) | 职业病健康安全数据实时监测及信息管理系统 | |
| CN116667533A (zh) | 一种智慧狗巡检系统 | |
| CN114997535A (zh) | 一种智慧农业全过程生产大数据智能分析方法及系统平台 | |
| CN115145166A (zh) | 一种数字孪生智慧园区数化仿真系统 | |
| CN114169797A (zh) | 一种能源管理系统及方法 | |
| CN112926863B (zh) | 基于六大预警中心的电网灾害综合监测系统 | |
| CN117522028A (zh) | 一种水电站实时运行数据可视化展示系统 | |
| CN116957193A (zh) | 一种适用于广告灯箱的运行全天候监控管理系统 | |
| CN116826970A (zh) | 基于bim、gis和iot技术的源网荷储型智慧园区集成管理系统 | |
| CN115471128A (zh) | 一种基于大数据的预测空气质量趋势的装置 | |
| CN115689206A (zh) | 一种基于深度学习的变电站基建进度智能监测方法 | |
| CN115294048A (zh) | 一种异物检测方法、装置、设备及存储介质 | |
| CN114594343A (zh) | 配电线路智能化多功能在线监测系列装置及其控制方法 | |
| He et al. | Internet of Things-Based Risk Warning System for Distribution Grid Operation State | |
| CN115689844B (zh) | 一种基于多维引擎的智能数据管理平台、搭建方法 |
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 |
Application publication date: 20210820 |
|
| WW01 | Invention patent application withdrawn after publication |