CN113342864A - 一种电子设备发热量的监控方法、系统及装置 - Google Patents
一种电子设备发热量的监控方法、系统及装置 Download PDFInfo
- Publication number
- CN113342864A CN113342864A CN202110612367.9A CN202110612367A CN113342864A CN 113342864 A CN113342864 A CN 113342864A CN 202110612367 A CN202110612367 A CN 202110612367A CN 113342864 A CN113342864 A CN 113342864A
- Authority
- CN
- China
- Prior art keywords
- heating
- screening
- determining
- preset standard
- preset
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本申请提供的一种电子设备发热量的监控方法、系统及装置,从待检测设备的发热数据中,提取至少两个发热特征矢量,根据每一发热特征矢量的发热参数,对至少两个发热特征矢量进行筛选,得到筛选结果集合,确定与筛选结果集合中的筛选结果相匹配的预设标准集合,确定预设标准集合中每一预设标准与发热数据之间的关联性,根据关联性,对预设标准集合进行筛选,得到待检测的目标发热量集合。通过上述方法对多个发热特征矢量进行筛选,这样能将无效的发热特征矢量去除,从而得到精确的筛选结果集合,进而通过筛选结果集合与预设标准集合进行匹配,能有效地提高目标发热量集合的完整性,这样有效地降低了人工监控的成本。
Description
技术领域
本申请涉及发热监控技术领域,具体而言,涉及一种电子设备发热量的监控方法、系统及装置。
背景技术
随着视频监控技术的不断发展,视频监控(Cameras and Surveillance),包括前端摄像机、传输线缆、视频监控平台。摄像机可分为网络数字摄像机和模拟摄像机,可作为前端视频图像信号的采集。利用特殊的录像处理模式,可对图像进行录入、回放、调出及储存等操作。这样能有效地降低人工成本,并行的降低人工监控错误的情况。
然而,在视频监控技术中还存在一些缺陷。
发明内容
鉴于此,本申请提供了一种电子设备发热量的监控方法、系统及装置。
第一方面,提供一种电子设备发热量的监控方法,所述方法包括:
从待检测设备的发热数据中,提取至少两个发热特征矢量;
根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
进一步地,所述从待检测设备的发热数据中,提取至少两个发热特征矢量,包括:
从所述发热数据中,提取表征所述待检测设备的发热范围的发热特征矢量和表征所述待检测设备的发热目标的发热特征矢量,以得到所述至少两个发热特征矢量。
进一步地,所述根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合,包括:
对所述发热特征矢量的发热参数进行排列分布,得到第一排列分布结果;
根据所述第一排列分布结果,确定第一筛选权重;
采用所述第一筛选权重对所述至少两个发热特征矢量进行筛选,得到筛选结果集合。
进一步地,所述根据所述第一排列分布结果,确定第一筛选权重,包括:
确定所述第一排列分布结果中的每一分布结果与第一预设修正量的第一误差;
确定每一所述第一误差与第二预设修正量的第一占比;
基于所述第一占比和预设占比,确定所述第一筛选权重。
进一步地,所述确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,包括:
从所述发热数据中,确定与所述预设标准相匹配的发热特征矢量;
基于所述相匹配的发热特征矢量的系数,确定所述预设标准与所述发热数据之间的关联性。
进一步地,所述确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,包括:
确定所述发热数据中与所述预设标准相匹配的发热特征矢量的发热参数;
基于所述相匹配的发热特征矢量的发热参数,确定所述预设标准与所述发热数据之间的关联性。
进一步地,所述根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合,包括:
对所述预设标准与所述发热数据之间的关联性进行排列分布,得到第二排列分布结果;
根据所述第二排列分布结果,确定第二筛选权重;
采用所述第二筛选权重对所述预设标准集合进行筛选,得到所述待检测的目标发热量集合。
进一步地,所述根据所述第二排列分布结果,确定第二筛选权重,包括:
确定所述第二排列分布结果中每一分布结果与第三预设修正量的第二误差;
确定每一所述第二误差与第四预设修正量的第二占比;
基于所述第二占比和预设占比,确定所述第二筛选权重。
第二方面,提供一种电子设备发热量的监控系统,包括热量检测设备和数据处理终端,所述热量检测设备和所述数据处理终端通信连接,
从待检测设备的发热数据中,提取至少两个发热特征矢量;
根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
第三方面,一种电子设备发热量的监控装置,包括:
特征提取模块,用于从待检测设备的发热数据中,提取至少两个发热特征矢量;
结果筛选模块,用于根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
结果确定模块,用于确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
关联确定模块,用于确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
发热筛选模型,用于根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
本申请实施例所提供的一种电子设备发热量的监控方法、系统及装置,从待检测设备的发热数据中,提取至少两个发热特征矢量,根据每一发热特征矢量的发热参数,对至少两个发热特征矢量进行筛选,得到筛选结果集合,确定与筛选结果集合中的筛选结果相匹配的预设标准集合,确定预设标准集合中每一预设标准与发热数据之间的关联性,根据关联性,对预设标准集合进行筛选,得到待检测的目标发热量集合。通过上述方法对多个发热特征矢量进行筛选,这样能将无效的发热特征矢量去除,从而得到精确的筛选结果集合,进而通过筛选结果集合与预设标准集合进行匹配,能有效地提高目标发热量集合的完整性,这样有效地降低了人工监控的成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种电子设备发热量的监控方法的流程图。
图2为本申请实施例所提供的一种电子设备发热量的监控装置的框图。
图3为本申请实施例所提供的一种电子设备发热量的监控系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
为改善如背景技术所述的技术问题,发明人创新性地提出了一种电子设备发热量的监控方法、系统及装置,该方案可以通过两种不同分类的样本集成环境来强化学习得到目标特征训练模型,后续接收到智能数据监控指示时,通过目标特征训练模型来处理待选智能数据集合中第一分类智能数据的状态数据,根据目标特征训练模型得到的第一分类智能数据的监控范围参数以及待选智能数据集合中第二分类智能数据的监控范围参数选择出的目标智能数据,对一个智能数据监控指示,通过一个强化学习得到的特征训练模型,从两种不同分类的智能数据中选择一个智能数据作为目标智能数据进行监控,实现对两种分类智能数据的混合控制,使得系统中的智能数据监控位置能够得到完整的监控,提高智能数据监控的模型计算的准确率。
请参阅图1,示出了一种电子设备发热量的监控方法,该方法可以应用于风险账号防入侵识别系统,该方法可以包括以下步骤100-步骤500所描述的技术方案。
步骤100,从待检测设备的发热数据中,提取至少两个发热特征矢量。
示例性的,发热特征矢量表示相关设备在不同时刻的发热量。
步骤200,根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合。
示例性的,发热系数表示每个相关设备对应标准发热系数。
进一步地,筛选结果集合表示发热特征矢量中匹配的结果形成的集合。
步骤300,确定与筛选结果集合中的筛选结果相匹配的预设标准集合。
示例性的,
步骤400,确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性。
步骤500,根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
示例性的,目标发热量集合表示每个时刻的相关设备对应的发热量形成集合。
可以理解,在执行上述步骤100-步骤500所描述的技术方案时,从待检测设备的发热数据中,提取至少两个发热特征矢量,根据每一发热特征矢量的发热参数,对至少两个发热特征矢量进行筛选,得到筛选结果集合,确定与筛选结果集合中的筛选结果相匹配的预设标准集合,确定预设标准集合中每一预设标准与发热数据之间的关联性,根据关联性,对预设标准集合进行筛选,得到待检测的目标发热量集合。通过上述方法对多个发热特征矢量进行筛选,这样能将无效的发热特征矢量去除,从而得到精确的筛选结果集合,进而通过筛选结果集合与预设标准集合进行匹配,能有效地提高目标发热量集合的完整性,这样有效地降低了人工监控的成本。
在一种可替换的实施例中,发明人发现,从待检测设备的发热数据中,存在发热特征矢量和表征所述待检测设备的发热目标的发热特征矢量不准确的问题,从而难以准确地提取至少两个发热特征矢量,为了改善上述技术问题,步骤100所描述的从待检测设备的发热数据中,提取至少两个发热特征矢量的步骤,具体可以包括以下步骤q1所描述的技术方案。
步骤q1,从所述发热数据中,提取表征所述待检测设备的发热范围的发热特征矢量和表征所述待检测设备的发热目标的发热特征矢量,以得到所述至少两个发热特征矢量。
可以理解,在执行上述步骤q1所描述的技术方案时,从待检测设备的发热数据中,避免发热特征矢量和表征所述待检测设备的发热目标的发热特征矢量不准确的问题,从而能够准确地提取至少两个发热特征矢量。
在一种可替换的实施例中,发明人发现,根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,存在筛选权重不准确的技术问题,从而难以准确地得到筛选结果集合,为了改善上述技术问题,步骤200所描述的根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合的步骤,具体可以包括以下步骤w1-步骤w3所描述的技术方案。
步骤w1,对所述发热特征矢量的发热参数进行排列分布,得到第一排列分布结果。
步骤w2,根据所述第一排列分布结果,确定第一筛选权重。
步骤w3,采用所述第一筛选权重对所述至少两个发热特征矢量进行筛选,得到筛选结果集合。
可以理解,根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,避免筛选权重不准确的技术问题,从而能够准确地得到筛选结果集合。
在一种可替换的实施例中,发明人发现,根据所述第一排列分布结果,存在误差的技术问题,从而难以准确地确定第一筛选权重,为了改善上述技术问题,步骤w2所描述的根据所述第一排列分布结果,确定第一筛选权重的步骤,具体可以包括以下步骤w2a1-步骤w2a3所描述的技术方案。
步骤w2a1,确定所述第一排列分布结果中的每一分布结果与第一预设修正量的第一误差。
步骤w2a2,确定每一所述第一误差与第二预设修正量的第一占比。
步骤w2a3,基于所述第一占比和预设占比,确定所述第一筛选权重。
可以理解,在执行上述步骤w2a1-步骤w2a3所描述的技术方案时,根据所述第一排列分布结果,避免误差的技术问题,从而能够准确地确定第一筛选权重。
在一种可替换的实施例中,发明人发现,确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性时,存在与预设标准不相匹配的发热特征矢量的问题,从而难以精确地确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,为了改善上述技术问题,步骤400所描述的确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性的步骤,具体可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1,从所述发热数据中,确定与所述预设标准相匹配的发热特征矢量。
步骤r2,基于所述相匹配的发热特征矢量的系数,确定所述预设标准与所述发热数据之间的关联性。
可以理解,在执行上述步骤r1和步骤r2所描述的技术方案时,确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性时,避免与预设标准不相匹配的发热特征矢量的问题,从而能够精确地确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性。
在一种可替换的实施例中,发明人发现,确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,存在发热特征矢量的发热参数不准确的问题,从而难以准确地确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,为了改善上述技术问题,步骤400所描述的确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性的步骤,具体可以包括以下步骤t1和步骤t2所描述的技术方案。
步骤t1,确定所述发热数据中与所述预设标准相匹配的发热特征矢量的发热参数。
步骤t2,基于所述相匹配的发热特征矢量的发热参数,确定所述预设标准与所述发热数据之间的关联性
可以理解,在执行上述步骤t1和步骤t2所描述的技术方案时,确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,避免发热特征矢量的发热参数不准确的问题,从而能够准确地确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性。
在一种可替换的实施例中,发明人发现,根据所述关联性,对所述预设标准集合进行筛选,存在排列分布结果不准确的技术问题,从而难以准确地得到待检测的目标发热量集合,为了改善上技术问题,步骤500所描述的根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合的步骤,具体可以包括以下步骤u1-步骤u3所描述的技术方案。
步骤u1,对所述预设标准与所述发热数据之间的关联性进行排列分布,得到第二排列分布结果。
步骤u2,根据所述第二排列分布结果,确定第二筛选权重。
步骤u3,采用所述第二筛选权重对所述预设标准集合进行筛选,得到所述待检测的目标发热量集合。
可以理解,在执行上述步骤u1-步骤u3所描述的技术方案时,根据所述关联性,对所述预设标准集合进行筛选,避免排列分布结果不准确的技术问题,从而能够准确地得到待检测的目标发热量集合。
在一种可替换的实施例中,发明人发现,根据所述第二排列分布结果,存在占比错误的技术问题,从而难以可靠地确定第二筛选权重,为了改善上述技术问题,步骤u2所描述的根据所述第二排列分布结果,确定第二筛选权重的步骤,具体可以包括以下步骤u2a1-步骤u2a3所描述的技术方案。
步骤u2a1,确定所述第二排列分布结果中每一分布结果与第三预设修正量的第二误差。
步骤u2a2,确定每一所述第二误差与第四预设修正量的第二占比。
步骤u2a3,基于所述第二占比和预设占比,确定所述第二筛选权重。
可以理解,在执行上述步骤u2a1-步骤u2a3所描述的技术方案时,根据所述第二排列分布结果,避免占比错误的技术问题,从而能够可靠地确定第二筛选权重。
基于上述基础,在所述得到待检测的目标发热量集合之后,还可以包括以下步骤j1-步骤j3所描述的技术方案。
步骤j1,按照所述目标发热量与所述发热数据之间的关联性,对所述目标发热量集合中的目标发热量进行排列分布。
步骤j2,根据排列分布后的目标发热量的策略,对排列分布后的目标发热量集合进行筛选,得到筛选后的目标发热量集合。
步骤j3,输出所述筛选后的目标发热量集合。
可以理解,在执行上述步骤j1-步骤j3所描述的技术方案时,精确地确定目标发热量进行排列分布,从而提高目标发热量集合的完整性。
在一种可替换的实施例中,发明人发现,根据排列分布后的目标发热量的策略,对排列分布后的目标发热量集合进行筛选,存在目标发热量中策略的相似度差的问题,从而难以精确地得到筛选后的目标发热量集合,为了改善上述技术方案,步骤j2所描述的根据排列分布后的目标发热量的策略,对排列分布后的目标发热量集合进行筛选,得到筛选后的目标发热量集合的步骤,具体可以包括以下步骤j2a1-步骤j2a3所描述的技术方案。
步骤j2a1,确定分布结果不同的目标发热量中策略的相似度。
步骤j2a2,确定相似度大于相似度标准发热量的相似目标发热量的系数。
步骤j2a3,如果所述系数不在预设系数区间内,对所述相似目标发热量进行删减,以使所述相似目标发热量的系数在预设系数区间内,以得到所述筛选后的目标发热量集合。
可以理解,在执行上述步骤j2a1-步骤j2a3所描述的技术方案时,根据排列分布后的目标发热量的策略,对排列分布后的目标发热量集合进行筛选,避免目标发热量中策略的相似度差的问题,从而能够精确地得到筛选后的目标发热量集合。
技术上述基础,在所述输出所述筛选后的目标发热量集合之后,还可以包括以下步骤h1和步骤h2所描述的技术方案。
步骤h1,获取所述筛选后的目标发热量的预览数据。
步骤h2,根据所述预览数据,对所述发热数据进行迭代,得到迭代的发热数据。
可以理解,在执行上述步骤h1和步骤h2所描述的技术方案时,通过目标发热量的预览数据,有效地提高迭代的发热数据的精度。
在上述基础上,请结合参阅图2,提供了一种电子设备发热量的监控装置200,应用于数据处理终端,所述装置包括:
特征提取模块210,用于从待检测设备的发热数据中,提取至少两个发热特征矢量;
结果筛选模块220,用于根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
结果确定模块230,用于确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
关联确定模块240,用于确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
发热筛选模型250,用于根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
在上述基础上,请结合参阅图3,示出了一种电子设备发热量的监控系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,从待检测设备的发热数据中,提取至少两个发热特征矢量,根据每一发热特征矢量的发热参数,对至少两个发热特征矢量进行筛选,得到筛选结果集合,确定与筛选结果集合中的筛选结果相匹配的预设标准集合,确定预设标准集合中每一预设标准与发热数据之间的关联性,根据关联性,对预设标准集合进行筛选,得到待检测的目标发热量集合。通过上述方法对多个发热特征矢量进行筛选,这样能将无效的发热特征矢量去除,从而得到精确的筛选结果集合,进而通过筛选结果集合与预设标准集合进行匹配,能有效地提高目标发热量集合的完整性,这样有效地降低了人工监控的成本。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电子设备发热量的监控方法,其特征在于,所述方法包括:
从待检测设备的发热数据中,提取至少两个发热特征矢量;
根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
2.根据权利要求1所述的方法,其特征在于,所述从待检测设备的发热数据中,提取至少两个发热特征矢量,包括:
从所述发热数据中,提取表征所述待检测设备的发热范围的发热特征矢量和表征所述待检测设备的发热目标的发热特征矢量,以得到所述至少两个发热特征矢量。
3.根据权利要求1所述的方法,其特征在于,所述根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合,包括:
对所述发热特征矢量的发热参数进行排列分布,得到第一排列分布结果;
根据所述第一排列分布结果,确定第一筛选权重;
采用所述第一筛选权重对所述至少两个发热特征矢量进行筛选,得到筛选结果集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一排列分布结果,确定第一筛选权重,包括:
确定所述第一排列分布结果中的每一分布结果与第一预设修正量的第一误差;
确定每一所述第一误差与第二预设修正量的第一占比;
基于所述第一占比和预设占比,确定所述第一筛选权重。
5.根据权利要求1所述的方法,其特征在于,所述确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,包括:
从所述发热数据中,确定与所述预设标准相匹配的发热特征矢量;
基于所述相匹配的发热特征矢量的系数,确定所述预设标准与所述发热数据之间的关联性。
6.根据权利要求1所述的方法,其特征在于,所述确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性,包括:
确定所述发热数据中与所述预设标准相匹配的发热特征矢量的发热参数;
基于所述相匹配的发热特征矢量的发热参数,确定所述预设标准与所述发热数据之间的关联性。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合,包括:
对所述预设标准与所述发热数据之间的关联性进行排列分布,得到第二排列分布结果;
根据所述第二排列分布结果,确定第二筛选权重;
采用所述第二筛选权重对所述预设标准集合进行筛选,得到所述待检测的目标发热量集合。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第二排列分布结果,确定第二筛选权重,包括:
确定所述第二排列分布结果中每一分布结果与第三预设修正量的第二误差;
确定每一所述第二误差与第四预设修正量的第二占比;
基于所述第二占比和预设占比,确定所述第二筛选权重。
9.一种电子设备发热量的监控系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-8任一项所述的方法。
10.一种电子设备发热量的监控装置,其特征在于,包括:
特征提取模块,用于从待检测设备的发热数据中,提取至少两个发热特征矢量;
结果筛选模块,用于根据每一所述发热特征矢量的发热参数,对所述至少两个发热特征矢量进行筛选,得到筛选结果集合;
结果确定模块,用于确定与筛选结果集合中的筛选结果相匹配的预设标准集合;
关联确定模块,用于确定所述预设标准集合中每一预设标准与所述发热数据之间的关联性;
发热筛选模型,用于根据所述关联性,对所述预设标准集合进行筛选,得到待检测的目标发热量集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110612367.9A CN113342864B (zh) | 2021-06-02 | 2021-06-02 | 一种电子设备发热量的监控方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110612367.9A CN113342864B (zh) | 2021-06-02 | 2021-06-02 | 一种电子设备发热量的监控方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113342864A true CN113342864A (zh) | 2021-09-03 |
CN113342864B CN113342864B (zh) | 2023-03-24 |
Family
ID=77474979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110612367.9A Active CN113342864B (zh) | 2021-06-02 | 2021-06-02 | 一种电子设备发热量的监控方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342864B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2232352C2 (ru) * | 2002-02-28 | 2004-07-10 | Виктор Александрович Белошенко | Способ мониторинга объектов теплоснабжения и способ контроля системы отопления зданий |
CN102027431A (zh) * | 2008-05-23 | 2011-04-20 | 高通股份有限公司 | 用于数据模块的热管理 |
CN109240460A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市宝德计算机系统有限公司 | 一种服务器散热方法、装置、设备及计算机存储介质 |
CN109447011A (zh) * | 2018-11-06 | 2019-03-08 | 沈阳天眼智云信息科技有限公司 | 红外对蒸汽管道泄露的实时监控方法 |
CN109600977A (zh) * | 2018-12-28 | 2019-04-09 | 联想(北京)有限公司 | 一种散热控制方法及电子设备 |
CN110334661A (zh) * | 2019-07-09 | 2019-10-15 | 国网江苏省电力有限公司扬州供电分公司 | 基于深度学习的红外输变电异常发热点目标检测方法 |
CN110955580A (zh) * | 2019-12-09 | 2020-04-03 | Oppo广东移动通信有限公司 | 壳体温度的获取方法、装置、存储介质和电子设备 |
CN111460610A (zh) * | 2020-02-27 | 2020-07-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种换流阀tvm板发热预测方法、系统、装置及介质 |
CN112183994A (zh) * | 2020-09-23 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种设备状态的评估方法、装置、计算机设备和存储介质 |
CN112258818A (zh) * | 2020-09-05 | 2021-01-22 | 常州工学院 | 一种基于物联网技术的校园学生安全监控云服务设备 |
CN112765385A (zh) * | 2020-06-14 | 2021-05-07 | 黄雨勤 | 基于大数据和互联网的信息管理方法及系统 |
-
2021
- 2021-06-02 CN CN202110612367.9A patent/CN113342864B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2232352C2 (ru) * | 2002-02-28 | 2004-07-10 | Виктор Александрович Белошенко | Способ мониторинга объектов теплоснабжения и способ контроля системы отопления зданий |
CN102027431A (zh) * | 2008-05-23 | 2011-04-20 | 高通股份有限公司 | 用于数据模块的热管理 |
CN109240460A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市宝德计算机系统有限公司 | 一种服务器散热方法、装置、设备及计算机存储介质 |
CN109447011A (zh) * | 2018-11-06 | 2019-03-08 | 沈阳天眼智云信息科技有限公司 | 红外对蒸汽管道泄露的实时监控方法 |
CN109600977A (zh) * | 2018-12-28 | 2019-04-09 | 联想(北京)有限公司 | 一种散热控制方法及电子设备 |
CN110334661A (zh) * | 2019-07-09 | 2019-10-15 | 国网江苏省电力有限公司扬州供电分公司 | 基于深度学习的红外输变电异常发热点目标检测方法 |
CN110955580A (zh) * | 2019-12-09 | 2020-04-03 | Oppo广东移动通信有限公司 | 壳体温度的获取方法、装置、存储介质和电子设备 |
CN111460610A (zh) * | 2020-02-27 | 2020-07-28 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种换流阀tvm板发热预测方法、系统、装置及介质 |
CN112765385A (zh) * | 2020-06-14 | 2021-05-07 | 黄雨勤 | 基于大数据和互联网的信息管理方法及系统 |
CN112258818A (zh) * | 2020-09-05 | 2021-01-22 | 常州工学院 | 一种基于物联网技术的校园学生安全监控云服务设备 |
CN112183994A (zh) * | 2020-09-23 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种设备状态的评估方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113342864B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN113239229A (zh) | 一种智能筛选数据处理方法、系统及云平台 | |
CN113723467A (zh) | 用于缺陷检测的样本收集方法、装置和设备 | |
CN112199569A (zh) | 一种违禁网址识别方法、系统、计算机设备及存储介质 | |
CN113342864B (zh) | 一种电子设备发热量的监控方法、系统及装置 | |
CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
CN116756525A (zh) | 基于人工智能的岩土体参数智能测试方法及系统 | |
CN115187191A (zh) | 一种基于教学集控管理的科研项目进度监控方法及系统 | |
CN114187552A (zh) | 一种机房动力环境监控方法及系统 | |
CN113610373A (zh) | 基于智能制造的信息决策处理方法及系统 | |
CN113380363A (zh) | 基于人工智能的医疗数据质量评价方法及系统 | |
CN113347193A (zh) | 基于云服务器的数据请求许可方法、系统及云平台 | |
CN113626688A (zh) | 基于软件定义的智能化医疗数据采集方法及系统 | |
CN114780645B (zh) | 基于人工智能的数据分类处理方法、系统及云平台 | |
CN114090858B (zh) | 基于自动化爬虫的资源池对象数据获取方法及系统 | |
CN113609931B (zh) | 基于神经网络的人脸识别方法及系统 | |
CN114611478B (zh) | 一种基于人工智能的信息处理方法、系统及云平台 | |
CN114625624B (zh) | 结合人工智能的数据处理方法、系统及云平台 | |
CN113645107B (zh) | 一种基于智能家居的网关端冲突解决方法及系统 | |
CN113626559A (zh) | 基于语义的网络文档智能检索的方法及系统 | |
CN114118449B (zh) | 基于偏标记学习模型的图片标签识别方法、介质及设备 | |
CN113613252B (zh) | 基于5g的网络安全的分析方法及系统 | |
CN115291723A (zh) | 一种基于瞳孔位置识别的云影片播放处理方法及系统 | |
CN114281815A (zh) | 一种产业创新资源数据分析方法及系统 | |
CN115374368A (zh) | 基于互联网的网签数据处理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |