CN113596390B - 基于三层架构的变电站视频监控异常预警系统及实现方法 - Google Patents
基于三层架构的变电站视频监控异常预警系统及实现方法 Download PDFInfo
- Publication number
- CN113596390B CN113596390B CN202110667414.XA CN202110667414A CN113596390B CN 113596390 B CN113596390 B CN 113596390B CN 202110667414 A CN202110667414 A CN 202110667414A CN 113596390 B CN113596390 B CN 113596390B
- Authority
- CN
- China
- Prior art keywords
- early warning
- detection model
- video
- abnormal
- monitoring
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 144
- 230000002159 abnormal effect Effects 0.000 claims abstract description 74
- 230000005856 abnormality Effects 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 30
- 239000012634 fragment Substances 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 25
- 239000000779 smoke Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000006854 communication Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000001914 filtration Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
- H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
-
- 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
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于三层架构的变电站视频监控异常预警系统及实现方法。本发明由云端、边端和终端三层构成，云端负责接收并存储边端从各采集终端汇集并过滤后的异常监控视频片段，必要时负责更新训练异常检测模型，并将模型发送到各边端；边端负责接收各采集终端采集到的视频数据并通过异常检测模型过滤掉无异常的片段，将异常监控视频片段发送云端的同时将预警信息发送给预警终端，必要时接收云端发送的异常检测模型并覆盖更新；终端分为采集终端和预警终端，采集终端负责采集视频数据回传到各边端，预警终端负责接收边端的预警信息并呈现给用户。本发明采用云边端三层架构，既保障了异常检测的高精度，又保证了异常预警的实时性。
Description
技术领域
本发明属于智能视频监控领域，涉及一种基于三层架构的变电站视频监控异常预警系统及其实现方法，可应用于变电站的视频监控。
背景技术
随着无人值守变电站的建设，基于摄像头的视频监控技术在变电站中的应用得到普及，为变电站内设备及周界环境安全提供了可靠而有效的监控手段。然而，随着电力需求持续增长，变电站数量也相应增长。
目前，变电站的视频监控系统一般是采用摄像机直连到集中式的监控中心集中存储和处理的方式，这种方式对有线网络连接速度要求较高，大量的无意义的监控视频回传既浪费了存储空间，也增加了监控人员的工作量，数据量巨大的视频数据还占用了大量的带宽资源；同时，对于异常情况检测及预警信息反馈的实时性都无法满足业务要求。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于三层架构的变电站视频监控异常预警系统及其实现方法，以保障异常检测的高精度，保证异常预警的实时性。
为实现上述目的，本发明采用的技术方案为：
一方面，本发明提供一种基于三层架构的变电站视频监控异常预警系统，包括一个云端层、一个以上的边端构成的中间层和一个以上的终端构成的底层，所述云端层连接中间层的所有边端，双向通信，所述边端数量是变电站数量的两倍，所述底层的终端分为采集终端和预警终端，所述采集终端数量视变电站内视频监控需求而定，所述预警终端数量与变电站数量一致，同一变电站内的所有终端连接至该变电站的边端，采集终端可通信至边端，边端可通信至预警终端。
进一步地，所述云端层包括监控视频处理平台、异常检测模型训练平台、异常检测模型库、异常视频样本库四个部分；所述监控视频处理平台用于处理从所述边端汇集来的异常视频，形成异常视频样本存储到所述异常视频样本库中；所述异常视频样本库用于存储异常视频样本，当新增样本超过当前数量的30％时，异常检测模型训练平台自动调取所述异常视频样本库中的所有样本实现异常检测模型的训练，并将训练完成的模型及其参数存储到所述的异常检测模型库；所述异常检测模型库用于存储所有版本的异常检测模型，并负责第一时间将从异常检测模型训练平台发送来的最新的异常检测模型发送到各边端。
进一步地，所述中间层的边端负责接收与该边端连接的采集终端发送的监控视频数据，并通过异常检测模型检测视频中的异常监控视频片段，同时将异常监控视频片段发送给与该边端连接的云端层的监控视频处理平台，并生成预警信息发送到与该边端连接的预警终端。
更进一步地，当与该边端连接的云端层的异常检测模型库向该边端发送最新的异常检测模型时，该边端接收并覆盖更新当前的异常检测模型。
进一步地，所述底层的终端分为采集终端和预警终端两种，采集终端用于获取变电站内各区域的监控视频，在重要设备区域、作业区域、各区域进出口、走廊处安装，包括可见光、红外、紫外各类型摄像机和摄像头；预警终端用于向用户呈现变电站内的预警信息，包括电脑、显示屏、语音喇叭。
进一步地，所述中间层的边端数量是变电站数量的两倍，目的在于同一个变电站的边端能够互为备份，在云端层的异常检测模型库发送最新的异常检测模型时，为了避免正在运行的边端停止工作，由备份边端接收最新的异常检测模型并更新当前异常检测模型，更新完毕即切换为运行边端，原运行边端转为备份边端。
进一步地，所述的异常检测模型的功能包括人体检测功能、车辆检测功能、烟雾检测功能、明火检测功能、积水检测功能、异物检测功能、安全着装检测功能、违章行为检测功能、设备状态异常检测功能。
进一步地，所述的预警信息的类型包括人员进入预警、车辆进入预警、烟雾预警、火灾预警、积水预警、异物入侵预警、违章预警、设备异常预警。
另一方面，本发明还提供上述基于三层架构的变电站视频监控异常预警系统的实现方法，具体包括下列步骤：
步骤1：采集终端不断采集监控视频，并发送到与之连接的边端；
步骤2：边端利用异常检测模型对采集终端发送来的监控视频进行异常检测，若发现异常，则剪切成异常监控视频片段，发送到与之连接的云端层的监控视频处理平台，同时生成对应的预警信息发送到与之连接的预警终端；
步骤3：预警终端接收到边端发送来的预警信息，及时呈现给用户；
步骤4：云端层的监控视频处理平台接收边端发送来的异常监控视频片段并进行处理分析，形成异常视频样本，发送到云端层的异常视频样本库予以存储；
步骤5：当云端层的异常视频样本库中的新增样本超过当前数量的30％时，自动将所有样本发送到云端层的异常检测模型训练平台实现异常检测模型的训练；
步骤6：云端层的异常检测模型训练平台完成异常检测模型的训练，并将训练完成的模型及其参数发送到所述的异常检测模型库中存储；
步骤7：云端层的异常检测模型库接收云端层的异常检测模型训练平台发送来的异常检测模型及其参数，完成存储，同时将异常检测模型及其参数发送到与之连接的所有边端；
步骤8：边端接收到云端层的异常检测模型库发送来的最新的异常检测模型及其参数，完成异常检测模型的更新，继续检测。
与现有技术相比，本发明具有的有益效果在于：
本发明通过设置中间层的边端利用异常检测模型过滤掉很多正常监控视频之后，只将异常监控视频片段上传到云端，有效减少了云端的存储数据量，同时减轻了由于频繁上传大量无用视频造成的网络带宽压力。本发明将异常检测能力下放到离底层终端更近的中间层，减少了传统集中式的处理方式中原始视频上传和处理结果下发带来的时延，提高了预警信息发布的实时性。
附图说明
图1是本发明的系统架构图；
图2是本发明的实现方法的工作流程图。
具体实施方式
以下结合说明书附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
实施例1
如图1所示，本发明提供的基于三层架构的变电站视频监控异常预警系统，实施于M个变电站时，包括一个云端层、M个边端构成的中间层，M个预警终端和(N1+N2+…+NM)个采集终端构成的底层，所述云端层通过光纤连接中间层的所有边端，能够双向通信，所述边端数量是变电站数量的两倍，图中备份边端已省略，所述底层的终端分为采集终端和预警终端，所述采集终端数量视变电站内视频监控需求而定，每个变电站数量不一，所述预警终端数量与变电站数量一致，总数为M个，同一变电站内的所有终端连接至该变电站的边端，采集终端可单向通信至边端，边端可单向通信至预警终端。
所述云端层包括监控视频处理平台、异常检测模型训练平台、异常检测模型库、异常视频样本库四个部分。所述监控视频处理平台采用流处理模式用于处理从所述边端汇集来的异常视频，通过异常检测的结果类别派发到不同处理管道进行处理，最终形成满足异常检测模型的输入规格要求的异常视频样本存储到所述异常视频样本库中。所述异常视频样本库采用关系型数据库存储视频文件路径的方式存储视频类数据和样本标签，当新增样本超过当前数量的30％时，异常检测模型训练平台自动调取所述异常视频样本库中的所有样本实现异常检测模型的训练，并将训练完成的模型及其参数存储到所述的异常检测模型库。异常检测模型训练平台按异常类型预设多种目前主流的用于异常检测的神经网络模型，训练时只需输入样本和相关训练参数即可自动开始训练。所述异常检测模型库用于存储所有版本的异常检测模型，并负责第一时间将从异常检测模型训练平台发送来的最新的异常检测模型发送到各边端。所述异常视频样本库用于存储异常视频样本。
所述中间层的边端负责接收与该边端连接的采集终端发送的监控视频数据，并通过流处理模式利用异常检测模型检测视频中出现的异常情况，当检测到异常时，自动剪切出存在异常的监控视频作为异常监控视频片段，发送给与该边端连接的云端层的监控视频处理平台，并同时生成预警信息发送到与该边端连接的预警终端。当与该边端连接的云端层的异常检测模型库向该边端发送最新的异常检测模型时，该边端接收并覆盖更新当前的异常检测模型。
所述底层的终端分为采集终端和预警终端两种，采集终端用于获取变电站内各区域的监控视频，在重要设备区域、作业区域、各区域进出口、走廊处安装，包括可见光、红外、紫外各类型摄像机和摄像头；预警终端用于向用户呈现变电站内的预警信息，包括电脑、显示屏、语音喇叭。
所述中间层的边端数量是变电站数量的两倍，目的在于同一个变电站的边端能够互为备份，在云端层的异常检测模型库发送最新的异常检测模型时，为了避免正在运行的边端停止工作，由备份边端接收最新的异常检测模型并更新当前异常检测模型，更新完毕即切换为运行边端，原运行边端转为备份边端。
所述的异常检测模型的功能包括人体检测功能、车辆检测功能、烟雾检测功能、明火检测功能、积水检测功能、异物检测功能、安全着装检测功能、违章行为检测功能、设备状态异常检测功能。
所述的预警信息的类型包括人员进入预警、车辆进入预警、烟雾预警、火灾预警、积水预警、异物入侵预警、违章预警、设备异常预警。
实施例2
如图2所示，本发明还提供了基于三层架构的变电站视频监控异常预警系统的实现方法，具体包括下列步骤：
步骤1：采集终端不断采集监控视频，并发送到与之连接的边端；
步骤2：边端利用异常检测模型对采集终端发送来的监控视频进行异常检测，若发现异常，则剪切成异常监控视频片段，发送到与之连接的云端层的监控视频处理平台，同时生成对应的预警信息发送到与之连接的预警终端；
步骤3：预警终端接收到边端发送来的预警信息，及时呈现给用户；
步骤4：云端层的监控视频处理平台接收边端发送来的异常监控视频片段并进行处理分析，形成异常视频样本，发送到云端层的异常视频样本库予以存储；
步骤5：当云端层的异常视频样本库中的新增样本超过当前数量的30％时，自动将所有样本发送到云端层的异常检测模型训练平台实现异常检测模型的训练；
步骤6：云端层的异常检测模型训练平台完成异常检测模型的训练，并将训练完成的模型及其参数发送到所述的异常检测模型库中存储；
步骤7：云端层的异常检测模型库接收云端层的异常检测模型训练平台发送来的异常检测模型及其参数，完成存储，同时将异常检测模型及其参数发送到与之连接的所有边端；
步骤8：边端接收到云端层的异常检测模型库发送来的最新的异常检测模型及其参数，完成异常检测模型的更新，继续检测。
通过上述优选实施例已经对本发明的技术方案做了进一步的详细介绍，但应该强调的是，以上所述具体实施方式不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，在不脱离本发明的技术方案的思想前提下，对于本发明做出的多种修改、替换、润饰都将是显而易见的，都应视为本发明的保护范围。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.基于三层架构的变电站视频监控异常预警系统，其特征在于，包括一个云端层、一个以上的边端构成的中间层和一个以上的终端构成的底层；
所述云端层连接中间层的所有边端，采用双向通信，所述边端数量是变电站数量的两倍；所述底层的终端分为采集终端和预警终端，所述采集终端数量视变电站内视频监控需求而定，所述预警终端数量与变电站数量一致，同一变电站内的所有终端连接至该变电站的边端，采集终端可通信至边端，边端可通信至预警终端；
所述中间层的边端负责接收与该边端连接的采集终端发送的监控视频数据，并通过异常检测模型检测视频中的异常监控视频片段，同时将异常监控视频片段发送给与该边端连接的云端层的监控视频处理平台，并生成预警信息发送到与该边端连接的预警终端；
由于所述中间层的边端数量是变电站数量的两倍，同一个变电站的边端能够互为备份，在云端层的异常检测模型库发送最新的异常检测模型时，为了避免正在运行的边端停止工作，由备份边端接收最新的异常检测模型并更新当前异常检测模型，更新完毕即切换为运行边端，原运行边端转为备份边端。
2.根据权利要求1所述的基于三层架构的变电站视频监控异常预警系统，其特征在于，所述云端层包括监控视频处理平台、异常检测模型训练平台、异常检测模型库、异常视频样本库四个部分；所述监控视频处理平台用于处理从所述边端汇集来的异常视频，形成异常视频样本存储到所述异常视频样本库中；所述异常视频样本库用于存储异常视频样本，当新增样本超过当前数量的30%时，异常检测模型训练平台自动调取所述异常视频样本库中的所有样本实现异常检测模型的训练，并将训练完成的模型及其参数存储到所述的异常检测模型库；所述异常检测模型库用于存储所有版本的异常检测模型，并负责第一时间将从异常检测模型训练平台发送来的最新的异常检测模型发送到各边端。
3.根据权利要求1所述的基于三层架构的变电站视频监控异常预警系统，其特征在于，当与该边端连接的云端层的异常检测模型库向该边端发送最新的异常检测模型时，该边端接收并覆盖更新当前的异常检测模型。
4.根据权利要求1所述的基于三层架构的变电站视频监控异常预警系统，其特征在于，所述的采集终端用于获取变电站内各区域的监控视频，在重要设备区域、作业区域、各区域进出口和走廊处安装，包括可见光、红外、紫外各类型摄像机和摄像头；预警终端用于向用户呈现变电站内的预警信息，包括电脑、显示屏和语音喇叭。
5.根据权利要求1、2或3所述的基于三层架构的变电站视频监控异常预警系统，其特征在于，所述的异常检测模型的功能包括人体检测功能、车辆检测功能、烟雾检测功能、明火检测功能、积水检测功能、异物检测功能、安全着装检测功能、违章行为检测功能和设备状态异常检测功能。
6.根据权利要求1、3或4所述的基于三层架构的变电站视频监控异常预警系统，其特征在于，所述的预警信息的类型包括人员进入预警、车辆进入预警、烟雾预警、火灾预警、积水预警、异物入侵预警、违章预警和设备异常预警。
7.基于三层架构的变电站视频监控异常预警系统的实现方法，其特征在于，采用权利要求1-6任一项所述的基于三层架构的变电站视频监控异常预警系统，具体包括下列步骤：
步骤1：采集终端不断采集监控视频，并发送到与之连接的边端；
步骤2：边端利用异常检测模型对采集终端发送来的监控视频进行异常检测，若发现异常，则剪切成异常监控视频片段，发送到与之连接的云端层的监控视频处理平台，同时生成对应的预警信息发送到与之连接的预警终端；
步骤3：预警终端接收到边端发送来的预警信息，及时呈现给用户；
步骤4：云端层的监控视频处理平台接收边端发送来的异常监控视频片段并进行处理分析，形成异常视频样本，发送到云端层的异常视频样本库予以存储；
步骤5：当云端层的异常视频样本库中的新增样本超过当前数量的30%时，自动将所有样本发送到云端层的异常检测模型训练平台，实现异常检测模型的训练；
步骤6：云端层的异常检测模型训练平台完成异常检测模型的训练，并将训练完成的模型及其参数发送到异常检测模型库中存储；
步骤7：云端层的异常检测模型库接收云端层的异常检测模型训练平台发送来的异常检测模型及其参数，完成存储，同时将异常检测模型及其参数发送到与之连接的所有边端；
步骤8：边端接收到云端层的异常检测模型库发送来的最新的异常检测模型及其参数，完成异常检测模型的更新，继续检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110667414.XA CN113596390B (zh) | 2021-06-16 | 2021-06-16 | 基于三层架构的变电站视频监控异常预警系统及实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110667414.XA CN113596390B (zh) | 2021-06-16 | 2021-06-16 | 基于三层架构的变电站视频监控异常预警系统及实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113596390A CN113596390A (zh) | 2021-11-02 |
| CN113596390B true CN113596390B (zh) | 2024-02-13 |
Family
ID=78243804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110667414.XA Active CN113596390B (zh) | 2021-06-16 | 2021-06-16 | 基于三层架构的变电站视频监控异常预警系统及实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113596390B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控系统和方法 |
| CN110750291A (zh) * | 2019-10-30 | 2020-02-04 | 苏州科达科技股份有限公司 | 边缘设备算法更新方法、系统、设备及存储介质 |
| CN111464780A (zh) * | 2020-03-12 | 2020-07-28 | 北京邮电大学 | 一种基于边云协同的风险行为预警系统、方法及装置 |
| CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
| CN111726625A (zh) * | 2020-06-17 | 2020-09-29 | 苏州甫腾智能科技有限公司 | 一种智能视觉感知处理方法、装置及智能视觉感知物联网终端 |
| CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
| CN112582144A (zh) * | 2020-12-21 | 2021-03-30 | 国网安徽省电力有限公司检修分公司 | 新型变压器呼吸器、控制中心及监控系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102752574B (zh) * | 2011-04-18 | 2015-01-28 | 中兴通讯股份有限公司 | 一种视频监控系统及方法 |
| US20210110310A1 (en) * | 2020-12-22 | 2021-04-15 | Intel Corporation | Methods and apparatus to verify trained models in an edge environment |
-
2021
- 2021-06-16 CN CN202110667414.XA patent/CN113596390B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控系统和方法 |
| CN110750291A (zh) * | 2019-10-30 | 2020-02-04 | 苏州科达科技股份有限公司 | 边缘设备算法更新方法、系统、设备及存储介质 |
| CN111464780A (zh) * | 2020-03-12 | 2020-07-28 | 北京邮电大学 | 一种基于边云协同的风险行为预警系统、方法及装置 |
| CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
| CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
| CN111726625A (zh) * | 2020-06-17 | 2020-09-29 | 苏州甫腾智能科技有限公司 | 一种智能视觉感知处理方法、装置及智能视觉感知物联网终端 |
| CN112582144A (zh) * | 2020-12-21 | 2021-03-30 | 国网安徽省电力有限公司检修分公司 | 新型变压器呼吸器、控制中心及监控系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于边缘计算与深度学习的输电设备异物检测方法;路艳巧 等;中国电力;第53卷(第06期);第27-33页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113596390A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103617705B (zh) | 一种基于规则的物联网报警方法和系统 | |
| CN101783970B (zh) | 摄像机故障自动检测和管理方法、装置和系统 | |
| CN103269355B (zh) | 智慧天网应用平台 | |
| CN108810462A (zh) | 一种基于位置信息的摄像机视频联动方法及系统 | |
| CN108257362B (zh) | 基于gis的交互式电子治安警察警备方法、系统及装置 | |
| CN103578228A (zh) | 一种暴雨洪涝灾害监测预警及应急响应系统与方法 | |
| CN108829558A (zh) | 一种数据中心告警智能运维管理方法及系统 | |
| CN211061895U (zh) | 基于物联网的施工现场边缘计算物联分析告警系统 | |
| CN102931724A (zh) | 电力输变电智能化视频监控系统 | |
| CN102120070A (zh) | 一种基于消防预警的自动灭火救援智能系统 | |
| CN204856114U (zh) | 智能机柜管理系统 | |
| CN109460744A (zh) | 一种基于深度学习的视频监控系统 | |
| CN206892701U (zh) | 一种电缆隧道监控系统 | |
| CN106097220A (zh) | 一种预案调派方法及装置 | |
| CN202385211U (zh) | 校园网络视频监控系统 | |
| CN108154663A (zh) | 一种安全检测预警系统 | |
| CN108881835A (zh) | 一种视频监控集中可视化运维管理的方法及系统 | |
| CN203192178U (zh) | 一种暴雨洪涝灾害监测预警及应急指挥装置 | |
| CN106375733A (zh) | 智能监控装置和系统 | |
| CN107748786B (zh) | 警情大数据管理系统 | |
| CN205405243U (zh) | 一种基于scada的智能污水管理系统 | |
| CN207895630U (zh) | 带环境感知及应急疏散指挥功能的监控系统 | |
| CN113596390B (zh) | 基于三层架构的变电站视频监控异常预警系统及实现方法 | |
| CN205594407U (zh) | 一种水位远程无线监测摄像系统 | |
| CN206292788U (zh) | 基于物联网的公共卫生间管理系统 |
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 |