CN113657542A - 一种多维度关联预警系统 - Google Patents
一种多维度关联预警系统 Download PDFInfo
- Publication number
- CN113657542A CN113657542A CN202110997415.0A CN202110997415A CN113657542A CN 113657542 A CN113657542 A CN 113657542A CN 202110997415 A CN202110997415 A CN 202110997415A CN 113657542 A CN113657542 A CN 113657542A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- task
- detection data
- module
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 claims abstract description 72
- 238000012216 screening Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000004140 cleaning Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000013210 evaluation model Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000003556 assay Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000779 smoke Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种多维度关联预警系统,涉及数据分析技术领域,解决了现有方案通过单一信息源进行预警,或者通过多个信息源简单叠加实现预警分析,导致预警系统可靠性低和预警精度不高的技术问题;本申请设置了数据采集模块,该设置与若干采集传感器通信和/或电气连接;检测数据进行数据清洗之后,发送至数据筛选模块,对检测数据进行特征筛选形成原始数据,根据原始数据获取预警标签;既能够提高数据来源的可靠性和预警精度,又能够提高处理器的数据处理效率;本发明在对原始数据进行分析时,既可以通过单一采集传感器的数据获取预警标签,也可以将单一采集传感器和预警区域内采集传感器的数据联合获取预警标签,适用场景更广,预警的准确度高。
Description
技术领域
本发明属于数据分析领域,涉及多传感器的数据融合分析技术,具体是一种多维度关联预警系统。
背景技术
传感器技术的发展带来的是获取信息的便捷程度大幅提升,同时促进了有关数据融合方面理论与技术的进步。数据融合技术的重点是对数据的优化和综合操作。在传感器网络中,若直接对不同传感器采集的信息进行简单的叠加处理,会破坏各个传感器信息之间的联系,且数据量大,难以处理。因此,数据融合技术是对同一客体的不同信息进行整合加工,得到更为准确、可靠、全面的信息。
现有预警系统大多通过单一信息源进行监测和预警,若该信息源发生异常,则系统的预警功能就形同虚设;即使建立了多个信息源,大多也是通过多个信息源的简单叠加处理实现预警功能,无法形成多种信息之间的互补,导致预警精度不足。因此,亟需一种基于多传感器的、可靠且预警精度高的关联预警系统。
发明内容
本发明提供了一种多维度关联预警系统,用于解决现有方案通过单一信息源进行预警,或者通过多个信息源简单叠加实现预警分析,导致预警系统可靠性低和预警精度不高的技术问题,本发明通过多传感器联合获取检测数据,并对检测数据进行特征筛选之后获取预警标签解决了上述问题。
本发明的目的可以通过以下技术方案实现:一种多维度关联预警系统,包括若干采集传感器和用于对采集传感器数据进行分析的融合预警系统;
所述融合预警系统包括数据采集模块、数据筛选模块、处理器和数据存储模块;所述数据采集模块与若干采集传感器通信和/或电气连接;
所述数据采集模块通过若干采集传感器实时获取检测数据,并将检测数据自动传输至数据筛选模块;其中,所述检测数据至少包括一个采集传感器采集的数据;
所述数据筛选模块根据预警任务对检测数据进行特征筛选,将特征筛选之后的检测数据标记为原始数据;所述预警任务至少包括常规任务和临时任务中的一种;所述常规任务和所述临时任务均包括预警类型、预警区域和预警人员;
所述处理器对原始数据进行融合分析形成预警标签,并根据预警标签进行预警。
优选的,在将所述检测数据自动传输至数据筛选模块之前,还对检测数据进行数据清洗;所述数据清洗包括删除重复值、缺失值处理、异常值处理和一致化处理。
优选的,在所述检测数据自动传输至数据筛选模块的过程中,根据设定周期或者数据总量来确定传输时刻;所述设定周期包括1秒、1分钟和1刻钟。
优选的,根据设定周期实现所述检测数据的传输,包括:
当数据采集模块接收到采集传感器的检测数据时,确定接收时刻,在接收时刻的基础上加上设定周期获取传输时刻;
在传输时刻将检测数据发送至数据筛选模块。
优选的,根据数据总量实现所述检测数据的传输,包括:
数据采集模块实时统计检测数据的数据总量;其中,检测数据指还未传输至数据筛选模块的数据;
当数据总量不小于数据量阈值时,则立即将检测数据传输至数据筛选模块;其中,数据量阈值为大于0的实数。
优选的,根据所述预警任务对检测数据进行特征筛选,包括:
解析预警任务,获取预警任务中的预警区域和预警类型;
筛选预警区域和预警类型对应的检测数据,并标记为原始数据。
优选的,当所述常规任务和所述临时任务同时处理时,根据处理器处理能力调整临时任务的处理优先级,包括:
当处理器的处理能力足够时,则将常规任务和临时任务设置为同一处理优先级;当处理器的处理能力不够时,则将临时任务的处理优先级设置的较常规任务高一个处理优先级;
待临时任务处理完成之后,或者处理器处理能力足够时,再及时调整临时任务的处理优先级。
优选的,所述预警标签的获取通过阈值对比,或者预警评估模型获取;其中,通过预警评估模型获取预警标签具体包括:
获取预警评估模型;所述预警评估模型通过支持向量机、深度卷积神经网络或者RBF神经网络训练获取;
将原始数据输入至预警评估模型获取原始数据对应的预警标签。
优选的,所述预警评估模型的获取包括:
获取标准训练数据;所述标准训练数据的数据属性与原始数据一致,且所述标准训练数据存储在数据存储模块中;
为标准训练数据设置预警标签;其中,预警标签的设置方式包括人工标注和机器标注;
构建人工智能模型;其中,人工智能模型包括支持向量机、深度卷积神经网络和RBF神经网络;
通过标准训练数据及对应的预警标签对人工智能模型进行训练,将训练完成的人工智能模型标记为预警评估模型。
优选的,所述处理器分别与数据采集模块、数据筛选模块、数据存储模块、智能终端通信和/或电气连接;所述数据采集模块和所述数据筛选模块通信和/或电气连接。
优选的,所述预警任务通过智能终端配置,所述智能终端包括智能手机、平板电脑和笔记本电脑。
优选的,所述采集传感器包括温度传感器、湿度传感器、压力传感器、位移传感器、加速度传感器和倾角传感器。
优选的,将所述原始数据和所述预警标签实时存储入数据存储模块中。
优选的,所述预警标签通过阈值对比和预警评估模型联合获取。
优选的,当预警区域中单一采集传感器对应的预警标签和同一预警区域同类型采集传感器对应的预警标签一致时,则通过智能终端进行预警。
与现有技术相比,本发明的有益效果是:
1、本申请设置了数据采集模块,该设置与若干采集传感器通信和/或电气连接;对若干采集传感器获取的检测数据进行数据清洗之后,发送至数据筛选模块,数据筛选模块对检测数据进行特征筛选形成原始数据,根据原始数据获取预警标签;既能够提高数据来源的可靠性和预警精度,又能够提高处理器的数据处理效率。
2、本发明在对原始数据进行分析时,既可以通过单一采集传感器的数据获取预警标签,也可以通过预警区域内的采集传感器的数据联合获取预警标签,还可以将单一采集传感器和预警区域内采集传感器的数据联合获取预警标签,适用场景更广,预警的准确度高。
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为本发明的系统原理示意图;
图2为本发明的工作步骤示意图;
图3为本发明火灾预警的步骤示意图。
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。
这里使用的术语用于描述实施例,并不意图限制和/或限制本公开;应该注意的是,除非上下文另有明确指示,否则单数形式的“一”、“一个”和“该”也包括复数形式;而且,尽管属于“第一”、“第二”等可以在本文中用于描述各种元件,但是元件不受这些术语的限制,这些术语仅用于区分一个元素和另一个元素。
请参阅图1-图2,本申请提供了一种多维度关联预警系统,包括若干采集传感器和用于对采集传感器数据进行分析的融合预警系统。
本申请中,采集传感器根据具体的预警领域来配置,如通过本申请实现火灾预警,则采集传感器包括温度传感器、烟雾传感器、火灾传感器和高清摄像头等能够实现火灾预警的传感器,采集传感器采集的数据即为检测数据。
本申请中的融合预警系统包括数据采集模块、数据筛选模块、智能终端、处理器和数据存储模块,处理器分别与数据采集模块、数据筛选模块、数据存储模块、智能终端通信和/或电气连接;数据采集模块和数据筛选模块通信和/或电气连接。值得注意的是,本申请中的数据采集模块同时与多个采集传感器通信连接,或者电气连接。本申请中的智能终端包括智能手机、平板电脑和笔记本电脑,智能终端主要用来设置预警任务以及接收预警信息并提醒预警人员。
本申请提供的一种多维度关联预警系统中,数据采集模块通过若干采集传感器实时获取检测数据,并将检测数据自动传输至数据筛选模块。
在将检测数据传输至数据筛选模块之前,还需要对检测数据进行数据清洗,数据清洗是为了清楚无用、错误的数据,具体包括删除重复值、缺失值处理、异常值处理和一致化处理。其中,一致化处理是将检测数据的数据类型、命名标准等进行统一,方便后续处理。
特别地,本申请中的检测数据不为空,即检测数据中至少包括一个采集传感器采集的数据。
值得注意的是,本申请中的检测数据是自动传输至数据筛选模块,通过设定周期或者数据总量来确定检测数据的传输时刻,在传输时刻,自动将检测数据发送至数据筛选模块。
通过设定周期来实现检测数据的自动传输,包括:
如设定周期为1秒时,则数据采集模块集中将过去1秒内采集的检测数据发送至数据筛选模块;
当数据采集模块接收到采集传感器的检测数据时,确定接收时刻,在接收时刻的基础上加上1秒获取传输时刻;在传输时刻将检测数据发送至数据筛选模块完成检测数据的自动传输。
通过数据总量来实现检测数据的自动传输,包括:
数据采集模块实时统计检测数据的数据总量;其中,检测数据指还未传输至数据筛选模块的数据;
当数据总量不小于数据量阈值时,则立即将检测数据传输至数据筛选模块;如检测数据的数据总量为1M,数据量阈值为0.5M时,则将这1M检测数据传输至数据筛选模块。值得注意的是,无论什么时候传输到数据筛选模块的检测数据都经过数据清洗。
本申请提供的一种多维度关联预警系统中,数据筛选模块根据预警任务对检测数据进行特征筛选,将特征筛选之后的检测数据标记为原始数据。
本申请的预警任务通过智能终端预先设置,预警任务包括预警类型、预警区域和预警人员。预警类型可以是安防领域中的火灾预警和入侵预警,也可以是车辆行驶过程中对车况的预警。
本申请中的预警任务包括常规任务和临时任务,如在对车辆车况的预警可以设置为常规任务,对车辆空调状态的预警可以设置为临时任务。值得注意的是常规任务和临时任务既可以单独执行,又可以单独执行;在常规任务和临时任务同时执行时,根据处理器的处理能力调整临时任务的优先级,包括:
当处理器的处理能力足够时,则将常规任务和临时任务设置为同一处理优先级;当处理器的处理能力不够时,则将临时任务的处理优先级设置的较常规任务高一个处理优先级;待临时任务处理完成之后,或者处理器处理能力足够时,再及时调整临时任务的处理优先级。
数据筛选模块根据预警任务对检测数据进行特征筛选,将特征筛选之后的检测数据标记为原始数据。
本申请中的特征筛选主要根据预警任务来进行筛选,包括:
解析预警任务,获取预警任务中的预警区域和预警类型;
通过预警区域对采集传感器进行筛选,将预警区域内采集传感器采集的检测数据标记为初筛数据,在通过预警类型对初筛数据筛选获取目标数据;如需要进行火灾预警,则将初筛数据中烟雾浓度、温度值、高清图像等作为目标数据,来判定预警区域内是否发生火灾。
在另外一些优选的实施例中,先通过预警类型对检测数据进行筛选获取初筛数据,再通过预警区域对初筛数据进行筛选获取目标数据;如对某个区域的火灾情况进行分析,先筛选火灾数据,在根据预警区域来判定火灾程度。
本申请提供的一种多维度关联预警系统中,处理器结合预警任务对原始数据进行融合分析形成预警标签,并根据预警标签进行预警。
本申请中,预警标签既可以通过阈值对比来获取,也可以通过预警评估模型来获取。
以火灾检测为例,通过阈值对比来获取预警标签,包括:
根据预警区域和预警类型对原始数据进行提取,将提取结果标记为目标数据;
当目标数据为单一火灾传感器的火灾数据时,当火灾数据大于火灾阈值,则判定预警区域发生火灾,将预警标签标记为1;否则,将预警标签标记为0;其中,火灾阈值为人为设定的判定火灾发生的临界值;
当目标数据为多个火灾传感器的火灾数据时,当火灾数据平均值大于火灾阈值,则判定预警区域发生火灾,将预警标签标记为1;否则,将预警标签标记为0。
通过预警评估模型获取预警标签,包括:
根据预警区域和预警类型对原始数据进行提取,将提取结果标记为目标数据;这里的目标数据是与火灾相关的数据,如温度、烟雾浓度等;
获取标准训练数据;标准训练数据的数据属性与上述目标数据一致,数据属性具体可以理解为数据类型,如温度、烟雾浓度;
通过人工标注为标准训练数据设置预警标签;此时的预警标签可以根据火灾等级来设置,如1,2,3……等整数;
通过标准训练数据及对应的预警标签对人工智能模型进行训练,将训练完成的人工智能模型标记为预警评估模型;
将目标数据输入至预警评估模型获取原始数据对应的预警标签。
值得注意的是,预警评估模型可以预先训练完成并存储在数据存储模块中,有助于提高数据处理效率;当然,在一些特殊场景下,也可以实时训练获取预警评估模型。
本申请提供的一种多维度关联预警系统中,在获取预警标签之后还会根据预警标签进行预警,其目的是为了提醒预警任务中的预警人员。
本申请还将原始数据和预警标签实时存储入数据存储模块,在数据采集模块和数据筛选模块已经对检测数据进行了筛选和清洗,既能够提高处理器的工作效率,又能够缓解数据存储的压力。
本申请中,预警标签通过阈值对比和预警评估模型联合获取,包括:
根据预警区域和预警类型对原始数据进行提取,将提取结果标记为目标数据;
当目标数据大于目标阈值,将评估标签设置为1;
将目标数据输入至预警评估模型获取预警标签;
当预警标签和评估标签均为1时,则根据预警标签进行预警。
请参阅图3,针对上述技术方案,接下来通过火灾预警实例来进行解释。
通过采集传感器获取火灾数据,将火灾数据传输至数据采集模块;本实施例中的火灾数据包括温度、湿度、烟雾浓度和高清图像;
数据采集模块对火灾数据进行数据清洗之后,按照1秒的设定周期将清洗之后的火灾数据自动上传至数据筛选模块;
数据筛选模块根据预警任务对火灾数据进行筛选,将筛选之后的火灾数据标记为原始数据;本实施例限定为火灾预警,所以不再需要根据预警类型来对采集的数据进行筛选;
将原始数据输入至预警评估模型之后获取预警标签,将预警标签发送至预警任务中预警人员的智能终端上,实现火灾预警。
本发明的工作原理:
通过若干采集传感器实时获取检测数据,并按照设定周期或者数据总量将检测数据自动传输至数据筛选模块;根据预警任务中的预警区域和预警类型对检测数据进行特征筛选,将特征筛选之后的数据标记为原始数据;对原始数据进行融合分析形成预警标签,并根据预警标签进行预警。
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 (9)
1.一种多维度关联预警系统,包括若干采集传感器和用于对采集传感器数据进行分析的融合预警系统,其特征在于,包括:
所述融合预警系统包括数据采集模块、数据筛选模块、处理器和数据存储模块;所述数据采集模块与若干采集传感器通信和/或电气连接;
所述数据采集模块通过若干采集传感器实时获取检测数据,并将检测数据自动传输至数据筛选模块;其中,所述检测数据至少包括一个采集传感器采集的数据;
所述数据筛选模块根据预警任务对检测数据进行特征筛选,将特征筛选之后的检测数据标记为原始数据;所述预警任务至少包括常规任务和临时任务中的一种;所述常规任务和所述临时任务均包括预警类型、预警区域和预警人员;
所述处理器对原始数据进行融合分析形成预警标签,并根据预警标签进行预警。
2.根据权利要求1所述的一种多维度关联预警系统,其特征在于,在将所述检测数据自动传输至数据筛选模块之前,还对检测数据进行数据清洗;所述数据清洗包括删除重复值、缺失值处理、异常值处理和一致化处理。
3.根据权利要求1所述的一种多维度关联预警系统,其特征在于,在所述检测数据自动传输至数据筛选模块的过程中,根据设定周期或者数据总量来确定传输时刻。
4.根据权利要求3所述的一种多维度关联预警系统,其特征在于,根据数据总量实现所述检测数据的传输,包括:
数据采集模块实时统计检测数据的数据总量;其中,检测数据指还未传输至数据筛选模块的数据;
当数据总量不小于数据量阈值时,则立即将检测数据传输至数据筛选模块;其中,数据量阈值为大于0的实数。
5.根据权利要求1所述的一种多维度关联预警系统,其特征在于,根据所述预警任务对检测数据进行特征筛选,包括:
解析预警任务,获取预警任务中的预警区域和预警类型;
筛选预警区域和预警类型对应的检测数据,并标记为原始数据。
6.根据权利要求1所述的一种多维度关联预警系统,其特征在于,当所述常规任务和所述临时任务同时处理时,根据处理器处理能力调整临时任务的处理优先级,包括:
当处理器的处理能力足够时,则将常规任务和临时任务设置为同一处理优先级;当处理器的处理能力不够时,则将临时任务的处理优先级设置的较常规任务高一个处理优先级;
待临时任务处理完成之后,或者处理器处理能力足够时,再及时调整临时任务的处理优先级。
7.根据权利要求1所述的一种多维度关联预警系统,其特征在于,所述预警标签的获取通过阈值对比,或者预警评估模型获取;其中,通过预警评估模型获取预警标签具体包括:
获取预警评估模型;所述预警评估模型通过支持向量机、深度卷积神经网络或者RBF神经网络训练获取;
将原始数据输入至预警评估模型获取原始数据对应的预警标签。
8.根据权利要求7所述的一种多维度关联预警系统,其特征在于,所述预警评估模型提前完成训练并存储在数据存储模块中,或者实时训练获取。
9.根据权利要求1所述的一种多维度关联预警系统,其特征在于,所述处理器分别与数据采集模块、数据筛选模块、数据存储模块、智能终端通信和/或电气连接;所述数据采集模块和所述数据筛选模块通信和/或电气连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997415.0A CN113657542A (zh) | 2021-08-27 | 2021-08-27 | 一种多维度关联预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997415.0A CN113657542A (zh) | 2021-08-27 | 2021-08-27 | 一种多维度关联预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657542A true CN113657542A (zh) | 2021-11-16 |
Family
ID=78493112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110997415.0A Pending CN113657542A (zh) | 2021-08-27 | 2021-08-27 | 一种多维度关联预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657542A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024107150A1 (en) * | 2022-11-16 | 2024-05-23 | T.C. Uskudar Universitesi | Artificial intelligence assisted explosion early warning tracking system and method in storage areas of flammable and combustible chemical liquids |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170105106A1 (en) * | 2015-01-19 | 2017-04-13 | Hsiang-Fong Tsai | Early-warning system for disasters |
CN108399709A (zh) * | 2018-05-03 | 2018-08-14 | 温利军 | 多功能远程监控报警系统以及监测方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112349058A (zh) * | 2020-11-07 | 2021-02-09 | 杭州集联科技有限公司 | 一种基于物联网的区域安全报警系统 |
CN112613789A (zh) * | 2020-12-29 | 2021-04-06 | 太平金融科技服务(上海)有限公司 | 风险管控数据处理方法、风险预警规则前置数据监控方法 |
CN112711053A (zh) * | 2021-01-15 | 2021-04-27 | 千居智人工智能科技昆山有限公司 | 一种通信网络安全运营自动化监测与预警系统 |
CN113284026A (zh) * | 2021-01-19 | 2021-08-20 | 惠州迅云数字信息技术有限公司 | 一种大数据智慧园区管理系统 |
-
2021
- 2021-08-27 CN CN202110997415.0A patent/CN113657542A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170105106A1 (en) * | 2015-01-19 | 2017-04-13 | Hsiang-Fong Tsai | Early-warning system for disasters |
CN108399709A (zh) * | 2018-05-03 | 2018-08-14 | 温利军 | 多功能远程监控报警系统以及监测方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112349058A (zh) * | 2020-11-07 | 2021-02-09 | 杭州集联科技有限公司 | 一种基于物联网的区域安全报警系统 |
CN112613789A (zh) * | 2020-12-29 | 2021-04-06 | 太平金融科技服务(上海)有限公司 | 风险管控数据处理方法、风险预警规则前置数据监控方法 |
CN112711053A (zh) * | 2021-01-15 | 2021-04-27 | 千居智人工智能科技昆山有限公司 | 一种通信网络安全运营自动化监测与预警系统 |
CN113284026A (zh) * | 2021-01-19 | 2021-08-20 | 惠州迅云数字信息技术有限公司 | 一种大数据智慧园区管理系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024107150A1 (en) * | 2022-11-16 | 2024-05-23 | T.C. Uskudar Universitesi | Artificial intelligence assisted explosion early warning tracking system and method in storage areas of flammable and combustible chemical liquids |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472510A (zh) | 基于红外及可见图像的电力设备故障检测方法及评估设备 | |
CN113793234B (zh) | 基于数字孪生技术的智慧园区平台 | |
US11935378B2 (en) | Intrusion detection methods and devices | |
CN110807460B (zh) | 一种基于图像识别的变电站智能巡视系统及其应用方法 | |
CN112478483B (zh) | 一种危化品常压储罐自动化监测预警方法及系统 | |
CN109543607A (zh) | 目标物异常状态检测方法、系统、监护系统及存储介质 | |
CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
CN114882688A (zh) | 一种基于边缘计算的酒吧安全监测系统 | |
CN113657542A (zh) | 一种多维度关联预警系统 | |
CN115269438A (zh) | 针对图像处理算法的自动化测试方法及装置 | |
CN114627394A (zh) | 一种基于无人机的渣土车套牌识别方法及系统 | |
CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
CN110430261A (zh) | 探测设备故障处理方法及装置 | |
CN111753587A (zh) | 一种倒地检测方法及装置 | |
CN112669486B (zh) | 一种智慧安防巡检管理系统 | |
CN112016380A (zh) | 野生动物监测方法及系统 | |
CN115841730A (zh) | 视频监控系统、异常事件检测方法 | |
CN114488337A (zh) | 一种高空抛物检测方法及装置 | |
CN114283367A (zh) | 用于园区火灾预警的人工智能明火探测方法及系统 | |
CN110443197A (zh) | 一种视觉场景智能理解方法及系统 | |
CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
CN116248830A (zh) | 一种基于天基物联网的野生动物识别方法、终端及系统 | |
CN118172711A (zh) | 一种ai大数据智能管理方法及系统 | |
CN116723215A (zh) | 一种大数据分析方法及系统 | |
CN114913459A (zh) | 一种群体客流检测系统 |
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 |