CN113762225A - 一种化工车间用自动监控报警系统 - Google Patents
一种化工车间用自动监控报警系统 Download PDFInfo
- Publication number
- CN113762225A CN113762225A CN202111316659.4A CN202111316659A CN113762225A CN 113762225 A CN113762225 A CN 113762225A CN 202111316659 A CN202111316659 A CN 202111316659A CN 113762225 A CN113762225 A CN 113762225A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- module
- unit
- generating
- electric quantity
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 86
- 239000000126 substance Substances 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 22
- 230000006870 function Effects 0.000 description 26
- 230000008569 process Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000003889 chemical engineering Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Emergency Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及车间监管技术领域，具体公开了一种化工车间用自动监控报警系统，所述系统包括总控端和监测端，所述总控端用于接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，并根据分析结果生成供电指令；接收采样端上传的电流数据和监测端发送的区域图像，并基于电流数据和区域图像生成警示信息；监测端用于定时获取区域图像，基于所述区域图像对工作人员进行分析，根据分析结果生成警示信息。本发明通过监测端和总控端配合，共同基于图像及一些电路数据对车间进行整体监控，监控过程非常完善，便于推广使用。
Description
技术领域
本发明涉及车间监管技术领域，具体是一种化工车间用自动监控报警系统。
背景技术
化工车间的潜在危险很多，而且化工车间中有很多化学用品，这些潜在危险很容易酿成很严重的后果，因此，需要对化工车间进行监管。
现有技术背景下的化工车间，机械化水平都较高，许多工作都由自动化设备来完成，可以想到，这些自动化设备的体积很大，相应的，它的功率非常高；当自动化设备数量增多时，电路问题就成了一个比较大的隐患，这是需要监管的内容。
除此之外，化工车间还包含着许多人为的安全隐患，人为问题的产生一般都因为工作人员的“冒险”，即，不按照工作规程进行违规操作产生的。虽然这种违规操作造成的影响一般比设备问题造成的整体影响要小，但是对于个人来说，这种违规操作的影响又比设备问题造成的影响要大，而且其发生频率极高。
现有的化工车间监控系统对于上述人为问题的监控几乎是缺失的，仅通过一些简单的传感器对设备进行监测，监控能力很低。
发明内容
本发明的目的在于提供一种化工车间用自动监控报警系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种化工车间用自动监控报警系统，所述系统包括：
总控端，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息；
监测端，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
作为本发明技术方案进一步的限定：所述总控端包括：
参考模块，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；
可行概率生成模块，用于接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；
稳定性分析模块，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；
特征识别模块，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息。
作为本发明技术方案进一步的限定：所述监测端包括：
轮廓识别模块，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；
级别确定模块，用于对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；
权限判定模块，用于获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；
图像采集模块，用于当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
作为本发明技术方案进一步的限定：所述采样端包括：
队列生成模块，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；
电流数据获取模块，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；
定时上传模块，用于定时建立与所述总控端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控端。
作为本发明技术方案进一步的限定：所述参考模块的步骤包括：
数据库连接单元，用于建立与供能数据库的连接通道，并基于所述车间数据遍历所述供能数据库；
相似度计算单元，用于依次计算所述供能数据库中企业与该车间的相似度，并将所述相似度与预设的相似阈值之间进行比对；
标记单元，用于当所述相似度达到预设的相似阈值时，标记相应企业，并读取相应的供能数据；
显示单元，用于根据所述供能数据生成参考电量并显示。
作为本发明技术方案进一步的限定：所述可行概率生成模块的步骤包括：
模型分析单元，用于接收用户预测电量，将所述用户预测电量输入分析函数，生成热流量变化率；
极限确定单元，用于确定工作时间，根据所述工作时间确定极限热流量；
第一处理执行单元，用于根据极限热流量确定风险概率，并根据所述风险概率得到可行概率。
作为本发明技术方案进一步的限定：所述稳定性分析模块包括：
第一比对单元，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；
时间计算单元，用于当所述电流数据大于预设的电流阈值时，更新持续时间；
第二比对单元，用于比对所述持续时间与预设的时间阈值；
第二处理执行单元，当所述持续时间大于预设的时间阈值时，生成应急指令；
其中，所述持续时间在一定时间内未更新时，执行清零操作。
作为本发明技术方案进一步的限定：所述稳定性分析模块还包括：
识别码读取单元，用于接收应急指令，读取队列识别码；
地址确定单元，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；
指令发送单元，用于根据所述监测端地址向对应监测端发送图像获取指令。
作为本发明技术方案进一步的限定：所述监测端还包括人数监测模块，所述人数监测模块包括：
理论人数计算单元，用于根据考勤表获取该区域的理论人数；
实际人数计算单元，用于根据所述色彩识别结果计算含有工人级别的实际人数；
第一信息生成单元，用于根据所述实际人数和所述理论人数生成警示信息。
作为本发明技术方案进一步的限定：所述监测端还包括音频监测模块，所述音频监测模块包括：
降噪处理单元，用于获取区域的音频信息，对音频信息进行降噪处理；
人声识别单元，用于对所述降噪处理后的音频信息进行人声识别，判断所述音频是否为人声信号；
内容识别单元，用于当所述有效波段为人声信号时，对所述有效波段进行内容识别，得到文本文件；
第二信息生成单元，用于对所述文本进行敏感度分析，当所述敏感度达到预设的敏感阈值时，生成警示信息。
与现有技术相比，本发明的有益效果是：本发明通过监测端和总控端配合，共同基于图像及一些电路数据对车间进行整体监控，监控过程非常完善，便于推广使用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1示出了化工车间用自动监控报警系统中总控端的组成结构框图。
图2示出了化工车间用自动监控报警系统中监测端的组成结构框图。
图3示出了总控端中参考模块的组成结构框图。
图4示出了总控端中可行概率生成模块的组成结构框图。
图5示出了总控端中稳定性分析模块的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
本发明实施例中，一种化工车间用自动监控报警系统，所述系统包括：
总控端10，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息；
监测端20，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
我们知道，化工车间的潜在危险很多，而且化工车间中有很多化学用品，这些潜在危险很容易酿成很严重的后果，因此，需要对化工车间进行监管。
现有技术背景下的化工车间，机械化水平都较高，许多工作都由自动化设备来完成，可以想到，这些自动化设备的体积很大，相应的，它的功率非常高；当自动化设备数量增多时，电路问题就成了一个比较大的隐患，因此，需要对化工车间的用电系统进行自动监控。
除此之外，化工车间还包含着许多人为的安全隐患，其中，大多数人为问题的产生都是因为工作人员的“冒险”，即，不按照工作规程进行的违规操作。虽然这种违规操作造成的影响一般比设备问题造成的影响要小，但是对于个人来说，这种违规操作的影响又比设备问题造成的影响要大，而且其高频性也导致人为问题的高发性。因此，在对化工车间的用电系统进行自动监控，还需要对工作人员进行一定程度上的监控。
图1示出了化工车间用自动监控报警系统中总控端的组成结构框图，所述总控端10包括：
参考模块11，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；
可行概率生成模块12，用于接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；
稳定性分析模块13，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；
特征识别模块14，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息。
上述内容是对总控端10的细化，将总控端10的功能分为四个相互独立的模块，其中，参考模块11的目的是生成一个参考电量，用于车间管理人员的电量申请；其中，所述备案信息是很简单的一个编号数据，代表着该车间在备案表中的索引；根据备案信息可以查询车间数据，车间数据代表着一个车间的大小，与设备量、设备型号、工作时间等数据有关。
可行概率生成模块12用于接收用户的供电请求，如果供电请求在一定范围内，那么可以生成供电指令，如果用户输入的供电请求远超出允许的范围，那自然是不合适的。
稳定性分析模块13用于在供电过程中对电路进行监测，如果电路中的电流出现问题，那么电路发生风险的可能性就会很大。
特征识别模块14是一个兜底模块，用于根据图像判断是否出现问题，可以想到，如果这个问题能够从表面观察到，那么这个问题就已经很严重了；比如，线路起火等问题。
图2示出了化工车间用自动监控报警系统中监测端的组成结构框图，所述监测端20包括：
轮廓识别模块21，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；
级别确定模块22，用于对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；
权限判定模块23，用于获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；
图像采集模块24，用于当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
上述内容对监测端20进行了进一步的限定，主要是对工作人员进行监控，在车间工作的工作人员，有很容易观察到的特征，就是安全帽的颜色，不同颜色的帽子就代表着不同的权限；举例来说，如果蓝帽子的实习人员到了如机房一样的重地，那显示是需要警示的，当然，还可以在此基础上增设距离判定功能，如果蓝帽子的一定范围内有个红帽或是黄帽，那就可以认为他是根据老员工学习，无须生成警示信息。
值得一提的是，警示信息可以上传至总控端，也可以基于警示信息生成一些音频，直接起到警示作用。
级别确定模块22的目的是确定工人级别，这一模块的核心功能在于通过安全帽的颜色来判断工作人员的级别；在轮廓识别模块21对区域图像进行轮廓识别之后，可以得到工人轮廓，然后再依次遍历所述工人轮廓中的各个像素点，可以获取各个像素点的色值，由于安全帽的颜色是相同的，根据色值在所述工人轮廓中进一步识别安全帽区域并不困难；
在安全帽区域中，大部分色值都在一定的色值范围之内，所述色值范围与某个颜色对应，根据色值确定这一色值范围即可确定安全帽的颜色，所述颜色就代表了工人级别。
优选的，在根据色值在所述工人轮廓中进一步识别安全帽区域的过程中，可以先将工人轮廓转换为灰度图像，可以极大的简化比对过程。
具体的，上述内容中，所述采样端包括：
队列生成模块，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；
电流数据获取模块，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；
定时上传模块，用于定时建立与所述总控端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控端。
上述队列的运用，其实是提供一个数据缓冲的功能，如果预设长度足够长，长到能够存储一天、一周或更长时间的数据，那么，所述数据缓冲功能也就成为了本地存储的功能。
图3示出了总控端中参考模块的组成结构框图，所述参考模块11的步骤包括：
数据库连接单元111，用于建立与供能数据库的连接通道，并基于所述车间数据遍历所述供能数据库；
相似度计算单元112，用于依次计算所述供能数据库中企业与该车间的相似度，并将所述相似度与预设的相似阈值之间进行比对；
标记单元113，用于当所述相似度达到预设的相似阈值时，标记相应企业，并读取相应的供能数据；
显示单元114，用于根据所述供能数据生成参考电量并显示。
参考模块的核心是相似度比对，在程序设计过程中，这是很容易实现的，但中需要说明的是，车间数据中往往有不同的数据，比如员工数量，员工工作时长等等，其权重是不同的，我们在基于所述车间数据遍历所述供能数据库的过程中，可以预先规定一个先后顺序，这也就实现了不同数据的重要性是不同的。当然，具体设计与实际情况的关联性较强，本发明不作赘述。
图4示出了总控端中可行概率生成模块的组成结构框图，所述可行概率生成模块12的步骤包括：
模型分析单元121，用于接收用户预测电量，将所述用户预测电量输入分析函数，生成热流量变化率；
极限确定单元122，用于确定工作时间，根据所述工作时间确定极限热流量；
第一处理执行单元123，用于根据极限热流量确定风险概率，并根据所述风险概率得到可行概率。
上述内容提供了一种交互式的供电方案，车间的工作大都是24小时的多班轮换，相应的，供电请求的间隔时间应该要长一些，比如一周或是一个月请求一次。
在持续供电过程中，一定会产热，而产热又会影响供电过程，这是一个正循环过程，所以，热流量是一个变化的值，我们在通过热流量进行风险判断时，采取的一定是边界条件，即，热流量最大值是多少，如果最大热流量状态下都是安全的，那么其它状态也是安全的。
分析函数的输入是预测电量，输出是热流量变化率，这一过程中需要一个转换过程。确定分析函数最简单的办法便是采取样本数据，然后根据样本数据进行拟合，得到分析函数，可以想到，此函数与实际样本数据是相关的，因此，它并非是一个可以预先确定的函数；实际上，本发明属于工程范畴，分析函数也只有通过样本拟合的方式才具有实际意义。
图5示出了总控端中稳定性分析模块的组成结构框图，所述稳定性分析模块13包括：
第一比对单元131，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；
时间计算单元132，用于当所述电流数据大于预设的电流阈值时，更新持续时间；
第二比对单元133，用于比对所述持续时间与预设的时间阈值；
第二处理执行单元134，当所述持续时间大于预设的时间阈值时，生成应急指令；
其中，所述持续时间在一定时间内未更新时，执行清零操作。
上述内容可以类比于嵌入式开发中的“防抖功能”，它防止的是，由于一些特殊原因，比如采样端的波动问题，产生的一些跳动数据，这些数据的实际意义不大，因此，只有当电流数据在持续的一段时间内一直大于电流阈值时，才能认为可能出现了问题。
进一步的，所述稳定性分析模块还包括：
识别码读取单元，用于接收应急指令，读取队列识别码；
地址确定单元，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；
指令发送单元，用于根据所述监测端地址向对应监测端发送图像获取指令。
队列识别码和采样端地址之间为映射关系，极端情况下，它们可以是相同的，根据所述采样端地址确定监测端地址也是预先设置好的映射关系，真正的确定过程就是简单的表格读取操作。
实施例2
与实施例1不同的是，在本发明实施例中，所述监测端还包括人数监测模块，所述人数监测模块包括：
理论人数计算单元，用于根据考勤表获取该区域的理论人数；
实际人数计算单元，用于根据所述色彩识别结果计算含有工人级别的实际人数；
第一信息生成单元，用于根据所述实际人数和所述理论人数生成警示信息。
上述内容提供了一种基于人数的员工监控方式，在监测端原有的图像处理功能的基础上，计算实际人数是非常简单的一项操作，可以想到，如果一个车间内的人过多或过少，都是不正常的，这个不正常是相对于日常情况来说；此外，这一警示信息大都是上传至总控端，让管理人员了解即可。
作为本发明技术方案的一个优选实施例，所述监测端还包括音频监测模块，所述音频监测模块包括：
降噪处理单元，用于获取区域的音频信息，对音频信息进行降噪处理；
人声识别单元，用于对所述降噪处理后的音频信息进行人声识别，判断所述音频是否为人声信号；
内容识别单元，用于当所述有效波段为人声信号时，对所述有效波段进行内容识别，得到文本文件；
第二信息生成单元，用于对所述文本进行敏感度分析，当所述敏感度达到预设的敏感阈值时，生成警示信息。
上述内容提供了一种特殊人员监控方式，在语音识别极速发展的背景下，借助语音识别功能，可以识别出工作人员们的聊天语句；实际上，在进行文本转换之前，可以增设一个比对过程，只有工作人员说出一些敏感词汇，或者识别到工作人员的语速较快，或者声音较大的时候，才进行文本识别。
上述化工车间用自动监控报警系统所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述化工车间用自动监控报警系统的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器 （Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列 （Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种化工车间用自动监控报警系统，其特征在于，所述系统包括：总控端，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息；监测端，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
2.根据权利要求1所述的化工车间用自动监控报警系统，其特征在于，所述总控端包括：参考模块，用于接收含有备案信息的供能请求，根据所述备案信息获取车间数据，根据所述车间数据生成参考电量并显示；其中，所述车间数据至少包括车间规模和设备工作时间；可行概率生成模块，用于接收用户输入的预测电量，将所述预测电量输入训练好的分析模型，得到可行概率，当所述可行概率大于预设的可行阈值时，生成供电指令；稳定性分析模块，用于接收采样端上传的电流数据及相应的队列识别码，对所述电流数据进行稳定性分析，根据稳定性分析结果和所述队列识别码向监测端发送图像获取指令；特征识别模块，用于接收监测端发送的区域图像，对所述区域图像进行特征识别，根据特征识别结果生成警示信息。
3.根据权利要求1所述的化工车间用自动监控报警系统，其特征在于，所述监测端包括：轮廓识别模块，用于定时获取区域图像，对所述区域图像进行轮廓识别，得到工人轮廓；级别确定模块，用于对所述工人轮廓进行色彩识别，根据色彩识别结果确定工人级别；权限判定模块，用于获取区域的权限级别，比对所述工人级别和所述权限级别，根据比对结果生成警示信息；图像采集模块，用于当接收总控端发送的图像获取指令时，调整图像获取频率，并实时将所述区域图像向总控端发送。
4.根据权利要求2所述的化工车间用自动监控报警系统，其特征在于，所述采样端包括：队列生成模块，用于基于预设长度生成电流队列；其中，所述电流队列具有与所述采样端一一对应的识别码；电流数据获取模块，用于根据预设的采样频率获取供电端口处的电流数据，并将获取到的电流数据插入所述电流队列中；定时上传模块，用于定时建立与所述总控端的连接通道，从所述电流队列的头部依次将所述电流数据及相应的队列识别码上传至所述总控端。
5.根据权利要求2所述的化工车间用自动监控报警系统，其特征在于，所述参考模块的步骤包括：数据库连接单元，用于建立与供能数据库的连接通道，并基于所述车间数据遍历所述供能数据库；相似度计算单元，用于依次计算所述供能数据库中企业与该车间的相似度，并将所述相似度与预设的相似阈值之间进行比对；标记单元，用于当所述相似度达到预设的相似阈值时，标记相应企业，并读取相应的供能数据；显示单元，用于根据所述供能数据生成参考电量并显示。
6.根据权利要求2所述的化工车间用自动监控报警系统，其特征在于，所述可行概率生成模块的步骤包括：模型分析单元，用于接收用户预测电量，将所述用户预测电量输入分析函数，生成热流量变化率；极限确定单元，用于确定工作时间，根据所述工作时间确定极限热流量；第一处理执行单元，用于根据极限热流量确定风险概率，并根据所述风险概率得到可行概率。
7.根据权利要求6所述的化工车间用自动监控报警系统，其特征在于，所述稳定性分析模块包括：第一比对单元，用于接收采样端上传的电流数据，比对所述电流数据与预设的电流阈值；时间计算单元，用于当所述电流数据大于预设的电流阈值时，更新持续时间；第二比对单元，用于比对所述持续时间与预设的时间阈值；第二处理执行单元，当所述持续时间大于预设的时间阈值时，生成应急指令；其中，所述持续时间在一定时间内未更新时，执行清零操作。
8.根据权利要求7所述的化工车间用自动监控报警系统，其特征在于，所述稳定性分析模块还包括：识别码读取单元，用于接收应急指令，读取队列识别码；地址确定单元，用于根据所述队列识别码确定采样端地址，基于所述采样端地址确定监测端地址；指令发送单元，用于根据所述监测端地址向对应监测端发送图像获取指令。
9.根据权利要求3所述的化工车间用自动监控报警系统，其特征在于，所述监测端还包括人数监测模块，所述人数监测模块包括：理论人数计算单元，用于根据考勤表获取该区域的理论人数；实际人数计算单元，用于根据所述色彩识别结果计算含有工人级别的实际人数；第一信息生成单元，用于根据所述实际人数和所述理论人数生成警示信息。
10.根据权利要求9所述的化工车间用自动监控报警系统，其特征在于，所述监测端还包括音频监测模块，所述音频监测模块包括：降噪处理单元，用于获取区域的音频信息，对音频信息进行降噪处理；人声识别单元，用于对所述降噪处理后的音频信息进行人声识别，判断所述音频是否为人声信号；内容识别单元，用于当所述有效波段为人声信号时，对所述有效波段进行内容识别，得到文本文件；第二信息生成单元，用于对所述文本进行敏感度分析，当所述敏感度达到预设的敏感阈值时，生成警示信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111316659.4A CN113762225B (zh) | 2021-11-09 | 2021-11-09 | 一种化工车间用自动监控报警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111316659.4A CN113762225B (zh) | 2021-11-09 | 2021-11-09 | 一种化工车间用自动监控报警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113762225A true CN113762225A (zh) | 2021-12-07 |
| CN113762225B CN113762225B (zh) | 2022-02-11 |
Family
ID=78784637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111316659.4A Active CN113762225B (zh) | 2021-11-09 | 2021-11-09 | 一种化工车间用自动监控报警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113762225B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548969A (zh) * | 2021-12-29 | 2022-05-27 | 广东飞企互联科技股份有限公司 | 一种基于大数据的园区通支付管理系统及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102723785A (zh) * | 2012-07-03 | 2012-10-10 | 广东电网公司电力科学研究院 | 基于大用户智能终端采集的电力负荷预测方法和系统 |
| CN104486587A (zh) * | 2014-12-20 | 2015-04-01 | 江阴市电工合金有限公司 | 一种电工合金车间未成年人类型识别方法 |
| WO2015157643A1 (en) * | 2014-04-10 | 2015-10-15 | Vega-Avila Rolando | Solar energy forecasting |
| CN105023053A (zh) * | 2015-04-27 | 2015-11-04 | 中国南方电网有限责任公司电网技术研究中心 | 电量分配方法及系统 |
| CN107239851A (zh) * | 2017-04-26 | 2017-10-10 | 广西电网有限责任公司电力科学研究院 | 一种面向轨道交通的用电指标预测的方法 |
| CN108694478A (zh) * | 2018-07-09 | 2018-10-23 | 广西电网有限责任公司电力科学研究院 | 一种考虑电量预测偏差的售电风险指标计算方法 |
| CN108764651A (zh) * | 2018-04-28 | 2018-11-06 | 昆明电力交易中心有限责任公司 | 一种考虑来水不确定性的水电站月最优交易电量估计方法 |
| CN108898802A (zh) * | 2018-07-11 | 2018-11-27 | 宁夏诺克银丰智能科技有限公司 | 一种干电池供电的可燃有毒气体智能报警器系统 |
| CN110148026A (zh) * | 2019-05-23 | 2019-08-20 | 清科优能(深圳)技术有限公司 | 一种企业月最大需量预测方法 |
| CN111126885A (zh) * | 2020-03-31 | 2020-05-08 | 深圳市朝阳辉电气设备有限公司 | 一种基于物联网的智慧用电调度方法及系统 |
| CN111931706A (zh) * | 2020-09-16 | 2020-11-13 | 清华大学 | 施工现场的人机碰撞预警方法及系统 |
| CN112418921A (zh) * | 2020-11-11 | 2021-02-26 | 深圳力维智联技术有限公司 | 用电需量预测方法、装置、系统与计算机存储介质 |
| CN112712230A (zh) * | 2020-10-22 | 2021-04-27 | 国网浙江省电力有限公司龙游县供电公司 | 一种电力现场作业风险管控方法及系统 |
| CN113205223A (zh) * | 2021-05-17 | 2021-08-03 | 上海电力大学 | 一种电量预测系统及其预测方法 |
| CN113419226A (zh) * | 2021-08-24 | 2021-09-21 | 四川锦美环保股份有限公司 | 一种雷达故障检修系统 |
-
2021
- 2021-11-09 CN CN202111316659.4A patent/CN113762225B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102723785A (zh) * | 2012-07-03 | 2012-10-10 | 广东电网公司电力科学研究院 | 基于大用户智能终端采集的电力负荷预测方法和系统 |
| WO2015157643A1 (en) * | 2014-04-10 | 2015-10-15 | Vega-Avila Rolando | Solar energy forecasting |
| CN104486587A (zh) * | 2014-12-20 | 2015-04-01 | 江阴市电工合金有限公司 | 一种电工合金车间未成年人类型识别方法 |
| CN105023053A (zh) * | 2015-04-27 | 2015-11-04 | 中国南方电网有限责任公司电网技术研究中心 | 电量分配方法及系统 |
| CN107239851A (zh) * | 2017-04-26 | 2017-10-10 | 广西电网有限责任公司电力科学研究院 | 一种面向轨道交通的用电指标预测的方法 |
| CN108764651A (zh) * | 2018-04-28 | 2018-11-06 | 昆明电力交易中心有限责任公司 | 一种考虑来水不确定性的水电站月最优交易电量估计方法 |
| CN108694478A (zh) * | 2018-07-09 | 2018-10-23 | 广西电网有限责任公司电力科学研究院 | 一种考虑电量预测偏差的售电风险指标计算方法 |
| CN108898802A (zh) * | 2018-07-11 | 2018-11-27 | 宁夏诺克银丰智能科技有限公司 | 一种干电池供电的可燃有毒气体智能报警器系统 |
| CN110148026A (zh) * | 2019-05-23 | 2019-08-20 | 清科优能(深圳)技术有限公司 | 一种企业月最大需量预测方法 |
| CN111126885A (zh) * | 2020-03-31 | 2020-05-08 | 深圳市朝阳辉电气设备有限公司 | 一种基于物联网的智慧用电调度方法及系统 |
| CN111931706A (zh) * | 2020-09-16 | 2020-11-13 | 清华大学 | 施工现场的人机碰撞预警方法及系统 |
| CN112712230A (zh) * | 2020-10-22 | 2021-04-27 | 国网浙江省电力有限公司龙游县供电公司 | 一种电力现场作业风险管控方法及系统 |
| CN112418921A (zh) * | 2020-11-11 | 2021-02-26 | 深圳力维智联技术有限公司 | 用电需量预测方法、装置、系统与计算机存储介质 |
| CN113205223A (zh) * | 2021-05-17 | 2021-08-03 | 上海电力大学 | 一种电量预测系统及其预测方法 |
| CN113419226A (zh) * | 2021-08-24 | 2021-09-21 | 四川锦美环保股份有限公司 | 一种雷达故障检修系统 |
Non-Patent Citations (4)
| Title |
|---|
| H. LI 等: "A statistical model for risk management of electric outage forecasts", 《IBM J.RES & DEV》 * |
| TAO HONG 等: "Probabilistic electric load forecasting: A tutorial review", 《INTERNATIONAL JOURNAL OF FORECASTING》 * |
| 倪林安: "智慧用电监控系统在电气火灾中的应用", 《电子技术与软件工程》 * |
| 刘宣 等: "基于概率预测的用电采集终端电量异常在线实时识别方法", 《电力系统保护与控制》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548969A (zh) * | 2021-12-29 | 2022-05-27 | 广东飞企互联科技股份有限公司 | 一种基于大数据的园区通支付管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113762225B (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109686036B (zh) | 一种火灾监控方法、装置及边缘计算装置 | |
| CN111177714A (zh) | 异常行为检测方法、装置、计算机设备和存储介质 | |
| CN113762225B (zh) | 一种化工车间用自动监控报警系统 | |
| CN108537243B (zh) | 一种违规告警方法及装置 | |
| CN114444863A (zh) | 一种企业生产安全评估方法、系统、装置及存储介质 | |
| CN115098589A (zh) | 一种基于物联网的工业能耗数据监控方法及装置 | |
| CN116186136A (zh) | 一种工程建设实施阶段数据的处理方法及系统 | |
| CN114417981B (zh) | 一种智能河长巡测系统 | |
| CN115660602A (zh) | 一种基于智慧工地管理云平台的软件监管系统 | |
| CN111507187A (zh) | 一种全过程工程咨询监督方法、系统及存储介质 | |
| CN110363393A (zh) | 一种渔捞日志数据处理方法、系统、装置和存储介质 | |
| CN104574729A (zh) | 一种报警方法、装置及系统 | |
| CN113485218A (zh) | 一种基于5g的智慧物联监管平台 | |
| CN114125389B (zh) | 一种基于大数据的智慧园林云监管系统 | |
| CN112506754A (zh) | 一种系统性能监测方法及平台 | |
| CN114877943B (zh) | 一种基于区块链的生态环境监测装置 | |
| CN116776857A (zh) | 客户通话关键信息提取方法、装置、计算机设备及介质 | |
| CN106598983A (zh) | 信息显示方法及装置 | |
| CN115567563A (zh) | 基于端边云的综合交通枢纽监测预警系统及其控制方法 | |
| CN114137920A (zh) | 一种预拌厂智慧实验室管理系统及方法 | |
| CN114139930A (zh) | 一种资产管理系统 | |
| CN113779125A (zh) | 一种施工安全信息管理方法及系统 | |
| CN111967419A (zh) | 一种坝岸险情预测方法、装置、计算机设备及存储介质 | |
| CN116993297B (zh) | 基于电子会议记录的任务数据生成方法及系统 | |
| CN113689246B (zh) | 基于人工智能的网站监控方法、装置、电子设备及介质 |
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 |