CN114241353A - 一种基于无线感知与图像识别的漏水监测系统 - Google Patents
一种基于无线感知与图像识别的漏水监测系统 Download PDFInfo
- Publication number
- CN114241353A CN114241353A CN202111373258.2A CN202111373258A CN114241353A CN 114241353 A CN114241353 A CN 114241353A CN 202111373258 A CN202111373258 A CN 202111373258A CN 114241353 A CN114241353 A CN 114241353A
- Authority
- CN
- China
- Prior art keywords
- sensing
- water leakage
- monitoring
- event
- parameter
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 182
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 151
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 95
- 238000000034 method Methods 0.000 claims description 79
- 230000008569 process Effects 0.000 claims description 72
- 230000008447 perception Effects 0.000 claims description 48
- 230000000737 periodic effect Effects 0.000 claims description 42
- 239000003999 initiator Substances 0.000 claims description 36
- 238000007726 management method Methods 0.000 claims description 24
- 238000013145 classification model Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000002045 lasting effect Effects 0.000 abstract description 3
- 231100001261 hazardous Toxicity 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供的一种基于无线感知与图像识别的漏水监测系统，涉及智能检测领域。本发明将无线感知技术与图像识别技术相结合，无线感知监测单元消耗算力小，监测区域大；图像监测单元消耗算力大，但是监测准确度高，适合局部事态监测；在日常监测时，通过无线感知监测单元进行初步筛查，当初筛发生漏水时，再调用图像监测单元对局部图像监测节点进行漏水图像监测，从而保证漏水监测的准确率，以低算力硬件提供精准、广泛且持久的漏水监测服务；还对MAC层进行交互设计，达到快速感知与响应的目的，现有节点的管理往往是点对点式的，缺乏网络之间的连接标准，若采用点对点的传统模型，无法做到快速响应。
Description
技术领域
本发明涉及智能检测领域，尤其涉及一种基于无线感知与图像识别的漏水监测系统。
背景技术
随着社会的发展，我国正在大力推进新能源体系的建设，其中，水力发电作为一种清洁无污染，且能再生的发电源，具备广阔的发展与推广空间。但是，水力发电站，特别是大型水力发电站通常需要对大量设备和区域进行监测与维护，其安全稳定运行不仅关系电力系统的供电可靠性，更关系国民经济的发展。定期对水电站设备开展巡视、维护、检修，及时对故障设备开展应急抢修是保证水电站安全稳定运行的重要手段。
水电厂区域作为关系整体安全的最重要节点，我们需要对其进行实时监测，其中，漏水作为高危险等级的危险事件，一方面我们需要严格杜绝漏水事件发生，另一方面，我们需要严格的漏水监测体系，在发生漏水时能及时准确地发觉漏水事件的发生，并迅速做出反应，将漏水事件排除，从而解除高危危险事件。
现有针对水电厂区域内的滴水监测是通过摄像头和工业电视对现场进行展示来实现的，由相关工作人员进行全天候值守，并实时监测发现问题，及时报警。但是这种方式需要工作人员对大量摄像头进行长时间监测，这种方式人力成本高，效率低下，且存在工作人员视觉疲劳而发生漏报、误报、瞒报等情况发生。
为此，公开号为：CN113065416A的发明申请提出一种集成于变电站视频监测装置的渗漏监测装置及方法、介质，包括：获取安装在变电站不同场所的多个摄像头所拍摄的多帧室内墙面外观图像；对所述多帧室内墙面外观图像进行预处理；将经所述预处理后的多帧室内墙面外观图像依次输入预先训练好的卷积神经网络模型进行特征提取获得图像中的渗漏区域特征；将所述渗漏区域特征输入预先训练好的分类器进行分类获得分类结果；其中所述分类结果包括渗漏、未渗漏；根据所述分类结果确定是否进行告警，若是，则生成告警信息并发送至变电站综合管理装置以使得变电站综合管理装置根据所述告警信息进行告警。本发明能够实现利用图像识别技术对变电站重点关注场所的漏水情况进行智能监测。
但是这种基于纯视频监测的解决方案对硬件的要求极高，大部分水电站部署的系统难以满足大量视频流计算的要求，从而导致发现问题不及时、无法发现问题、误报发现问题的情况，通过湿度传感器的方法对于细小的水滴，监测过于简单且不够成熟，难以投入实际应用中。
因此，有必要提供一种基于无线感知与图像识别的漏水监测系统来解决上述技术问题。
发明内容
为解决上述技术问题，本发明提出一种基于无线感知与图像识别的漏水监测系统，在各漏水监测区域设置有若干无线感知节点与若干图像监测节点，并对应设置有中央服务器；所述无线感知节点的无线感知区域与图像监测节点的图像监测区域一一对应，并分别与中央服务器电性连接；所述无线感知节点用于向感知区域发射无线信号，实时接收返回信号，并解析返回信号的信道状态信息(CSI)；所述图像监测节点通过监测摄像头采集图像监测区域内的实时监测图像。
具体的，所述中央服务器设置有无线感知监测单元、图像监测单元和漏水报警单元；所述无线感知监测单元用于接收无线感知节点发送的信道状态信息(CSI)，并进行漏水无线感知监测；所述图像监测单元用于接收图像监测节点的实时监测图像，并进行漏水图像监测；所述漏水报警单元用于在中央服务器监测到发生漏水时执行漏水报警。
作为更进一步的解决方案，所述中央服务器通过无线感知监测单元对漏水监测区域进行常态监测，所述中央服务器通过图像监测单元对漏水监测区域进行事态监测；在执行漏水监测时，无线感知节点与图像监测节点均将信道状态信息(CSI)、实时监测图像实时上传至中央服务器。
具体的，所述无线感知监测单元对信道状态信息(CSI)实时监控初筛，并进行漏水无线感知监测，若感知到发生漏水则执行漏水图像监测，若未感知到发生漏水则持续漏水无线感知监测。
具体的，所述图像监测单元在漏水无线感知监测反馈发生漏水时，复筛启动，并进行漏水图像监测，若仍感知到发生漏水，则通过漏水报警单元执行漏水报警；若未感知到发生漏水，则通知运维人员检查信道状态信息(CSI)进行事件排查。
作为更进一步的解决方案，所述无线感知节点采用WIFI感知模块，包括WIFI信号发射器、WIFI信号接收器、信道状态解析器、通信模块和MCU控制单元，所述MCU控制单元分别与WIFI信号发射器、WIFI信号接收器、信道状态解析器电性连接，所述MCU控制单元通过通信模块与中央服务器建立有线数据连接。
作为更进一步的解决方案，所述无线感知监测单元是基于机器学习的CSI分类模型，所述CSI分类模型通过带有标注的CSI数据集训练得到，所述CSI数据集包括标注为漏水的CSI漏水数据和标注为未漏水的CSI正常数据；所述CSI数据集通过数据采集、数据预处理、特征提取和数据分类得到，其中，数据采集通过WIFI感知模块得到，并使用OFDM对信道各子载波进行细粒描述；所述数据预处理包括异常点去除、滤波去噪和载波切割；所述特征提取通过选择特征子载波进行；所述数据分类通过人工标注进行，所述CSI分类模型选择支持向量机算法。
作为更进一步的解决方案，所述图像监测单元是基于机器学习的图像分类模型，所述图像分类模型通过漏水图像数据集训练得到，所述漏水图像数据通过数据采集、数据预处理、特征提取和数据分类得到，其中，通过图像监测节点进行数据采集，并根据设定的帧差选择视频流中特定图片，由特定图片对应相邻图片进行帧差对比，提取动态特征，获得帧差特征图；所述数据预处理包括异常抖动去除、图像二值化、中值滤波、形态学运算和异常帧过滤排除，得到正常帧差特征图；所述特征提取通过人工勾勒进行，对正常帧差特征图进行特征轮廓勾勒，排除异常轮廓，得到动态特征轮廓；所述数据分类通过动态特征轮廓训练分类器进行。
作为更进一步的解决方案，在各无线感知节点中部署有MAC层控制程序Application；所述MAC层包括MAC层管理实体MLME和站管理实体SME；当启动漏水无线感知监测时，所述Application通过向站管理实体SME发送sensing_start命令；站管理实体SME根据sensing_start命令，执行漏水无线感知监测；所述sensing_start命令包括(EventIDs，period)；所述EventIDs填写危险事件感知对应的业务代码，通过业务代码即能告知需要进行感知的危险事件；period为周期性测量参数，通过period设置感知的危险事件周期检测的时长，其中，所述危险事件感知为漏水无线感知监测。
作为更进一步的解决方案，当执行危险事件感知进程时，危险事件感知进程发送MLME-SENSMEARUREMENT.request原语给MLME；所述MLME-SENSMEARUREMENT.request原语，包括PeerSTAAddress参数和Measurement configuration参数；所述PeerSTAAddress参数用于设置参与危险事件感知的设备的地址；所述Measurement configuration参数用于测量配置，所述Measurement configuration参数包括Measurement control参数、Periodical profile参数和Event profile参数；
所述Measurement control参数用于设置测量控制，包括Measurement ID参数、Measurement type参数和M-band参数；所述Measurement ID参数用于标识当前无线感知测量进程；所述Measurement type参数用于设置测量模式，包括基于周期的periodical模式和基于危险事件的event-based模式；设置为“periodical”时，表示根据定义的周期上报结果；设置为“event-based”时，表示根据定义的危险事件上报结果；M-band参数用于设置执行测量的频段，包括5Ghz，6Ghz，60Ghz；
所述Periodical profile用于设置在periodical模式下的周期性测量参数，包括Report Interval参数、Max Number参数和Report item项；所述Report Interval参数用于设置发送报告的间隔；所述Max Number参数用于设置发送报告的数量；所述Report item项用于设置报告项；
所述Event profile参数用于设置在event-based模式下的危险事件测量参数，包括Event ID和Threshold，所述Event ID包括Event 1至Event N，对应代表一个或多个危险事件；根据application发送的参数进行设置，Event ID在本地预先设置，根据application发送的参数查询本地信息，包含在此信息元中；所述Threshold用于设置危险事件判断的条件，其中，所述报告项包括Distance距离、Azimuth方位、Location位置、CSI Message信道状态信息、Presence/absence是否在线。
作为更进一步的解决方案，所述MLME接收到MLME-SENSMEARUREMENT.request原语后，根据PeerSTAAddress对sensing request帧进行配置；所述sensing request帧包括Role configuration参数和Measurement configuration参数；
所述Role configuration参数包括Sensing initiator、Sensing responder、Sensing transmitter和Sensing receiver；所述Sensing initiator表示感知发起者(STA)发起感知进程的设备的地址或标识；Sensing responder表示响应感知发起者(STA)发起的感知进程的设备的地址或标识；Sensing transmitter表示感知发送者(STA)在感知进程中发送感知数据包的设备的地址或标识；Sensing receiver表示感知接收者(AP)在感知进程中接收感知数据包并进行测量或计算的设备的地址或标识；其中，Roleconfiguration参数能对Sensing initiator、Sensing responder、Sensing transmitter和Sensing receiver进行分别/同时设置，对于没有对应值的，设置为空；所述感知进程响应者(AP)接收到Sensing request帧后，根据Sensing SID配置sensing response帧；所述sensing response帧包括Status code和Role configuration，所述Status code用于表示是否支持STA的请求；所述Role configuration用于表示参与感知进程的设备的角色。
作为更进一步的解决方案，所述感知进程发起者(STA)的MLME接收到sensingresponse帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；所述MLME-SENSMEARUREMENT.confirm原语包括AP Address和Status code；所述AP Address用于表示AP对应的地址；Status code用于表示对应AP是否支持STA的请求，所述感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)发送sensing report帧给STA；所述sensing report帧包括Sens-report参数；Sens-report参数包括Measurement control参数、Periodical report和Event report；所述Measurementcontrol参数的Measurement ID参数用于标识当前无线感知测量进程；Measurement type参数用于表示当前的测量模式(periodical/event-based)；所述Periodical report包括Result item和Report number，所述Result item用于表示测量项的结果，所述Reportnumber用于表示已报告的次数，其中，Report number为可选项；所述Event report包括Event ID和Detect time，所述Event ID用于表示触发报告的危险事件标识，当有多个危险事件触发时，Event ID以标识列表进行表示；所述Detect time用于记录检测到危险事件触发的时间；其中，AP无线网络的创建者，即网络的中心节点；STA表示任何一个接入无线AP的站点设备；
所述MLME-SENSREPORT.indication包括AP Address和Sens-report参数；所述APAddress用于表示AP的地址；所述Sens-report参数表示测量报告。
作为更进一步的解决方案，所述危险事件感知进程通过如下步骤进行：
S1发送MLME-SENSMEARUREMENT.request原语给MLME；
S2 MLME接收到MLME-SENSMEARUREMENT.request原语后：
S3若PeerSTAAddress的值为本设备的地址，则根据Event ID查找本地设置，根据危险事件设置的参数，发送感知信号并自己接收回波信号进行测量；
S4若PeerSTAAddress的值为其他设备的地址，则作为感知进程发起者(STA)发送Sensing request帧给PeerSTAAddress对应的设备，即感知进程响应者(AP)。
S5感知进程响应者(AP)接收到Sensing request帧后，根据Sensing SID判断是否支持请求的感知业务：
S6若支持，则设置参数status code的值为SUCCESS；
S7若不支持，则设置参数status code的值为REFUSED，发送sensing response帧给感知进程的发起者(STA)；
S8感知进程发起者(STA)的MLME接收到sensing response帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；
S9感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)接收感知数据包，测量CSI(信道状态信息)，并根据Measurement configuration执行上报；
S10如果Measurement type中包含“event-based”，根据Event profile中设置的危险事件，对列出的Event ID，根据危险事件的定义和threshold参数对测量结果进行判断，当满足条件时，发送测量报告；若Measurement type中包含“periodical”，则根据Periodical profile执行对应的周期性测量；
S11感知进程响应者(AP)发送sensing report帧给STA；
S12感知进程发起者(STA)的MLME接收到sensing report后，发送MLME-SENSREPORT.indication原语给SME；
S13 SME如果接收到成功检测到危险事件的报告，则设置该危险事件对应的result_code为SUCCESS，如果在指定时间T1内，没有接收到检测到危险事件的报告，则设置该危险事件对应的result_code为FAILED；
S14 Application间隔时间循环发送sensing_result(eventID,result_code)获取危险事件检测结果；
S15若Application接收到的result_code为FAILED，则不作任何的处理，
S16若Application接收到的result_code为SUCCESS；则根据Event ID执行对应的报警策略。
与相关技术相比较，本发明提供的一种基于无线感知与图像识别的漏水监测系统具有如下有益效果：
1、本发明将无线感知技术与图像识别技术相结合，无线感知监测单元消耗算力小，监测区域大，适合作为常态监测进行设置，而图像监测单元消耗算力大，但是监测准确度高，适合局部事态监测，在日常监测时，通过无线感知监测单元进行初步筛查，当初筛发生漏水时，再调用图像监测单元对局部图像监测节点进行漏水图像监测，从而保证漏水监测的准确率，通过融合无线感知监测与图像监测，能通过低算力硬件提供精准、广泛且持久的漏水监测服务；
2、本发明通过使用IEEE802.11标准OFDM(Orthogonal Frequency DivisionMultiplexing)调制信号，并且将调制后的信号通过多个正交子载波进行传输，采集普通环境和漏水环境的数据，并从CSI中解析出子载波的信道测量信息；
3、本发明选择支持向量机算法能避免过拟合问题，通过margin的概念，得到对数据分布的结构化描述，减低了对数据规模和数据分布的要求，有优秀的泛化能力；
4、本发明通过对MAC层进行交互设计，从而达到快速感知与响应的目的，而现有节点的管理往往是点对点式的，缺乏网络之间的连接标准，特别是在检测一些危险事件时，需要进行快速响应，若采用点对点的传统模型，无法做到快速响应。
附图说明
图1为本发明提供的一种基于无线感知与图像识别的漏水监测系统的较佳系统示意图；
图2为本发明提供的一种基于无线感知与图像识别的漏水监测系统的较佳MAC层示意图；
图3为本发明提供的一种基于无线感知与图像识别的漏水监测系统的较佳无线感知原理图；
图4为本发明提供的一种基于无线感知与图像识别的漏水监测系统的较佳CSI幅度示意图。
具体实施方式
下面结合附图和实施方式对本发明做进一步说明。
如图1与图4所示，本发明提供的一种基于无线感知与图像识别的漏水监测系统，在各漏水监测区域设置有若干无线感知节点与若干图像监测节点，并对应设置有中央服务器；所述无线感知节点的无线感知区域与图像监测节点的图像监测区域一一对应，并分别与中央服务器电性连接；所述无线感知节点用于向感知区域发射无线信号，实时接收返回信号，并解析返回信号的信道状态信息(CSI)；所述图像监测节点通过监测摄像头采集图像监测区域内的实时监测图像。
具体的，所述中央服务器设置有无线感知监测单元、图像监测单元和漏水报警单元；所述无线感知监测单元用于接收无线感知节点发送的信道状态信息(CSI)，并进行漏水无线感知监测；所述图像监测单元用于接收图像监测节点的实时监测图像，并进行漏水图像监测；所述漏水报警单元用于在中央服务器监测到发生漏水时执行漏水报警。
需要说明的是：无线感知是无线网络中一个新兴的尖端研究热点，在健康监护、新型人机交互、行为识别等领域有着广泛应用，通过使用无线信号(如WiFi、雷达、声波、射频识别(Radio Frequency Identification，RFID)等)对人与环境进行非接触式感知。本实施例采用基于信道状态信息(Channel State Information，CSI)的无线感知节点，不需要部署其余的感知设备，仅需要向监测区域发射无线信号，并实时接收返回信号，通过监测信道状态信息(CSI)就能得知是否发生漏水，其部署成本和灵敏度是传统漏水监测系统无法比拟的。传统漏水监测系统要么基于湿度传感器的，要么是基于图像识别的；基于湿度传感器的漏水监测系统需要安装大量传感器，且传感器布线困难，此外，湿度传感器还存在报警延迟的问题，需要在漏水发生后达到湿度检测值才能被察觉到。基于图像识别的漏水监测系统能准确且及时地对漏水进行监测，但是，图像识别需要耗费大量算力，像水电站这种场景是很难满足其算力需求的。由于无线感知仅需要计算一维的信道状态信息(CSI)数据，其计算量大大减少，在使用现有的硬件资源配置下，能实时的准确的发现漏水问题。
漏水无线感知监测的原理可以简述为：电磁波在传播过程中，会在室内的墙体和其他装置等多条路径中反射，实际的电磁波的传播信道中存在多条传输路径。如图3所示，漏水形成的水体改变了现有无线信号环境的多径效应并导致了不同的无线信道。无线信号在两种介质交汇边界产生损耗，一部分穿透，一部分反射，如图4所示，信道状态信息(CSI)会在正常状态和漏水状态呈现不同的幅值。而漏水状态具备典型的幅值特征，故我们仅需监测信道状态信息(CSI)是否出现漏水状态的幅值特征，就能得知漏水监测区域内是否发生漏水。
作为更进一步的解决方案，所述中央服务器通过无线感知监测单元对漏水监测区域进行常态监测，所述中央服务器通过图像监测单元对漏水监测区域进行事态监测；在执行漏水监测时，无线感知节点与图像监测节点均将信道状态信息(CSI)、实时监测图像实时上传至中央服务器。
具体的，所述无线感知监测单元对信道状态信息(CSI)实时监控初筛，并进行漏水无线感知监测，若感知到发生漏水则执行漏水图像监测，若未感知到发生漏水则持续漏水无线感知监测。
具体的，所述图像监测单元在漏水无线感知监测反馈发生漏水时，复筛启动，并进行漏水图像监测，若仍感知到发生漏水，则通过漏水报警单元执行漏水报警；若未感知到发生漏水，则通知运维人员检查信道状态信息(CSI)进行事件排查。
需要说明的是：本实施例将无线感知技术与图像识别技术相结合，无线感知监测单元消耗算力小，监测区域大，适合作为常态监测进行设置，而图像监测单元消耗算力大，但是监测准确度高，适合局部事态监测，在日常监测时，通过无线感知监测单元进行初步筛查，当初筛发生漏水时，再调用图像监测单元对局部图像监测节点进行漏水图像监测，从而保证漏水监测的准确率，通过融合无线感知监测与图像监测，能通过低算力硬件提供精准、广泛且持久的漏水监测服务。
作为更进一步的解决方案，所述无线感知节点采用WIFI感知模块，包括WIFI信号发射器、WIFI信号接收器、信道状态解析器、通信模块和MCU控制单元，所述MCU控制单元分别与WIFI信号发射器、WIFI信号接收器、信道状态解析器电性连接，所述MCU控制单元通过通信模块与中央服务器建立有线数据连接。
需要说明的是：WIFI作为成熟的无线信号技术，非常适合无线感知，本实施例所使用的WIFI感知模块可以是常用的WIFI路由，部署方便，成本低；通过接收信号捕获由物体的不同特性引起的信号变化，并进行三步处理：数据预处理、特征提取、机器学习分类，以达到能够实时检测漏水的目标。
作为更进一步的解决方案，所述无线感知监测单元是基于机器学习的CSI分类模型，所述CSI分类模型通过带有标注的CSI数据集训练得到，所述CSI数据集包括标注为漏水的CSI漏水数据和标注为未漏水的CSI正常数据；所述CSI数据集通过数据采集、数据预处理、特征提取和数据分类得到，其中，数据采集通过WIFI感知模块得到，并使用OFDM对信道各子载波进行细粒描述；所述数据预处理包括异常点去除、滤波去噪和载波切割；所述特征提取通过选择特征子载波进行；所述数据分类通过人工标注进行，所述CSI分类模型选择支持向量机算法。
需要说明的是：本实施例通过使用IEEE802.11标准OFDM(Orthogonal FrequencyDivision Multiplexing)调制信号，并且将调制后的信号通过多个正交子载波进行传输，采集普通环境和漏水环境的数据，并从CSI中解析出子载波的信道测量信息。选择支持向量机算法主要是支持向量机算法在小样本训练集上能够得到比其他算法好很多的结果。支持向量机算法优化目标是结构化风险最小，而不是经验风险最小，避免了过拟合问题，通过margin的概念，得到对数据分布的结构化描述，减低了对数据规模和数据分布的要求，有优秀的泛化能力；而神经网络是个“黑匣子”，优化目标是基于经验风险最小化，易陷入局部最优，训练结果不太稳定，一般需要大样本；而支持向量机有严格的理论和数学基础，基于结构风险最小化原则，泛化能力优于前者，算法具有全局最优性，是针对小样本统计的理论。
作为更进一步的解决方案，所述图像监测单元是基于机器学习的图像分类模型，所述图像分类模型通过漏水图像数据集训练得到，所述漏水图像数据通过数据采集、数据预处理、特征提取和数据分类得到，其中，通过图像监测节点进行数据采集，并根据设定的帧差选择视频流中特定图片，由特定图片对应相邻图片进行帧差对比，提取动态特征，获得帧差特征图；所述数据预处理包括异常抖动去除、图像二值化、中值滤波、形态学运算和异常帧过滤排除，得到正常帧差特征图；所述特征提取通过人工勾勒进行，对正常帧差特征图进行特征轮廓勾勒，排除异常轮廓，得到动态特征轮廓；所述数据分类通过动态特征轮廓训练分类器进行。
作为更进一步的解决方案，在各无线感知节点中部署有MAC层控制程序Application；所述MAC层包括MAC层管理实体MLME和站管理实体SME；当启动漏水无线感知监测时，所述Application通过向站管理实体SME发送sensing_start命令；站管理实体SME根据sensing_start命令，执行漏水无线感知监测；所述sensing_start命令包括(EventIDs，period)；所述EventIDs填写危险事件感知对应的业务代码，通过业务代码即能告知需要进行感知的危险事件；period为周期性测量参数，通过period设置感知的危险事件周期检测的时长，其中，所述危险事件感知为漏水无线感知监测。
需要说明的是：水电站的运用场景具备大量的传感器和感知节点，但是现有的针对各传感器、节点的管理往往是点对点式的，缺乏网络之间的连接标准，特别是在检测一些危险事件时，例如漏水发生时，需要进行快速响应，若采用点对点的传统模型，无法做到快速响应，故本实施例在各无线感知节点中部署MAC层控制程序Application，通过对MAC层进行交互设计，从而达到快速感知与响应的目的。MAC即媒体介入控制层，属于OSI模型中数据链路层下层子层。它定义了数据帧怎样在介质上进行传输。在共享同一个带宽的链路中，对连接介质的访问是“先来先服务”的。物理寻址在此处被定义，逻辑拓扑(信号通过物理拓扑的路径)也在此处被定义。线路控制、出错通知(不纠正)、帧的传递顺序和可选择的流量控制也在这一子层实现。
作为更进一步的解决方案，当执行危险事件感知进程时，危险事件感知进程发送MLME-SENSMEARUREMENT.request原语给MLME；所述MLME-SENSMEARUREMENT.request原语，包括PeerSTAAddress参数和Measurement configuration参数；所述PeerSTAAddress参数用于设置参与危险事件感知的设备的地址；所述Measurement configuration参数用于测量配置，所述Measurement configuration参数包括Measurement control参数、Periodical profile参数和Event profile参数；
所述Measurement control参数用于设置测量控制，包括Measurement ID参数、Measurement type参数和M-band参数；所述Measurement ID参数用于标识当前无线感知测量进程；所述Measurement type参数用于设置测量模式，包括基于周期的periodical模式和基于危险事件的event-based模式；设置为“periodical”时，表示根据定义的周期上报结果；设置为“event-based”时，表示根据定义的危险事件上报结果；M-band参数用于设置执行测量的频段，包括5Ghz，6Ghz，60Ghz；
所述Periodical profile用于设置在periodical模式下的周期性测量参数，包括Report Interval参数、Max Number参数和Report item项；所述Report Interval参数用于设置发送报告的间隔；所述Max Number参数用于设置发送报告的数量；所述Report item项用于设置报告项；
所述Event profile参数用于设置在event-based模式下的危险事件测量参数，包括Event ID和Threshold，所述Event ID包括Event 1至Event N，对应代表一个或多个危险事件；根据application发送的参数进行设置，Event ID在本地预先设置，根据application发送的参数查询本地信息，包含在此信息元中；所述Threshold用于设置危险事件判断的条件，其中，所述报告项包括Distance距离、Azimuth方位、Location位置、CSI Message信道状态信息、Presence/absence是否在线。
需要说明的是：在一个具体的实施例中，EventA代表漏水事件，漏水事件在水电站是极具危险的行为，故要进行快速检测与响应，其中EventIDs设置为“EventA”，表示需要进行漏水事件检测，period设置为T1，表示需要检测的时长，当T1＝0时表示一直检测。
Event profile包含：
其中，Event1-EventN在本地预先设置为：
| Event ID | Threshold |
| 事件标识 | 事件判断的条件 |
示例如下：
事件定义Event A(leakage)：测量距离在D1米以内，视场角范围为(H1，V1)发生的目标是否发生漏水事件；
则Event1-N设置为：
| Event ID | Threshold |
| Event A | (D1，H1，V1) |
作为更进一步的解决方案，所述MLME接收到MLME-SENSMEARUREMENT.request原语后，根据PeerSTAAddress对sensing request帧进行配置；所述sensing request帧包括Role configuration参数和Measurement configuration参数；
所述Role configuration参数包括Sensing initiator、Sensing responder、Sensing transmitter和Sensing receiver；所述Sensing initiator表示感知发起者(STA)发起感知进程的设备的地址或标识；Sensing responder表示响应感知发起者(STA)发起的感知进程的设备的地址或标识；Sensing transmitter表示感知发送者(STA)在感知进程中发送感知数据包的设备的地址或标识；Sensing receiver表示感知接收者(AP)在感知进程中接收感知数据包并进行测量或计算的设备的地址或标识；其中，Roleconfiguration参数能对Sensing initiator、Sensing responder、Sensing transmitter和Sensing receiver进行分别/同时设置，对于没有对应值的，设置为空；所述感知进程响应者(AP)接收到Sensing request帧后，根据Sensing SID配置sensing response帧；所述sensing response帧包括Status code和Role configuration，所述Status code用于表示是否支持STA的请求；所述Role configuration用于表示参与感知进程的设备的角色。
作为更进一步的解决方案，所述感知进程发起者(STA)的MLME接收到sensingresponse帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；所述MLME-SENSMEARUREMENT.confirm原语包括AP Address和Status code；所述AP Address用于表示AP对应的地址；Status code用于表示对应AP是否支持STA的请求，所述感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)发送sensing report帧给STA；所述sensing report帧包括Sens-report参数；Sens-report参数包括Measurement control参数、Periodical report和Event report；所述Measurementcontrol参数的Measurement ID参数用于标识当前无线感知测量进程；Measurement type参数用于表示当前的测量模式(periodical/event-based)；所述Periodical report包括Result item和Report number，所述Result item用于表示测量项的结果，所述Reportnumber用于表示已报告的次数，其中，Report number为可选项；所述Event report包括Event ID和Detect time，所述Event ID用于表示触发报告的危险事件标识，当有多个危险事件触发时，Event ID以标识列表进行表示；所述Detect time用于记录检测到危险事件触发的时间；其中，AP无线网络的创建者，即网络的中心节点；STA表示任何一个接入无线AP的站点设备；
所述MLME-SENSREPORT.indication包括AP Address和Sens-report参数；所述APAddress用于表示AP的地址；所述Sens-report参数表示测量报告。
需要说明的是：MAC层通过MCPS-SAP和MLME-SAP提供SSCS(Service SpecificConvergence Sublayer)和PHY之间的接口，MAC包括一个称为MLME的管理实体；MLME提供了层管理服务接口，通过该接口可以调用层管理功能；MLME还负责维护与MAC有关的被管理对象的数据库，该数据库被称为MAC PIB；MAC数据服务，通过MCPS-SAP(MAC Common PartSublayer Data SAP)访问；PHY管理服务，通过MLME-SAP访问；SME是一个独立于层的实体，它位于单独的管理平面中或位于“侧面off to the side”。SME的某些功能在此标准中指定。SME的作用：通常，该实体负责诸如从各种层管理实体(LME)收集与层相关的状态之类的功能，类似地，其还会设置特定于层的参数值。SME通常代表一般的系统管理实体执行此类功能，并将实施标准管理协议。
作为更进一步的解决方案，所述危险事件感知进程通过如下步骤进行：
S1发送MLME-SENSMEARUREMENT.request原语给MLME；
S2 MLME接收到MLME-SENSMEARUREMENT.request原语后：
S3若PeerSTAAddress的值为本设备的地址，则根据Event ID查找本地设置，根据危险事件设置的参数，发送感知信号并自己接收回波信号进行测量；
S4若PeerSTAAddress的值为其他设备的地址，则作为感知进程发起者(STA)发送Sensing request帧给PeerSTAAddress对应的设备，即感知进程响应者(AP)。
S5感知进程响应者(AP)接收到Sensing request帧后，根据Sensing SID判断是否支持请求的感知业务：
S6若支持，则设置参数status code的值为SUCCESS；
S7若不支持，则设置参数status code的值为REFUSED，发送sensing response帧给感知进程的发起者(STA)；
S8感知进程发起者(STA)的MLME接收到sensing response帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；
S9感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)接收感知数据包，测量CSI(信道状态信息)，并根据Measurement configuration执行上报；
S10如果Measurement type中包含“event-based”，根据Event profile中设置的危险事件，对列出的Event ID，根据危险事件的定义和threshold参数对测量结果进行判断，当满足条件时，发送测量报告；若Measurement type中包含“periodical”，则根据Periodical profile执行对应的周期性测量；
S11感知进程响应者(AP)发送sensing report帧给STA；
S12感知进程发起者(STA)的MLME接收到sensing report后，发送MLME-SENSREPORT.indication原语给SME；
S13 SME如果接收到成功检测到危险事件的报告，则设置该危险事件对应的result_code为SUCCESS，如果在指定时间T1内，没有接收到检测到危险事件的报告，则设置该危险事件对应的result_code为FAILED；
S14 Application间隔时间循环发送sensing_result(eventID,result_code)获取危险事件检测结果；
S15若Application接收到的result_code为FAILED，则不作任何的处理，
S16若Application接收到的result_code为SUCCESS；则根据Event ID执行对应的报警策略。
需要说明的是：Application根据Event ID执行对应的报警策略，在一个具体的实施例中如果对应result code为SUCCESS的eventID值为EventA，则启动无线感知漏水报警。
以上所述仅为本发明的实施例，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做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)
1.一种基于无线感知与图像识别的漏水监测系统，其特征在于，在各漏水监测区域设置有若干无线感知节点与若干图像监测节点，并对应设置有中央服务器；所述无线感知节点的无线感知区域与图像监测节点的图像监测区域一一对应，并分别与中央服务器电性连接；所述无线感知节点用于向感知区域发射无线信号，实时接收返回信号，并解析返回信号的信道状态信息(CSI)；所述图像监测节点通过监测摄像头采集图像监测区域内的实时监测图像；
所述中央服务器设置有无线感知监测单元、图像监测单元和漏水报警单元；所述无线感知监测单元用于接收无线感知节点发送的信道状态信息(CSI)，并进行漏水无线感知监测；所述图像监测单元用于接收图像监测节点的实时监测图像，并进行漏水图像监测；所述漏水报警单元用于在中央服务器监测到发生漏水时执行漏水报警。
2.根据权利要求1所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述中央服务器通过无线感知监测单元对漏水监测区域进行常态监测，所述中央服务器通过图像监测单元对漏水监测区域进行事态监测；在执行漏水监测时，无线感知节点与图像监测节点均将信道状态信息(CSI)、实时监测图像实时上传至中央服务器；
所述无线感知监测单元对信道状态信息(CSI)实时监控初筛，并进行漏水无线感知监测，若感知到发生漏水则执行漏水图像监测，若未感知到发生漏水则持续漏水无线感知监测；
所述图像监测单元在漏水无线感知监测反馈发生漏水时，复筛启动，并进行漏水图像监测，若仍感知到发生漏水，则通过漏水报警单元执行漏水报警；若未感知到发生漏水，则通知运维人员检查信道状态信息(CSI)进行事件排查。
3.根据权利要求1所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述无线感知节点采用WIFI感知模块，包括WIFI信号发射器、WIFI信号接收器、信道状态解析器、通信模块和MCU控制单元，所述MCU控制单元分别与WIFI信号发射器、WIFI信号接收器、信道状态解析器电性连接，所述MCU控制单元通过通信模块与中央服务器建立有线数据连接。
4.根据权利要求1所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述无线感知监测单元是基于机器学习的CSI分类模型，所述CSI分类模型通过带有标注的CSI数据集训练得到，所述CSI数据集包括标注为漏水的CSI漏水数据和标注为未漏水的CSI正常数据；所述CSI数据集通过数据采集、数据预处理、特征提取和数据分类得到，其中，数据采集通过WIFI感知模块得到，并使用OFDM对信道各子载波进行细粒描述；所述数据预处理包括异常点去除、滤波去噪和载波切割；所述特征提取通过选择特征子载波进行；所述数据分类通过人工标注进行，所述CSI分类模型选择支持向量机算法。
5.根据权利要求1所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述图像监测单元是基于机器学习的图像分类模型，所述图像分类模型通过漏水图像数据集训练得到，所述漏水图像数据通过数据采集、数据预处理、特征提取和数据分类得到，其中，通过图像监测节点进行数据采集，并根据设定的帧差选择视频流中特定图片，由特定图片对应相邻图片进行帧差对比，提取动态特征，获得帧差特征图；所述数据预处理包括异常抖动去除、图像二值化、中值滤波、形态学运算和异常帧过滤排除，得到正常帧差特征图；所述特征提取通过人工勾勒进行，对正常帧差特征图进行特征轮廓勾勒，排除异常轮廓，得到动态特征轮廓；所述数据分类通过动态特征轮廓训练分类器进行。
6.根据权利要求1所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，在各无线感知节点中部署有MAC层控制程序Application；所述MAC层包括MAC层管理实体MLME和站管理实体SME；当启动漏水无线感知监测时，所述Application通过向站管理实体SME发送sensing_start命令；站管理实体SME根据sensing_start命令，执行漏水无线感知监测；所述sensing_start命令包括(EventIDs，period)；所述EventIDs填写危险事件感知对应的业务代码，通过业务代码即能告知需要进行感知的危险事件；period为周期性测量参数，通过period设置感知的危险事件周期检测的时长，其中，所述危险事件感知为漏水无线感知监测。
7.根据权利要求6所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，当执行危险事件感知进程时，危险事件感知进程发送MLME-SENSMEARUREMENT.request原语给MLME；所述MLME-SENSMEARUREMENT.request原语，包括PeerSTAAddress参数和Measurement configuration参数；所述PeerSTAAddress参数用于设置参与危险事件感知的设备的地址；所述Measurement configuration参数用于测量配置，所述Measurementconfiguration参数包括Measurement control参数、Periodical profile参数和Eventprofile参数；
所述Measurement control参数用于设置测量控制，包括Measurement ID参数、Measurement type参数和M-band参数；所述Measurement ID参数用于标识当前无线感知测量进程；所述Measurement type参数用于设置测量模式，包括基于周期的periodical模式和基于危险事件的event-based模式；设置为“periodical”时，表示根据定义的周期上报结果；设置为“event-based”时，表示根据定义的危险事件上报结果；M-band参数用于设置执行测量的频段，包括5Ghz，6Ghz，60Ghz；
所述Periodical profile用于设置在periodical模式下的周期性测量参数，包括Report Interval参数、Max Number参数和Report item项；所述Report Interval参数用于设置发送报告的间隔；所述Max Number参数用于设置发送报告的数量；所述Report item项用于设置报告项；
所述Event profile参数用于设置在event-based模式下的危险事件测量参数，包括Event ID和Threshold，所述Event ID包括Event 1至Event N，对应代表一个或多个危险事件；根据application发送的参数进行设置，Event ID在本地预先设置，根据application发送的参数查询本地信息，包含在此信息元中；所述Threshold用于设置危险事件判断的条件，其中，所述报告项包括Distance距离、Azimuth方位、Location位置、CSI Message信道状态信息、Presence/absence是否在线。
8.根据权利要求7所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述MLME接收到MLME-SENSMEARUREMENT.request原语后，根据PeerSTAAddress对sensingrequest帧进行配置；所述sensing request帧包括Role configuration参数和Measurement configuration参数；
所述Role configuration参数包括Sensing initiator、Sensing responder、Sensingtransmitter和Sensing receiver；所述Sensing initiator表示感知发起者(STA)发起感知进程的设备的地址或标识；Sensing responder表示响应感知发起者(STA)发起的感知进程的设备的地址或标识；Sensing transmitter表示感知发送者(STA)在感知进程中发送感知数据包的设备的地址或标识；Sensing receiver表示感知接收者(AP)在感知进程中接收感知数据包并进行测量或计算的设备的地址或标识；其中，Role configuration参数能对Sensing initiator、Sensing responder、Sensing transmitter和Sensing receiver进行分别/同时设置，对于没有对应值的，设置为空；所述感知进程响应者(AP)接收到Sensingrequest帧后，根据Sensing SID配置sensing response帧；所述sensing response帧包括Status code和Role configuration，所述Status code用于表示是否支持STA的请求；所述Role configuration用于表示参与感知进程的设备的角色。
9.根据权利要求8所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述感知进程发起者(STA)的MLME接收到sensing response帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；所述MLME-SENSMEARUREMENT.confirm原语包括APAddress和Status code；所述AP Address用于表示AP对应的地址；Status code用于表示对应AP是否支持STA的请求，所述感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)发送sensing report帧给STA；所述sensing report帧包括Sens-report参数；Sens-report参数包括Measurement control参数、Periodical report和Event report；所述Measurement control参数的Measurement ID参数用于标识当前无线感知测量进程；Measurement type参数用于表示当前的测量模式(periodical/event-based)；所述Periodical report包括Result item和Report number，所述Result item用于表示测量项的结果，所述Report number用于表示已报告的次数，其中，Report number为可选项；所述Event report包括Event ID和Detect time，所述Event ID用于表示触发报告的危险事件标识，当有多个危险事件触发时，Event ID以标识列表进行表示；所述Detecttime用于记录检测到危险事件触发的时间；其中，AP无线网络的创建者，即网络的中心节点；STA表示任何一个接入无线AP的站点设备；
所述MLME-SENSREPORT.indication包括AP Address和Sens-report参数；所述APAddress用于表示AP的地址；所述Sens-report参数表示测量报告。
10.根据权利要求9所述的一种基于无线感知与图像识别的漏水监测系统，其特征在于，所述危险事件感知进程通过如下步骤进行：
S1发送MLME-SENSMEARUREMENT.request原语给MLME；
S2 MLME接收到MLME-SENSMEARUREMENT.request原语后：
S3若PeerSTAAddress的值为本设备的地址，则根据Event ID查找本地设置，根据危险事件设置的参数，发送感知信号并自己接收回波信号进行测量；
S4若PeerSTAAddress的值为其他设备的地址，则作为感知进程发起者(STA)发送Sensing request帧给PeerSTAAddress对应的设备，即感知进程响应者(AP)；
S5感知进程响应者(AP)接收到Sensing request帧后，根据Sensing SID判断是否支持请求的感知业务：
S6若支持，则设置参数status code的值为SUCCESS；
S7若不支持，则设置参数status code的值为REFUSED，发送sensing response帧给感知进程的发起者(STA)；
S8感知进程发起者(STA)的MLME接收到sensing response帧后，发送MLME-SENSMEARUREMENT.confirm原语给SME；
S9感知进程发起者(STA)发送感知数据包给感知进程响应者(AP)；感知进程响应者(AP)接收感知数据包，测量CSI(信道状态信息)，并根据Measurement configuration执行上报；
S10如果Measurement type中包含“event-based”，根据Event profile中设置的危险事件，对列出的Event ID，根据危险事件的定义和threshold参数对测量结果进行判断，当满足条件时，发送测量报告；若Measurement type中包含“periodical”，则根据Periodicalprofile执行对应的周期性测量；
S11感知进程响应者(AP)发送sensing report帧给STA；
S12感知进程发起者(STA)的MLME接收到sensing report后，发送MLME-SENSREPORT.indication原语给SME；
S13 SME如果接收到成功检测到危险事件的报告，则设置该危险事件对应的result_code为SUCCESS，如果在指定时间T1内，没有接收到检测到危险事件的报告，则设置该危险事件对应的result_code为FAILED；
S14 Application间隔时间循环发送sensing_result(eventID,result_code)获取危险事件检测结果；
S15若Application接收到的result_code为FAILED，则不作任何的处理，
S16若Application接收到的result_code为SUCCESS；则根据Event ID执行对应的报警策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111373258.2A CN114241353A (zh) | 2021-11-19 | 2021-11-19 | 一种基于无线感知与图像识别的漏水监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111373258.2A CN114241353A (zh) | 2021-11-19 | 2021-11-19 | 一种基于无线感知与图像识别的漏水监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114241353A true CN114241353A (zh) | 2022-03-25 |
Family
ID=80750128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111373258.2A Pending CN114241353A (zh) | 2021-11-19 | 2021-11-19 | 一种基于无线感知与图像识别的漏水监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114241353A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842629A (zh) * | 2022-05-18 | 2022-08-02 | 国家电投集团东方新能源股份有限公司热力分公司 | 热力站的水浸报警方法、装置及系统 |
| CN116025857A (zh) * | 2023-02-15 | 2023-04-28 | 凯睿星通信息科技(南京)股份有限公司 | 一种天然气管道故障监测装置及方法 |
| CN117692026A (zh) * | 2024-02-01 | 2024-03-12 | 深圳市博源电力有限公司 | 一种电力线通信的链路感知方法及装置 |
| CN117693962A (zh) * | 2022-07-11 | 2024-03-12 | 北京小米移动软件有限公司 | 通信方法及装置、电子设备及存储介质 |
-
2021
- 2021-11-19 CN CN202111373258.2A patent/CN114241353A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842629A (zh) * | 2022-05-18 | 2022-08-02 | 国家电投集团东方新能源股份有限公司热力分公司 | 热力站的水浸报警方法、装置及系统 |
| CN117693962A (zh) * | 2022-07-11 | 2024-03-12 | 北京小米移动软件有限公司 | 通信方法及装置、电子设备及存储介质 |
| CN116025857A (zh) * | 2023-02-15 | 2023-04-28 | 凯睿星通信息科技(南京)股份有限公司 | 一种天然气管道故障监测装置及方法 |
| CN117692026A (zh) * | 2024-02-01 | 2024-03-12 | 深圳市博源电力有限公司 | 一种电力线通信的链路感知方法及装置 |
| CN117692026B (zh) * | 2024-02-01 | 2024-04-26 | 深圳市博源电力有限公司 | 一种电力线通信的链路感知方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114241353A (zh) | 一种基于无线感知与图像识别的漏水监测系统 | |
| CN209488629U (zh) | 一种基于LoRa的物联网设备监管系统 | |
| CN108303673A (zh) | 一种基于视频辅助定位的uwb三维定位系统 | |
| CN110930673A (zh) | 智能无线温湿度监测器的双通讯自动切换系统及方法 | |
| CN211206462U (zh) | 一种物联网水质监测系统 | |
| CN107277847B (zh) | 一种基于NB-IoT传输模式的天线姿态测量系统及方法 | |
| CN105898898A (zh) | 一种基于无线传感器网络的信息监测系统 | |
| CN202282831U (zh) | 物联网视频监控融合信息平台系统 | |
| CN112003938B (zh) | 一种市政工程施工现场远程管理系统 | |
| CN110567587A (zh) | 一种基于5g技术的电力红外在线测温方法及系统 | |
| CN105375631A (zh) | 用于电网的地下电缆监控系统 | |
| CN111174905B (zh) | 低功耗物联网振动异常检测装置及其检测方法 | |
| CN108401235A (zh) | 一种基于大数据的农业现场环境参数智能采集处理系统 | |
| CN108377261A (zh) | 一种基于工业无线传感网络的电机故障诊断系统及方法 | |
| CN109800498A (zh) | 一种光伏电站数据诊断系统 | |
| CN113079530B (zh) | 一种基于5g切片的云边协同运维支撑系统 | |
| CN110430261A (zh) | 探测设备故障处理方法及装置 | |
| CN112654022B (zh) | 基于LoRa通讯的电力系统物联网数据采集系统 | |
| CN109040996A (zh) | 加油站智能安全监管系统 | |
| CN117614487A (zh) | 一种基于北斗系统的输电线路通信方法及系统 | |
| CN109000718A (zh) | 一种水工建筑物安全监测系统及方法 | |
| CN109067872A (zh) | 用于精细农业的土壤质量监测系统 | |
| CN116365705A (zh) | 一种光伏组件故障实时监测方法及系统 | |
| CN109104505A (zh) | 农田土壤环境智慧监测系统 | |
| CN113316085B (zh) | 一种封闭空间内滞留告警的方法及装置、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 |