CN114286082A - 一种电厂摄像头异常检测系统、电子设备及存储介质 - Google Patents
一种电厂摄像头异常检测系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114286082A CN114286082A CN202111613505.1A CN202111613505A CN114286082A CN 114286082 A CN114286082 A CN 114286082A CN 202111613505 A CN202111613505 A CN 202111613505A CN 114286082 A CN114286082 A CN 114286082A
- Authority
- CN
- China
- Prior art keywords
- camera
- layer
- data
- image
- power plant
- 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
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种电厂摄像头异常检测系统、电子设备及存储介质,其中,系统包括:感知层、数据层、AI算法应用层和展示层;所述感知层通过电厂已有的摄像头获取摄像头的图像,并将获取摄像头的图像的数据传输到数据层储存;所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将检测结果传输到所述展示层;所述展示层展示摄像头异常的检测结果。本发明提出的方案,在GPU集群配置下,可同时检测数千路摄像头,并对检测结果、报警信息和统计数据进行展示。
Description
技术领域
本发明属于智慧电厂领域,尤其涉及一种电厂摄像头异常检测系统、电子设备及存储介质。
背景技术
当前,随着人工智能与边缘计算技术的发展,基于人工智能技术的智慧电厂能够有效地提升生产效率与安全监察能力。在电厂中,大规模的高清监控对安全生产、智能控制系统越来越重要,但是由于生产环境煤粉多、粉尘多、且易被物体碰撞,摄像头易出现转向、污渍、遮挡等异常情况,影响摄像头的正常功能。利用基于视觉AI(ArtificialIntelligence,人工智能)技术的摄像头异常检测系统,可以7*24小时自动化地实时检测摄像头异常,保证摄像头的的正常运行。
当前,摄像头的异常主要靠人工进行判断,发现问题效率很低,不能实时监控摄像头异常状态,特别是在大规模监控系统场景下,异常摄像头可能长期未被发现,导致重要录像丢失或者基于视频的AI分析失效。本系统主要为了实现电厂环境下摄像头异常的自动检测、实时报警、数据汇总的需求。
发明内容
为解决上述技术问题,本发明提出一种电厂摄像头异常检测系统的技术方案,以解决上述技术问题。
本发明第一方面公开了一种电厂摄像头异常检测系统,所述系统包括:
感知层、数据层、AI算法应用层和展示层;
所述感知层通过电厂已有的摄像头获取摄像头的图像,并将获取摄像头的图像的数据传输到数据层储存;所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将检测结果传输到所述展示层;所述展示层展示摄像头异常的检测结果。
根据本发明第一方面的系统,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层;
所述统计数据包括:摄像头异常的次数和频率。
根据本发明第一方面的系统,所述配置信息包括:检测的采样率、算法开启和算法关闭。
根据本发明第一方面的系统,所述调用摄像头异常检测算法对摄像头进行检测的具体检测内容包括:
摄像头的转向、摄像头的遮挡和摄像头的污渍。
根据本发明第一方面的系统,检测摄像头的转向的具体方法包括:
通过摄像头的图像匹配算法进行检测,对比摄像头当前图像和模版图像的相似度;如果相似度大于等于预设阈值,则表示摄像头没有移动,然后,更新模版图像;如果相似度小于预设阈值,则输出报警信息,待摄像头调整正确后,再更新模版图像。
根据本发明第一方面的系统,检测摄像头的遮挡的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头遮挡的残差网络,输出遮挡或未遮挡的检测结果。
根据本发明第一方面的系统,检测摄像头的污渍的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头污渍的残差网络,输出有污渍或没污渍的检测结果。
根据本发明第一方面的系统,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层的具体方法包括:
根据算法配置的所述检测的采样率,从所述数据层中读取感知层获取摄像头的图像的数据;
根据所述摄像头的图像的数据检测摄像头是否有转向、遮挡和污渍;
得到检测结果和报警信息;
汇总统计数据;
将所述检测结果、报警信息和统计数据传输到展示层。
本发明第二方面提供了一种电子设备,所述设备包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如本发明第一方面所述的一种电厂摄像头异常检测系统中的方法。
本发明第三方面提供了一种存储介质,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如本发明第一方面所述的一种电厂摄像头异常检测系统中的方法。
本发明提出的方案,在GPU(Graphic Processor Unit,图形处理单元)集群配置下,可同时检测数千路摄像头,并对检测结果、报警信息和统计数据进行展示。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为根据本发明实施例的一种电厂摄像头异常检测系统的流程图;
图2为根据本发明实施例的摄像头转向检测流程图;
图3为根据本发明实施例的AI算法应用层工作流程;
图4为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只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他实施例,都属于本发明保护的范围。
本发明第一方面公开了一种电厂摄像头异常检测系统,图1为根据本发明实施例的一种电厂摄像头异常检测系统的流程图,具体如图1所示,所述系统包括:
感知层、数据层、AI算法应用层和展示层;
所述感知层通过电厂已有的摄像头获取摄像头的图像,并将获取摄像头的图像的数据传输到数据层储存;所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将检测结果传输到所述展示层;所述展示层展示摄像头异常的检测结果。
在一些实施例中,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层;
所述统计数据包括:摄像头异常的次数和频率。
在一些实施例中,所述配置信息包括:检测的采样率、算法开启和算法关闭。
在一些实施例中,在展示层中,WEB系统页面展示的形式,具体的:1)展示摄像头检测的结果,会标注出异常摄像头的序号;2)配置算法的参数,包括检测的采样率、算法开启、算法关闭等功能;3)展示统计结果,包括摄像头异常的次数、频率等;4)用户可选定特定时间段的视频回放。
在一些实施例中,所述调用摄像头异常检测算法对摄像头进行检测的具体检测内容包括:
摄像头的转向、摄像头的遮挡和摄像头的污渍。
在一些实施例中,如图2所示,检测摄像头的转向的具体方法包括:
通过摄像头的图像匹配算法进行检测,对比摄像头当前图像和模版图像的相似度;如果相似度大于等于预设阈值,则表示摄像头没有移动,然后,更新模版图像;如果相似度小于预设阈值,则输出报警信息,待摄像头调整正确后,再更新模版图像。
在一些实施例中,检测摄像头的遮挡的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头遮挡的残差网络,输出遮挡或未遮挡的检测结果。
在一些实施例中,检测摄像头的污渍的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头污渍的残差网络,输出有污渍或没污渍的检测结果。
在一些实施例中,ResNet神经网络模型采用了海量数据集进行训练,保证了算法的精度。
在一些实施例中,如图3所示,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层的具体方法包括:
根据算法配置的所述检测的采样率,从所述数据层中读取感知层获取摄像头的图像的数据;
根据所述摄像头的图像的数据检测摄像头是否有转向、遮挡和污渍;
得到检测结果和报警信息;
汇总统计数据;
将所述检测结果、报警信息和统计数据传输到展示层。
在一些实施例中,数据层的配置包括GPU服务器、储存设备、交换机、数据库等硬件设备,主要用来储存数据和提供计算资源。
在电厂的典型应用环境下,重点区域的摄像头数量一般在300路以上,按300路计算的典型配置如下:1)GPU服务器:单机需要支持8GPU;GPU单卡:CUDA核心数>5000,单精度浮点性能不低于14TFlops,显存不少于10GB,显存位宽不低于300Bit;CPU:单机配置不低于48核96线程;内存:单机配置不少于128GB,DDR4;硬盘:单机配置SSD硬盘≥1TB,SATA硬盘≥8TB;电源:单机配置不低于2KW,1+1冗余;网卡:不少于1个10G网卡(万兆网卡);操作系统:CentOS 7.4及以上或Ubuntu18.04及以上。3)交换机要求配置企业级万兆交换机,支持≥44端口千兆光口交换、4万兆光口。4)数据库采用分析型数据库,满足视频大数据实时查询。
在一些实施例中,感知层用来接入、管理、配置、预览摄像头,通过搭建流媒体服务器,可以将不同品牌的摄像头的视频流提取出来,并保存每一帧图片,储存到数据层。
综上,本发明各个方面的技术方案与现有技术相比具有如下优点:在GPU(GraphicProcessorUnit,图形处理单元)集群配置下,可同时检测数千路摄像头,并对检测结果、报警信息和统计数据进行展示。
本发明第二方面公开了一种电子设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本发明公开第一方面中任一项的一种电厂摄像头异常检测方法中的步骤。
图4为根据本发明实施例的一种电子设备的结构图,如图4所示,电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第三方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本发明公开第一方面中任一项的一种电厂摄像头异常检测方法中的步骤中的步骤。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电厂摄像头异常检测系统,其特征在于,所述系统包括:
感知层、数据层、AI算法应用层和展示层;
所述感知层通过电厂已有的摄像头获取摄像头的图像,并将获取摄像头的图像的数据传输到数据层储存;所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将检测结果传输到所述展示层;所述展示层展示摄像头异常的检测结果。
2.根据权利要求1所述的一种电厂摄像头异常检测系统,其特征在于,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层;
所述统计数据包括:摄像头异常的次数和频率。
3.根据权利要求2所述的一种电厂摄像头异常检测系统,其特征在于,所述配置信息包括:检测的采样率、算法开启和算法关闭。
4.根据权利要求3所述的一种电厂摄像头异常检测系统,其特征在于,所述调用摄像头异常检测算法对摄像头进行检测的具体检测内容包括:
摄像头的转向、摄像头的遮挡和摄像头的污渍。
5.根据权利要求4所述的一种电厂摄像头异常检测系统,其特征在于,检测摄像头的转向的具体方法包括:
通过摄像头的图像匹配算法进行检测,对比摄像头当前图像和模版图像的相似度;如果相似度大于等于预设阈值,则表示摄像头没有移动,然后,更新模版图像;如果相似度小于预设阈值,则输出报警信息,待摄像头调整正确后,再更新模版图像。
6.根据权利要求4所述的一种电厂摄像头异常检测系统,其特征在于,检测摄像头的遮挡的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头遮挡的残差网络,输出遮挡或未遮挡的检测结果。
7.根据权利要求4所述的一种电厂摄像头异常检测系统,其特征在于,检测摄像头的污渍的具体方法包括:
将摄像头的图像的数据输入训练好的针对摄像头污渍的残差网络,输出有污渍或没污渍的检测结果。
8.根据权利要求4所述的一种电厂摄像头异常检测系统,其特征在于,所述AI算法应用层根据配置信息,在所述数据层读取感知层获取摄像头的图像的数据,调用摄像头异常检测算法对摄像头进行检测,将所述检测结果、报警信息和统计数据传输到展示层的具体方法包括:
根据算法配置的所述检测的采样率,从所述数据层中读取感知层获取摄像头的图像的数据;
根据所述摄像头的图像的数据检测摄像头是否有转向、遮挡和污渍;
得到检测结果和报警信息;
汇总统计数据;
将所述检测结果、报警信息和统计数据传输到展示层。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至8任意一项所述的一种电厂摄像头异常检测系统中的方法。
10.一种存储介质,其特征在于,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如权利要求1至8中任一项所述的一种电厂摄像头异常检测系统中的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111613505.1A CN114286082A (zh) | 2021-12-27 | 2021-12-27 | 一种电厂摄像头异常检测系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111613505.1A CN114286082A (zh) | 2021-12-27 | 2021-12-27 | 一种电厂摄像头异常检测系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114286082A true CN114286082A (zh) | 2022-04-05 |
Family
ID=80875988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111613505.1A Pending CN114286082A (zh) | 2021-12-27 | 2021-12-27 | 一种电厂摄像头异常检测系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114286082A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116634208A (zh) * | 2023-07-26 | 2023-08-22 | 合肥英特灵达信息技术有限公司 | 一种业务算法调度方法、系统、装置、终端及存储介质 |
-
2021
- 2021-12-27 CN CN202111613505.1A patent/CN114286082A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116634208A (zh) * | 2023-07-26 | 2023-08-22 | 合肥英特灵达信息技术有限公司 | 一种业务算法调度方法、系统、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506451B (zh) | 用于数据交互的异常信息监控方法及装置 | |
CN112436968B (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
CN111338901A (zh) | 一种Redis监控方法、Redis监控装置及终端 | |
CN111459671A (zh) | 一种数据处理方法、装置及数据交换服务器和存储介质 | |
JP2015106334A (ja) | 障害予兆検知方法、情報処理装置およびプログラム | |
US20210311468A1 (en) | Real-time alerts and transmission of selected signal samples under a dynamic capacity limitation | |
CN108388496A (zh) | 一种系统日志的收集方法 | |
CN108255620A (zh) | 一种业务逻辑处理方法、装置、业务服务器及系统 | |
US20160210338A1 (en) | System for Collaborative Data Analytics for Time Series Data | |
CN111046022A (zh) | 一种基于大数据技术的数据库审计方法 | |
CN105550939A (zh) | 一种针织生产管理系统终端 | |
US20220335943A1 (en) | Human-computer interaction method, apparatus, and system | |
CN113821416A (zh) | 监测告警方法、装置、存储介质及电子设备 | |
CN114286082A (zh) | 一种电厂摄像头异常检测系统、电子设备及存储介质 | |
CN112579241A (zh) | 页面布局方法和装置、计算机可读存储介质、电子设备 | |
CN110008923B (zh) | 图像处理方法和训练方法、以及装置、介质、计算设备 | |
CN103677519A (zh) | 一种收藏多媒体资源的方法、终端及服务器 | |
CN113473086B (zh) | 视频播放的方法、装置、电子设备、智慧高速大屏 | |
CN109800124B (zh) | Cpu使用率监控方法、装置、电子设备及存储介质 | |
CN103778024A (zh) | 服务器系统及其讯息处理方法 | |
CN114091704A (zh) | 一种告警压制方法和装置 | |
CN110751092B (zh) | 基于物联网的农业监控方法及装置、存储介质及电子设备 | |
CN110717130A (zh) | 打点方法、装置、终端及存储介质 | |
CN112130944A (zh) | 页面异常的检测方法、装置、设备及存储介质 | |
CN116595756A (zh) | 基于数字孪生的数据中心智能化运维方法及装置 |
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 |