CN114492580A - 水利监控方法、装置、设备及存储介质 - Google Patents
水利监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114492580A CN114492580A CN202111615266.3A CN202111615266A CN114492580A CN 114492580 A CN114492580 A CN 114492580A CN 202111615266 A CN202111615266 A CN 202111615266A CN 114492580 A CN114492580 A CN 114492580A
- Authority
- CN
- China
- Prior art keywords
- water body
- data
- water
- determining
- early warning
- 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
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B23/00—Alarms responsive to unspecified undesired or abnormal conditions
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (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)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明属于水利监控技术领域,公开了一种水利监控方法、装置、设备及存储介质。该方法包括:实时获取待监控水体的水体数据集;提取所述水体数据集中的异常水体数据;确定采集到所述异常水体数据对应的水体检测传感器;采集所述水体检测传感器对应区域的水体监控图像;根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。通过上述方式,通过对水体数据集的实时获取来确定异常水体数据,然后确定异常水体数据对应的水体检测传感器,然后再采集对应的水体监控图像,然后确定预警类型,实现了不需要持续使用视频采集设备完成水利监控,降低了整体水利监控的能源消耗,并且不会因为供电不足而系统掉电。
Description
技术领域
本发明涉及水利监控技术领域,尤其涉及一种水利监控方法、装置、设备及存储介质。
背景技术
现有的对于水利监控的方法都是采用了基于摄像头进行实时的视频图像采集进行的,但是这种方式的摄像头都是太阳能供电的方式进行运作,而当处于阴雨天气或者太阳能采能不足的情况下,容易出现视频采集设备的掉线和停止工作的情况,进而导致水体的水利监控暂停,导致数据丢失和数据上传延迟,存在安全隐患。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种水利监控方法、装置、设备及存储介质,旨在解决现有技术基于摄像头进行水利监控整体功耗高且容易太阳能蓄电池供电不足而系统掉电的技术问题。
为实现上述目的,本发明提供了一种水利监控方法,所述方法包括以下步骤:
实时获取待监控水体的水体数据集;
提取所述水体数据集中的异常水体数据;
确定采集到所述异常水体数据对应的水体检测传感器;
采集所述水体检测传感器对应区域的水体监控图像;
根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
可选地,所述提取所述水体数据集中的异常水体数据,包括:
根据所述水体数据集确定多个单项水体数据;
根据各所述单项水体数据和参数预测模型确定数据检测结果;
根据所述数据检测结果从所述水体数据集中提取异常水体数据。
可选地,所述根据各所述单项水体数据和参数预测模型确定数据检测结果,包括:
获取单项水体数据对应的水体参数类型;
根据所述参数预测模型和所述水体参数类型确定各所述单项水体数据对应的理想单项数据;
根据所述理想单项数据和单项水体数据确定数据差值信息;
根据所述数据差值信息和预设安全阈值确定数据检测结果。
可选地,所述根据所述参数预测模型确定各所述单项水体数据对应的理想单项数据之前,还包括:
获取各个不同类型的水体参数对应的历史水体数据;
根据所述历史水体数据得到参数预测模型。
可选地,所述根据所述历史水体数据得到参数预测模型,包括:
获取所述历史水体数据对应的数据采集时间信息;
根据所述历史水体数据和数据采集时间信息确定历史理想数据曲线;
根据所述历史理想数据曲线构建参数预测模型,所述参数预测模型表征数据采集时间与所述理想单项数据之间的对应关系。
可选地,所述根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警,包括:
获取所述异常水体数据对应的参数类型;
确定所述参数类型对应的标准对比图像;
将所述标准对比图像与所述水体监控图像比对,得到图像比对结果;
根据所述图像比对结果确定图像相似度;
当所述图像相似度高于标准相似度时,确定预警类型为传感器异常;
根据所述异常传感器的传感器配置信息生成故障预警信息,并发送给用户。
可选地,所述根据所述图像比对结果确定图像相似度之后,还包括:
当所述图像相似度不高于标准相似度时,确定预警类型为水体异常;
根据所述异常水体数据生成数据异常报告;
将所述数据异常报告发送至用户,以向用户预警。
此外,为实现上述目的,本发明还提出一种水利监控装置,所述水利监控装置包括:
数据采集模块,用于实时获取待监控水体的水体数据集;
数据分析模块,用于提取所述水体数据集中的异常水体数据;
异常分析模块,用于确定采集到所述异常水体数据对应的水体检测传感器;
图像采集模块,用于采集所述水体检测传感器对应区域的水体监控图像;
判断预警模块,用于根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
此外,为实现上述目的,本发明还提出一种水利监控设备,所述水利监控设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水利监控程序,所述水利监控程序配置为实现如上文所述的水利监控方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有水利监控程序,所述水利监控程序被处理器执行时实现如上文所述的水利监控方法的步骤。
本发明实时获取待监控水体的水体数据集;提取所述水体数据集中的异常水体数据;确定采集到所述异常水体数据对应的水体检测传感器;采集所述水体检测传感器对应区域的水体监控图像;根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。通过这种方式,通过对水体数据集的实时获取来确定异常水体数据,然后确定异常水体数据对应的水体检测传感器,然后再采集对应的水体监控图像,然后确定预警类型,实现了不需要持续使用视频采集设备完成水利监控,降低了整体水利监控的能源消耗,并且不会因为供电不足而系统掉电。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的水利监控设备的结构示意图;
图2为本发明水利监控方法第一实施例的流程示意图;
图3为本发明水利监控方法第二实施例的流程示意图;
图4为本发明水利监控装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的水利监控设备结构示意图。
如图1所示,该水利监控设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对水利监控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及水利监控程序。
在图1所示的水利监控设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明水利监控设备中的处理器1001、存储器1005可以设置在水利监控设备中,所述水利监控设备通过处理器1001调用存储器1005中存储的水利监控程序,并执行本发明实施例提供的水利监控方法。
本发明实施例提供了一种水利监控方法,参照图2,图2为本发明一种水利监控方法第一实施例的流程示意图。
本实施例中,所述水利监控方法包括以下步骤:
步骤S10:实时获取待监控水体的水体数据集。
需要说明的是,本实施例的执行主体为一个控制器,主要为控制水利监控方法的控制器,可以为能实现此功能的任意设备,例如:服务器、系统等,本实施例对此不加以限制。
应理解的是,现有的对于水利监控的方法都是采用了基于摄像头进行实时的视频图像采集进行的,但是这种方式的摄像头都是太阳能供电的方式进行运作,而当处于阴雨天气或者太阳能采能不足的情况下,容易出现视频采集设备的掉线和停止工作的情况,进而导致水体的水利监控暂停,导致数据丢失和数据上传延迟,存在安全隐患。而本方案采用了使用传感器实时采集水体数据,然后当出现异常水体数据时再采集对应的水体监控图像,从而确定预警类型并进行预警,实现了不需要持续开启视频监控,在节省了能源消耗的前提下仍可以准确的对水体进行监控和预警。
在具体实施中,待监控水体可以是部署了传感器进行水利监控的任意水体,例如:河流、湖泊等。
需要说明的是,水体数据集指的是通过各种传感器和采集设备采集到的待监控水体对应的各项数据的数据集,水体数据集可以包括:水体流量、水体流速或者水位等水体参数。
应理解的是,实时获取待监控水体的水体数据集指的是通过各类水体检测传感器进行检测得到水体数据及,水体检测传感器可以包括:超声波水位传感器、流速传感器、流量传感器,或者其他传感器,本实施例对此不加以限制。
步骤S20:提取所述水体数据集中的异常水体数据。
在具体实施中,异常水体数据指的是水体数据集中被判定出现异常的数据。
需要说明的是,提取所述水体数据集中的异常水体数据指的是:从所有的水体数据集中的单项水体数据和参数预测模型确定出现异常的异常水体数据。
步骤S30:确定采集到所述异常水体数据对应的水体检测传感器。
应理解的是,确定采集到所述异常水体数据对应的水体检测传感器指的是:确定异常水体数据对应的具体的参数类型,从而确定是由哪一个水体检测传感器所测量的数据。
步骤S40:采集所述水体检测传感器对应区域的水体监控图像。
在具体实施中,采集所述水体检测传感器对应区域的水体监控图像指的是:当确定水体检测传感器之后,通过监控摄像头或者其他视频采集设备采集水体检测传感器对应的预设半径的圆形区域的监控图像作为水体监控图像。其中,预设半径的圆形区域中的预设半径可以是用户或者管理员自行设定和调控的任意长度的半径,圆形区域包括但不限于水体检测传感器的完整图像。
步骤S50:根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
需要说明的是,预警类型可以包括传感器异常和水体异常两种,可以根据水体监控图像确定是两种中的具体一种。
应理解的是,根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警指的是:根据水体监控图像与标准图像进行对比确定图像比对结果,然后根据图像比对结果确定具体的预警类型,然后根据预警类型的不同通过不同的方式进行预警。
进一步地,为了能够准确的确定预警类型,步骤S50包括:获取所述异常水体数据对应的参数类型;确定所述参数类型对应的标准对比图像;将所述标准对比图像与所述水体监控图像比对,得到图像比对结果;根据所述图像比对结果确定图像相似度;当所述图像相似度高于标准相似度时,确定预警类型为传感器异常;根据所述异常传感器的传感器配置信息生成故障预警信息,并发送给用户。
在具体实施中,获取所述异常水体数据对应的参数类型指的是:获取异常水体数据的参数类型,参数类型可以是:流量、流速、水位、水质、水体颜色等。
需要说明的是,确定所述参数类型对应的标准对比图像指的是:从预先存储的图像中确定参数类型对应的标准对比图像。其中,标准对比图像指的是参数类型对应的水体数据未出现异常的情况下的水体检测传感器对应区域的图像。
应理解的是,将所述标准对比图像与所述水体监控图像比对,得到图像比对结果指的是:将标准对比图像和水体监控图像进行图像比对,最终得到了图像比对结果。
在具体实施中,图像相似度指的是标准对比图像和水体监控图像的像素的重合率。
需要说明的是,标准相似度指的是用户或者管理员预先设定的用于评估图像相似度的阈值,标准相似度可以是0-100%的任意数值,本实施例对此不加以限制。
应理解的是,当所述图像相似度高于标准相似度时,确定预警类型为传感器异常指的是:当图像相似度大于标准相似度,判定为传感器异常。
在具体实施中,根据所述异常传感器的传感器配置信息生成故障预警信息,并发送给用户指的是:当确定为传感器异常之后,确定异常传感器(异常水体数据对应的水体检测传感器)的传感器配置信息,然后将传感器配置信息嵌入故障预警信息发送给用户。其中,传感器配置信息指的是异常传感器的各个传感器工作参数以及配置的相关信息,例如:传感器上电时间、工作时长等。
通过这种方式,可以准确的判断预警类型,以及在预警类型为传感器异常时准确的生成对应的预警方式对用户进行警告。
进一步地,为了能在水体异常时向用户预警,根据所述图像比对结果确定图像相似度的步骤之后,还包括:当所述图像相似度不高于标准相似度时,确定预警类型为水体异常;根据所述异常水体数据生成数据异常报告;将所述数据异常报告发送至用户,以向用户预警。
需要说明的是,当所述图像相似度不高于标准相似度时,确定预警类型为水体异常指的是:当图像相似度小于或者等于标准相似度时,判定为水体异常。其中,图像相似度小于或者等于标准相似度可能原因为水体颜色、水位或者流速出现异常。
应理解的是,数据异常报告指的是将异常水体数据以及历史异常水体数据对应的历史水体数据进行打包并汇总生成的。
通过这种方式,实现了当预警类型为水体异常时能够有针对性的生成数据异常报告并发送给用户,以实现向用户预警。
本实施例通过实时获取待监控水体的水体数据集;提取所述水体数据集中的异常水体数据;确定采集到所述异常水体数据对应的水体检测传感器;采集所述水体检测传感器对应区域的水体监控图像;根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。通过这种方式,通过对水体数据集的实时获取来确定异常水体数据,然后确定异常水体数据对应的水体检测传感器,然后再采集对应的水体监控图像,然后确定预警类型,实现了不需要持续使用视频采集设备完成水利监控,降低了整体水利监控的能源消耗,并且不会因为供电不足而系统掉电。
参考图3,图3为本发明一种水利监控方法第二实施例的流程示意图。
基于上述第一实施例,本实施例水利监控方法在所述步骤S20包括:
步骤S201:根据所述水体数据集确定多个单项水体数据。
需要说明的是,单项水体数据指的是水体数据集中的每一个个体数据,并且每一个单项水体数据都对应了一种类型的数据,例如:单位流速、单位流量、水体高度等。
应理解的是,根据所述水体数据集确定多个单项水体数据指的是:从水体数据集中确定若干个单项水体数据。
步骤S202:根据各所述单项水体数据和参数预测模型确定数据检测结果。
在具体实施中,参数预测模型指的是由各个不同类型的水体参数对应的历史水体数据构建的模型,可以根据各个单项水体数据以及单项水体数据对应的数据采集时间确定历史理想数据,从而从单项水体数据中确定异常水体数据。
需要说明的是,数据检测结果指的是首先将单项水体数据对应的数据采集时间代入到参数预测模型之后得到理想单项数据,然后根据理想单项数据和单项水体数据的数据差值信息确定数据检测结果。
进一步地,为了能够准确的确定数据检测结果,步骤S202包括:获取单项水体数据对应的水体参数类型;根据所述参数预测模型和所述水体参数类型确定各所述单项水体数据对应的理想单项数据;根据所述理想单项数据和单项水体数据确定数据差值信息;根据所述数据差值信息和预设安全阈值确定数据检测结果。
应理解的是,水体参数类型指的是:单项水体数据对应的数据的参数累心,也就是数据对应的类型,例如:单位流速、单位流量、水体高度等。
在具体实施中,根据所述参数预测模型和所述水体参数类型确定各所述单项水体数据对应的理想单项数据指的是:将单项水体数据对应的数据采集时间按照水体参数类型输入到参数预测模型中,可以得到单项水体数据的数据采集时间对应的理想单项数据。理想单项数据是与每一个单项水体数据一一对应的,在单项水体数据的数据采集时间下的通过参数预测模型得到的数据。
需要说明的是,根据所述理想单项数据和单项水体数据确定数据差值信息指的是:计算理想单项数据和单项水体数据的差值,作为数值差值信息进行存储。
应理解的是,根据所述数据差值信息和预设安全阈值确定数据检测结果指的是根据数据差值信息中的数据差值和预设安全阈值确定数据差值信息对应的单项水体数据是否为异常水体数据,然后根据判断结果生成数据检测结果。其中,预设安全阈值指的是由用户或者管理员自行设定和随时调控的任意数值的取值范围,用于结合数据差值信息中的数据差值生成数据检测结果从而判断单项水体数据是否为异常水体数据。
在具体实施中,当单项水体数据对应的数据检测结果中显示数据差值信息中的数据差值在预设安全阈值的取值范围之外时,判定为异常水体数据,并存储如数据检测结果。
通过这种方式,实现了根据单项水体数据和参数预测模型准确的确定数据检测结果,从而准确的判定单项水体数据中存在的异常水体数据。
进一步地,为了能够准确的得到参数预测模型,根据所述参数预测模型确定各所述单项水体数据对应的理想单项数据的步骤之前,还包括:获取各个不同类型的水体参数对应的历史水体数据;根据所述历史水体数据得到参数预测模型。
需要说明的是,获取各个不同类型的水体参数对应的历史水体数据指的是:获取每一种水体参数类型对应的水体数据的历史数据,作为历史水体数据,具体的,历史水体数据具体指的是一天内、一周内或者一个月、一年内的当前时刻的各个水体参数类型对应的水体数据。
应理解的是,根据所述历史水体数据得到参数预测模型指的是根据历史水体数据确定历史理想数据曲线,然后根据历史理想数据曲线构建参数预测模型。
通过这种方式,实现了通过获取历史水体数据建立参数预测模型,使得参数预测模型的构建更加可靠,并且模型输出结果也更加准确。
进一步地,为了能够根据历史水体数据准确的得到参数预测模型,根据所述历史水体数据得到参数预测模型的步骤包括:获取所述历史水体数据对应的数据采集时间信息;根据所述历史水体数据和数据采集时间信息确定历史理想数据曲线;根据所述历史理想数据曲线构建参数预测模型,所述参数预测模型表征数据采集时间与所述理想单项数据之间的对应关系。
需要说明的是,获取所述历史水体数据对应的数据采集时间信息指的是:获取历史水体数据中的每一项数据对应的采集到数据的时刻,例如:某一个水位高度的数据采集到的时间为12:00。
应理解的是,根据所述历史水体数据和数据采集时间信息确定历史理想数据曲线指的是:根据历史水体数据以及每一个数值对应的数据采集时间拟合出每一个水体参数类型对应的历史水体数据对应的一天时间内的历史水体数据变化曲线,即为历史理想数据曲线。所以可以得到与水体参数类型对应的若干条历史理想数据曲线。
在具体实施中,根据所述历史理想数据曲线构建参数预测模型,所述参数预测模型表征数据采集时间与所述理想单项数据之间的对应关系指的是:当得到历史理想数据曲线之后,按照水体参数类型通过历史理想数据曲线构建和训练得到参数预测模型。将参数预测模型输入数据采集时间,可以输出数据采集时间对应的理想单项数据。
通过这种方式,实现了根据数据采集时间信息构建历史理想数据曲线,从而构建参数预测模型,使得理想单项数据的确定更加准确。
步骤S203:根据所述数据检测结果从所述水体数据集中提取异常水体数据。
应理解的是,根据所述数据检测结果从所述水体数据集中提取异常水体数据指的是:根据数据检测结果确定水体数据集中存在的异常水体数据。
本实施例通过根据所述水体数据集确定多个单项水体数据;根据各所述单项水体数据和参数预测模型确定数据检测结果;根据所述数据检测结果从所述水体数据集中提取异常水体数据。通过这种方式,实现了根据参数预测模型准确的确定数据检测结果,从而能够准确的从水体数据集中的单项水体数据中准确的筛选和提取出异常水体数据,使得水利监控的数据分析更加准确和可靠。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有水利监控程序,所述水利监控程序被处理器执行时实现如上文所述的水利监控方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不一一赘述。
参照图4,图4为本发明水利监控装置第一实施例的结构框图。
如图4所示,本发明实施例提出的水利监控装置包括:
数据采集模块10,用于实时获取待监控水体的水体数据集。
数据分析模块20,用于提取所述水体数据集中的异常水体数据。
异常分析模块30,用于确定采集到所述异常水体数据对应的水体检测传感器。
图像采集模块40,用于采集所述水体检测传感器对应区域的水体监控图像。
判断预警模块50,用于根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
本实施例通过实时获取待监控水体的水体数据集;提取所述水体数据集中的异常水体数据;确定采集到所述异常水体数据对应的水体检测传感器;采集所述水体检测传感器对应区域的水体监控图像;根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。通过这种方式,通过对水体数据集的实时获取来确定异常水体数据,然后确定异常水体数据对应的水体检测传感器,然后再采集对应的水体监控图像,然后确定预警类型,实现了不需要持续使用视频采集设备完成水利监控,降低了整体水利监控的能源消耗,并且不会因为供电不足而系统掉电。
在一实施例中,所述数据分析模块20,还用于根据所述水体数据集确定多个单项水体数据;根据各所述单项水体数据和参数预测模型确定数据检测结果;根据所述数据检测结果从所述水体数据集中提取异常水体数据。
在一实施例中,所述数据分析模块20,还用于获取单项水体数据对应的水体参数类型;根据所述参数预测模型和所述水体参数类型确定各所述单项水体数据对应的理想单项数据;根据所述理想单项数据和单项水体数据确定数据差值信息;根据所述数据差值信息和预设安全阈值确定数据检测结果。
在一实施例中,所述数据分析模块20,还用于获取各个不同类型的水体参数对应的历史水体数据;根据所述历史水体数据得到参数预测模型。
在一实施例中,所述数据分析模块20,还用于获取所述历史水体数据对应的数据采集时间信息;根据所述历史水体数据和数据采集时间信息确定历史理想数据曲线;根据所述历史理想数据曲线构建参数预测模型,所述参数预测模型表征数据采集时间与所述理想单项数据之间的对应关系。
在一实施例中,所述判断预警模块50,还用于获取所述异常水体数据对应的参数类型;确定所述参数类型对应的标准对比图像;将所述标准对比图像与所述水体监控图像比对,得到图像比对结果;根据所述图像比对结果确定图像相似度;当所述图像相似度高于标准相似度时,确定预警类型为传感器异常;根据所述异常传感器的传感器配置信息生成故障预警信息,并发送给用户。
在一实施例中,所述判断预警模块50,还用于当所述图像相似度不高于标准相似度时,确定预警类型为水体异常;根据所述异常水体数据生成数据异常报告;将所述数据异常报告发送至用户,以向用户预警。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的水利监控方法,此处不再赘述。
此外,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
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)
1.一种水利监控方法,其特征在于,所述水利监控方法包括:
实时获取待监控水体的水体数据集;
提取所述水体数据集中的异常水体数据;
确定采集到所述异常水体数据对应的水体检测传感器;
采集所述水体检测传感器对应区域的水体监控图像;
根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
2.如权利要求1所述的方法,其特征在于,所述提取所述水体数据集中的异常水体数据,包括:
根据所述水体数据集确定多个单项水体数据;
根据各所述单项水体数据和参数预测模型确定数据检测结果;
根据所述数据检测结果从所述水体数据集中提取异常水体数据。
3.如权利要求2所述的方法,其特征在于,所述根据各所述单项水体数据和参数预测模型确定数据检测结果,包括:
获取单项水体数据对应的水体参数类型;
根据所述参数预测模型和所述水体参数类型确定各所述单项水体数据对应的理想单项数据;
根据所述理想单项数据和单项水体数据确定数据差值信息;
根据所述数据差值信息和预设安全阈值确定数据检测结果。
4.如权利要求3所述的方法,其特征在于,所述根据所述参数预测模型确定各所述单项水体数据对应的理想单项数据之前,还包括:
获取各个不同类型的水体参数对应的历史水体数据;
根据所述历史水体数据得到参数预测模型。
5.如权利要求4所述的方法,其特征在于,所述根据所述历史水体数据得到参数预测模型,包括:
获取所述历史水体数据对应的数据采集时间信息;
根据所述历史水体数据和数据采集时间信息确定历史理想数据曲线;
根据所述历史理想数据曲线构建参数预测模型,所述参数预测模型表征数据采集时间与所述理想单项数据之间的对应关系。
6.如权利要求1所述的方法,其特征在于,所述根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警,包括:
获取所述异常水体数据对应的参数类型;
确定所述参数类型对应的标准对比图像;
将所述标准对比图像与所述水体监控图像比对,得到图像比对结果;
根据所述图像比对结果确定图像相似度;
当所述图像相似度高于标准相似度时,确定预警类型为传感器异常;
根据所述异常传感器的传感器配置信息生成故障预警信息,并发送给用户。
7.如权利要求6所述的方法,其特征在于,所述根据所述图像比对结果确定图像相似度之后,还包括:
当所述图像相似度不高于标准相似度时,确定预警类型为水体异常;
根据所述异常水体数据生成数据异常报告;
将所述数据异常报告发送至用户,以向用户预警。
8.一种水利监控预警装置,其特征在于,所述水利监控预警装置包括:
数据采集模块,用于实时获取待监控水体的水体数据集;
数据分析模块,用于提取所述水体数据集中的异常水体数据;
异常分析模块,用于确定采集到所述异常水体数据对应的水体检测传感器;
图像采集模块,用于采集所述水体检测传感器对应区域的水体监控图像;
判断预警模块,用于根据所述水体监控图像确定预警类型,并根据所述预警类型进行预警。
9.一种水利监控设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水利监控程序,所述水利监控程序配置为实现如权利要求1至7中任一项所述的水利监控方法。
10.一种存储介质,其特征在于,所述存储介质上存储有水利监控程序,所述水利监控程序被处理器执行时实现如权利要求1至7任一项所述的水利监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615266.3A CN114492580A (zh) | 2021-12-27 | 2021-12-27 | 水利监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615266.3A CN114492580A (zh) | 2021-12-27 | 2021-12-27 | 水利监控方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114492580A true CN114492580A (zh) | 2022-05-13 |
Family
ID=81495212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111615266.3A Pending CN114492580A (zh) | 2021-12-27 | 2021-12-27 | 水利监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114492580A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115424422A (zh) * | 2022-07-29 | 2022-12-02 | 上海金铎禹辰水环境工程有限公司 | 水域预警方法、装置、设备及存储介质 |
CN115657580A (zh) * | 2022-12-14 | 2023-01-31 | 北京交科公路勘察设计研究院有限公司 | 基于组合算法的隧道消防水池监控方法及系统 |
CN117041493A (zh) * | 2023-08-23 | 2023-11-10 | 北京世纪农丰土地科技有限公司 | 一种基于图像采集的水体监测系统及装置 |
-
2021
- 2021-12-27 CN CN202111615266.3A patent/CN114492580A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115424422A (zh) * | 2022-07-29 | 2022-12-02 | 上海金铎禹辰水环境工程有限公司 | 水域预警方法、装置、设备及存储介质 |
CN115657580A (zh) * | 2022-12-14 | 2023-01-31 | 北京交科公路勘察设计研究院有限公司 | 基于组合算法的隧道消防水池监控方法及系统 |
CN117041493A (zh) * | 2023-08-23 | 2023-11-10 | 北京世纪农丰土地科技有限公司 | 一种基于图像采集的水体监测系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114492580A (zh) | 水利监控方法、装置、设备及存储介质 | |
EP3215815B1 (en) | System for determining sensor condition | |
US20200225118A1 (en) | Failure detection device for detecting an issue with a part of a machine | |
CN111143173A (zh) | 一种基于神经网络的服务器故障监测方法及系统 | |
JP6540531B2 (ja) | 監視装置及び監視装置の制御方法 | |
CN102257448B (zh) | 使用切换模型对信号进行滤波的方法和设备 | |
CN115239135A (zh) | 一种施工风险识别管控系统及方法 | |
JP7441730B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN109470946A (zh) | 一种发电设备故障检测方法及系统 | |
US11900223B2 (en) | Device and method for monitoring a system | |
CN114200877B (zh) | 一种用电设备的监控方法和装置 | |
CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
JP2006221402A (ja) | 地下水開発施設における地下水管理システム | |
CN109784127A (zh) | 一种设备健康状态预警方法及其系统 | |
CN115618719A (zh) | 一种工业建筑内的火灾烟雾监测预警方法、系统和存储介质 | |
CN110864225A (zh) | 用于输配水网的监控系统及方法 | |
CN114298243A (zh) | 一种数据处理方法、装置以及设备 | |
CN212202512U (zh) | 一种用于消防水泵特性检测的自动化设备及检测系统 | |
CN104657197B (zh) | 虚拟机自动扩展系统及方法 | |
CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
CN116403165B (zh) | 一种危险化学品泄露应急处理方法、装置及可读存储介质 | |
CN114840722A (zh) | 水利信息展示方法、装置、设备及存储介质 | |
JP7441729B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN115988034B (zh) | 管道安全状态的智能化监测方法及系统、服务平台 | |
CN117227551B (zh) | 新能源设备安全监控方法、装置、设备及可读存储介质 |
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 |