CN114493299A - 一种基于工业互联网的农业机械管控方法及设备、介质 - Google Patents
一种基于工业互联网的农业机械管控方法及设备、介质 Download PDFInfo
- Publication number
- CN114493299A CN114493299A CN202210111355.2A CN202210111355A CN114493299A CN 114493299 A CN114493299 A CN 114493299A CN 202210111355 A CN202210111355 A CN 202210111355A CN 114493299 A CN114493299 A CN 114493299A
- Authority
- CN
- China
- Prior art keywords
- information
- agricultural
- mechanical equipment
- agricultural mechanical
- abnormal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 230000000875 corresponding effect Effects 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 31
- 238000007726 management method Methods 0.000 claims description 26
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于工业互联网的农业机械管控方法及设备、介质,该方法获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。
Description
技术领域
本申请涉及工业互联网技术领域,尤其涉及一种基于工业互联网的农业机械管控方法及设备、介质。
背景技术
随着农业自动化的发展,农业播种、浇灌、维护、收割等各个阶段,都开始通过农业机械来实现,通过农业机械,可以逐渐解放了人力资源。让农业机械参与农业生产,也可以提高了农业生产效率。国家为推动农业自动化的进程,也下发了农机购置补贴的政策。
然而现有很多农业机械设备的使用者都毫无驾驶经验,也并未掌握农业机械设备的操作方法,导致很多时候是人为操作不当造成农业机械的损坏。而在保修和更换部件的问题上,消费者和销售方、生产方都很难明确农业机械设备损坏的责任方,造成不必要的矛盾和纠纷。
发明内容
为解决上述问题,本申请实施例提供了一种基于工业互联网的农业机械管控方法及设备、介质。
一方面,本申请实施例提供了一种基于工业互联网的农业机械管控方法,该方法包括:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
在本申请的一种实现方式中,确定农业机械设备的运行信息的信息标签。信息标签为主动标识载体标注,至少包括以下一项或多项:驾驶人、行驶路径、作业件运行。将信息标签与数据处理模型库的子模型组标签匹配,以得到匹配结果。其中,匹配结果包括信息标签与子模型组标签的对应关系。数据处理模型库至少包括驾驶人子模型组、行驶路径子模型组、作业件子模型组。确定农业机械设备的运行信息的信息类型。信息类型至少包括:声音类型、图像类型、数据类型。根据信息类型以及匹配结果中的子模型组,从子模型组中,确定至少一个第一数据处理模型。
在本申请的一种实现方式中,将农业机械设备的运行信息输入第一数据处理模型。通过第一数据处理模型,按照预设时间间隔,将农业机械设备的运行信息进行分段处理,以确定农业机械设备的运行信息的若干运行数据序列。按照时间顺序,确定相邻的各运行数据序列的变化值,并将变化值与预设阈值匹配,以确定农业机械设备的运行状态是否异常。
在本申请的一种实现方式中,确定各运行数据序列。根据时间顺序,计算相邻的运行数据序列之间的欧式距离,并将欧式距离的计算值,作为变化值。将变化值与预设阈值进行数值匹配。在变化值大于预设阈值的情况下,确定变化值对应的异常时间,并确定农业机械设备的运行状态存在异常。在变化值小于或等于预设阈值的情况下,确定相应时间的农业机械设备的运行状态不存在异常。
在本申请的一种实现方式中,获取农业机械设备的出厂信息。确定农业机械设备的出厂信息对应的农业机械设备及农业机械设备的主动标识载体。确定主动标识载体的标识,并将标识与农业机械设备的出厂信息关联。将关联后的标识与农业机械出厂信息发送至预设区块链平台,以在区块链平台添加农业机械设备的唯一身份。
在本申请的一种实现方式中,通过若干机械异常样本,对预设的多个神经网络模型进行训练。机械异常样本至少包括图像数据样本、声音数据样本、频率数据样本、压力数据样本。确定异常信息的异常类型,并从训练完成的各神经网络模型中,确定异常类型匹配的神经网络模型,为诊断模型。将异常信息输入至诊断模型,以得到异常信息的机械异常程度。
在本申请的一种实现方式中,确定使用申请数据库中,是否存在农业机械设备的使用申请信息。使用申请信息基于用户的申请生成的。在确定使用申请数据库中,存在农业机械设备的使用申请信息的情况下,确定使用申请信息中的使用规划。其中,使用规划包括:使用地点、使用开始时间、使用结束时间。确定农业机械的当前使用情况,与使用规划是否匹配,以确定匹配结果。根据匹配结果以及机械异常程度,确定诊断的诊断结果。
在本申请的一种实现方式中,从预设区块链平台,确定农业机械设备的机械信息。机械信息包括农业机械的农业机械设备的出厂信息、农业机械设备的运行信息、异常信息。将机械信息,发送至补贴申请终端,以确定农业机械是否存在农机补贴记录。
另一方面,本申请实施例还提供了一种基于工业互联网的农业机械管控设备,该设备包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器。其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
再一方面,本申请实施例还提供了一种基于工业互联网的农业机械管控的溯源非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
通过上述方案,可以对农业机械设备的运行信息进行实时获取监控,能够在农业机械设备的运行状态异常时,及时地对运行信息进行诊断,从而确定农业机械设备是否需要进行监管终端进行监管控制。从而,可以避免在农业机械设备的使用过程中,避免操作者的操作不当,引发农业机械设备损坏,同时也便于在农业机械设备损坏追责时,有追责依据,提高用户的使用体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种基于工业互联网的农业机械管控方法的一种流程示意图;
图2为本申请实施例中一种基于工业互联网的农业机械管控设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例提供了一种基于工业互联网的农业机械管控方法及设备、介质,用来对农业机械进行有效管控,避免操作不当,损坏农业机械以及帮助明确农业机械设备损坏时的责任方。
以下结合附图,详细说明本申请的各个实施例。
本申请实施例提供了一种基于工业互联网的农业机械管控方法,如图1所示,该方法可以包括步骤S101-S104:
S101,服务器获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。
其中,农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。
需要说明的是,服务器作为基于工业互联网的农业机械管控方法的执行主体,仅为示例性存在,执行主体不仅限于服务器,本申请对此不作具体限定。
在本申请实施例中,农业机械设备的设备芯片或内部、外部设置有主动标识载体,即对农业机械设备进行唯一标识,同时可以采集农业机械设备的实时运行信息。实时运行信息的采集先通过农业机械设备上的图像采集设备、压力传感器、声音传感器等进行数据采集,并将采集到的数据通过主动标识载体,分别发送至用于数据存储的数据库,该数据库的存储数据可以用于服务器的随时取用,并且主动标识载体还将接受的数据,可实时发送至服务器。
在本申请实施例中,服务器获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息之前,还包括:
首先,服务器获取农业机械设备的出厂信息。
在本申请实施例中,服务器可以先向农业机械设备的出售方或购买方确定设备的出厂信息。
接着,服务器确定农业机械设备的出厂信息对应的农业机械设备及农业机械设备的主动标识载体。
服务器将出厂信息与以及确定该出厂信息对应的农业机械设备以及设置于农业机械设备上的主动标识载体,在本申请实施例中,农业机械设备的主动标识载体在购买时,可能处于未激活状态,即未将主动标识载体的标识与出厂信息进行关联。
然后,服务器确定主动标识载体的标识,并将标识与农业机械设备的出厂信息关联。
即将主动标识载体的标识与农业机械设备的出厂信息进行一对一的关联,从而建立关联关系,生成用于唯一标识该农业机械设备的标识。
最后,服务器将关联后的标识与农业机械出厂信息发送至预设区块链平台,以在区块链平台添加农业机械设备的唯一身份。
通过上述方案,可以将农业机械设备的身份进行唯一标识,从而在对农业机械设备管控时,更加方便,追责时更加简单。
S102,服务器将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。
在本申请实施例中,服务器将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常之前,还包括:
首先,服务器确定农业机械设备的运行信息的信息标签。
其中,信息标签为主动标识载体标注,至少包括以下一项或多项:驾驶人、行驶路径、作业件运行。
在主动标识载体发送了运行信息之后,可以确定运行信息中的信息标签,如当前驾驶农业机械设备的驾驶人、当前农业机械设备的形式路径、以及农业机械设备的各作业件的运行。各作业件为农业机械设备的作业工具,例如收割机的收割部位,喷雾机的喷嘴等。
该信息标签可以是主动标识载体在接收到运行信息后,通过运行信息的发送设备,从而确定运行信息的来源,例如设置于驾驶室用于采集驾驶员图像的图像采集设备的采集数据,那么主动标识载体可以将该信息标注为驾驶人的信息标签。
然后,服务器将信息标签与数据处理模型库的子模型组标签匹配,以得到匹配结果。
其中,匹配结果包括信息标签与子模型组标签的对应关系。数据处理模型库至少包括驾驶人子模型组、行驶路径子模型组、作业件子模型组。
数据处理模型库可以包含有信息标签相应数量的标签,数据处理模型库中各子模型组中的模型可以用于对运行信息中的数据进行处理,例如识别驾驶人的身份、识别作业件运行数据的稳定状况、识别声音数据的异常等。通过将信息标签与数据处理模型库的子模型组标签的匹配,可以确定信息标签所对应的数据处理模型库的子模型组。
随后,服务器确定农业机械设备的运行信息的信息类型。
其中,信息类型至少包括:声音类型、图像类型、数据类型。
服务器可以根据信息标签,再确定运行信息的信息类型,例如信息标签为驾驶人、作业件运行,驾驶人为驾驶人的图像,作业件运行是发动机轰鸣声音。那么服务器确定信息类型为图像类型、声音类型。
随后,服务器根据信息类型以及匹配结果中的子模型组,从数据处理模型库子模型组中,确定至少一个第一数据处理模型。
服务器通过信息类型,与信息标签所对应的数据处理模型库的子模型组中各模型的信息处理类型进行匹配,从信息标签所对应的子模型组中,确定与信息类型匹配的至少一个子模型,作为第一数据处理模型。若一个信息标签具有一个信息类型,但其对应有多个第一数据处理模型,那么可以从多个第一数据处理模型中任选一个作为第一数据处理模型。
在本申请实施例中,服务器将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常,具体包括:
首先,服务器将农业机械设备的运行信息输入第一数据处理模型。
第一数据处理模型可以是设置于服务器上的模型,也可以是设置于其他外置终端,服务器与该外置终端进行信息交互,从而使用第一数据处理模型。
其次,服务器通过第一数据处理模型,按照预设时间间隔,将农业机械设备的运行信息进行分段处理,以确定农业机械设备的运行信息的若干运行数据序列。
预设时间间隔可以根据实际的需求进行设定不同间隔,也可以固定使用统一的时间间隔,第一数据处理模型通过时间,对运行信息进行分段处理,例如从6点到12点的运行信息,第一数据处理模型可以将其分为3段,6点-8点,8点-10点,10点-12点,依此得到了3组运行数据序列。
再其次,服务器按照时间顺序,确定相邻的各运行数据序列的变化值,并将变化值与预设阈值匹配,以确定农业机械设备的运行状态是否异常。
服务器可以通过时间顺序,依次比较相邻的各运行数据序列的变化值,例如上述的3组运行数据序列,可以比较6点-8点与8点-10点的变化值,比较8点-10点与10点-12点的变化值。
在本申请实施例中,变化值的计算可以举例如下:例如第一时刻的驾驶人为A,其相应的人脸图像的像素点矩阵可以作为第一时刻的驾驶人的运行数据序列T1,紧接着第二时刻换成了驾驶人为B,B的人脸图像的像素点矩阵作为其运行数据序列T2,通过T1与T2的比较,可以得到变化值。即信息标签为驾驶人,第一数据处理模型为图像处理模型。
再例如,第一时刻的作业件的压力数据生成的运行数据序列为M,紧接着第二时刻,该作业件的压力数据生成的运行数据序列为N,那么通过比较M与N,得到变化值。即信息标签为作业件运行,第一数据处理模型为压力数据处理模型。
若第一时刻的发动机的运行数据序列为X,第二时刻发送机的运行序列为Y,通过比较X与Y,得到变化值。
服务器在计算的变化值大于预设阈值时,那么确定农业机械设备的运行状态为异常。
具体地,服务器按照时间顺序,确定相邻的各运行数据序列的变化值,并将变化值与预设阈值匹配,以确定农业机械设备的运行状态是否异常,可以包括:
服务器确定各运行数据序列。
接着,服务器根据时间顺序,计算相邻的运行数据序列之间的欧式距离,并将欧式距离的计算值,作为变化值。
欧式距离公式如下:
其中,d(x,y)为运行数据序列之间的欧式距离,xi为某一运行数据序列的第i个运行数据,yi为某一运行数据序列的第i个运行数据。
然后,服务器将变化值与预设阈值进行数值匹配。
服务器在变化值大于预设阈值的情况下,确定变化值对应的异常时间,并确定农业机械设备的运行状态存在异常。
异常时间包括变化值对应的相邻时间段,服务器可以确定在该相邻时间段,农业机械设备运行状态发生了异常。
服务器在变化值小于或等于预设阈值的情况下,确定相应时间的农业机械设备的运行状态不存在异常。
通过上述方案,可以监控在农业机械设备运行时设备的运行状态,从而准确地对农业机械设备进行管控。
S103,服务器在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。
其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。
在本申请实施例中,服务器对农业机械设备的运行信息进行诊断,具体包括:
首先,服务器通过若干机械异常样本,对预设的多个神经网络模型进行训练。
机械异常样本至少包括图像数据样本、声音数据样本、频率数据样本、压力数据样本。
根据机械异常样本的类型多样,同样的神经网络模型可以面向不同类型的机械异常样本进行训练,从而得到用于处理不同类型数据的神经网络模型。机械异常样本还可以对应有机械异常程度,该机械异常样本可以是在农业机械设备历史使用过程中,所记录的样本数据。也可以是生产厂家或使用者提供的可信的样本数据。
然后,服务器确定异常信息的异常类型,并从训练完成的各神经网络模型中,确定异常类型匹配的神经网络模型,为诊断模型。
异常类型包括:图像类型、声音类型、频率类型等。例如异常信息为更换了驾驶员的图像类型信息,那么服务器可以从训练完成的多个神经网络模型中,确定用于识别图像数据的神经网络模型。
最后,服务器将异常信息输入至诊断模型,以得到异常信息的机械异常程度。
服务器将异常信息输入至诊断模型后,例如异常信息为服务器判定驾驶员更换了,诊断模型可以确定驾驶员是否真的更换,通过识别变化值对应的两个时间的不同图像数据,从而得到二者变化,并分别确定二者的人脸图像是否为已有驾驶农业机械设备资格的人脸图像,若一方没有,那么将生成相应的机械异常程度为二级,二级可以通知管控部门,需要对双方进行警告教育等。若双方均没有,异常程度可以为三级,将通知管控部门对双方进行惩罚,若双方均有,那么机械异常程度为一级,不会对该行为管控。
例如异常信息为作业件的压力数据异常,诊断模型可以对压力数据进行识别,并确定压力数据的变化程度对农业机械设备的正常运行的影响程度。该影响程度为通过若干机械异常样本相应标注的影响程度训练得到。
通过上述方案,可以对农业机械设备的运行信息进行准确诊断,并确定异常的程度,从而根据该机械异常程度,对农业机械设备进行准确地管控。
在本申请实施例中,服务器对农业机械设备的运行信息进行诊断,具体包括:
首先,服务器确定使用申请数据库中,是否存在农业机械设备的使用申请信息。
其中,使用申请信息基于用户的申请生成的。
在农业机械设备每次进行使用前,可以向服务器提供一个设备的使用申请,从而对农业机械设备进行合法的使用,该使用申请信息可以存储在申请数据库中。农业机械设备的使用申请可以不向服务器提出申请,也可以是用户通过手机终端提前填报的使用申请信息,并发送至申请数据库,不需要向服务器发送,服务器只需在需要时,与申请数据库建立通信连接,向申请数据库确认使用申请信息即可。
接着,服务器在确定使用申请数据库中存在农业机械设备的使用申请信息的情况下,确定使用申请信息中的使用规划。
其中,使用规划包括:使用地点、使用开始时间、使用结束时间。
随后,服务器确定农业机械的当前使用情况,与使用规划是否匹配,以确定匹配结果。
当前使用情况至少包括农业机械设备的使用地点、当前使用时间。服务器可以确定当前使用情况的使用地点与使用规划的使用地点是否一致,当前使用时间是否处于使用开始时间与使用结束时间之间,从而得到匹配结果。
最后,服务器根据匹配结果以及机械异常程度,确定诊断的诊断结果。
服务器在得到匹配结果之后,再通过机械异常程度,生成诊断结果。例如诊断结果为:未按照使用规划使用农业机械并未更换驾驶员二级异常,再例如按照使用规划使用,作业件发生需要更换异常……。
S104,服务器基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。
其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
服务器在得到诊断结果以及确定当前运行状态之后,若诊断结果为未按照使用规划使用农业机械并未更换驾驶员二级异常,那么该农业机械设备应该停止运行,而当前运行状态为正在运行,那么服务器将生成农业机械设备的机械管控信息,即对该农业机械设备进行执法管理的信息。
例如,服务器可以通过主动标识载体,确定农业机械设备的当前位置。以当前位置为圆心,确定预设范围例如10公里内的监管终端,通过电子地图计算各监管终端的管理者到达该当前位置的时间,向到达时间最短的至少一个监管终端发送机械管控信息。
在本申请实施例中,农业机械还可以申请购机补贴,目前有人会利用一辆农机进行多次获取补贴,本申请可以通过以下方案,避免该问题,全方位地对农业机械进行管控:
首先,服务器从预设区块链平台,确定农业机械设备的机械信息。
其中,机械信息包括农业机械的农业机械设备的出厂信息、农业机械设备的运行信息、异常信息。
然后,服务器将机械信息,发送至补贴申请终端,以确定农业机械是否存在农机补贴记录。
农机补贴记录可以记录在申请终端,也可以记录在区块链平台,由于一个农业机械设备具有唯一标识,通过该唯一标识可以确定该农机的补贴记录是否存在,以更好地为诚信用户发放补贴,杜绝多次欺骗农机补贴行为,以更好地管理农业机械。
通过上述方案,可以对农业机械的使用全过程进行监督管控,避免农业机械设备的使用者操作不当导致农业机械设备损坏,并能够为农业机械设备损坏时追责提供可信的追责依据,避免造成矛盾和纠纷。同时,对农业机械设备进行实时管控,可以避免农业机械设备的损坏,影响用户体验的问题。
图2为本申请实施例提供的一种基于工业互联网的农业机械管控设备的结构示意图,该设备包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器。其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
本申请实施例还提供了一种基于工业互联网的农业机械管控的溯源非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息。农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息。将农业机械设备的运行信息输入第一数据处理模型,确定农业机械设备的运行状态是否异常。在农业机械设备的运行状态异常的情况下,将运行状态相应的异常信息以及农业机械设备的运行信息,发送至预设区块链平台,并对农业机械设备的运行信息进行诊断。其中,诊断用于确定农业机械设备是否按照预设方式使用。预设方式是根据农业机械在当前运行时间前通过用户而申请得到。基于诊断结果以及农业机械设备的当前运行状态,生成农业机械设备的机械管控信息,并将机械管控信息发送至农业机械设备相应的监管终端。其中,机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备、介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备、介质与方法是一一对应的,因此,设备、介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备、介质的有益技术效果。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于工业互联网的农业机械管控方法,其特征在于,所述方法包括:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息;所述农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息;
将所述农业机械设备的运行信息输入第一数据处理模型,确定所述农业机械设备的运行状态是否异常;
在所述农业机械设备的运行状态异常的情况下,将所述运行状态相应的异常信息以及所述农业机械设备的运行信息,发送至预设区块链平台,并对所述农业机械设备的运行信息进行诊断;其中,所述诊断用于确定所述农业机械设备是否按照预设方式使用;所述预设方式是根据所述农业机械在当前运行时间前通过用户而申请得到;
基于诊断结果以及所述农业机械设备的当前运行状态,生成所述农业机械设备的机械管控信息,并将所述机械管控信息发送至所述农业机械设备相应的监管终端;其中,所述机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
2.根据权利要求1所述方法,其特征在于,将所述农业机械设备的运行信息输入第一数据处理模型,确定所述农业机械设备的运行状态是否异常之前,所述方法还包括:
确定所述农业机械设备的运行信息的信息标签;所述信息标签为所述主动标识载体标注,至少包括以下一项或多项:驾驶人、行驶路径、作业件运行;
将所述信息标签与数据处理模型库库的子模型组标签匹配,以得到匹配结果;其中,所述匹配结果包括所述信息标签与所述子模型组标签的对应关系;所述数据处理模型库至少包括驾驶人子模型组、行驶路径子模型组、作业件子模型组;
确定所述农业机械设备的运行信息的信息类型;所述信息类型至少包括:声音类型、图像类型、数据类型;
根据所述信息类型以及所述匹配结果中的子模型组,从所述数据处理模型库子模型组中,确定至少一个第一数据处理模型。
3.根据权利要求1所述方法,其特征在于,将所述农业机械设备的运行信息输入第一数据处理模型,确定所述农业机械设备的运行状态是否异常,具体包括:
将所述农业机械设备的运行信息输入所述第一数据处理模型;
通过所述第一数据处理模型,按照预设时间间隔,将所述农业机械设备的运行信息进行分段处理,以确定所述农业机械设备的运行信息的若干运行数据序列;
按照时间顺序,确定相邻的各所述运行数据序列的变化值,并将所述变化值与预设阈值匹配,以确定所述农业机械设备的运行状态是否异常。
4.根据权利要求3所述方法,其特征在于,按照时间顺序,确定相邻的各所述运行数据序列的变化值,并将所述变化值与预设阈值匹配,以确定所述农业机械设备的运行状态是否异常,具体包括:
确定各所述运行数据序列;
根据所述时间顺序,计算相邻的所述运行数据序列之间的欧式距离,并将所述欧式距离的计算值,作为所述变化值;
将所述变化值与所述预设阈值进行数值匹配;
在所述变化值大于所述预设阈值的情况下,确定所述变化值对应的异常时间,并确定所述农业机械设备的运行状态存在异常;
在所述变化值小于或等于所述预设阈值的情况下,确定相应时间的所述农业机械设备的运行状态不存在异常。
5.根据权利要求1所述方法,其特征在于,获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息之前,所述方法还包括:
获取农业机械设备的出厂信息;
确定所述农业机械设备的出厂信息对应的所述农业机械设备及所述农业机械设备的主动标识载体;
确定所述主动标识载体的标识,并将所述标识与所述农业机械设备的出厂信息关联;
将关联后的所述标识与所述农业机械出厂信息发送至所述预设区块链平台,以在所述区块链平台添加所述农业机械设备的唯一身份。
6.根据权利要求1所述方法,其特征在于,对所述农业机械设备的运行信息进行诊断,具体包括:
通过若干机械异常样本,对预设的多个神经网络模型进行训练;所述机械异常样本至少包括图像数据样本、声音数据样本、频率数据样本、压力数据样本;
确定所述异常信息的异常类型,并从训练完成的各所述神经网络模型中,确定所述异常类型匹配的神经网络模型,为诊断模型;
将所述异常信息输入至所述诊断模型,以得到所述异常信息的机械异常程度。
7.根据权利要求6所述方法,其特征在于,对所述农业机械设备的运行信息进行诊断,具体包括:
确定使用申请数据库中,是否存在所述农业机械设备的使用申请信息;所述使用申请信息基于所述用户的申请生成的;
若存在,确定所述使用申请信息中的使用规划;其中,所述使用规划包括:使用地点、使用开始时间、使用结束时间;
确定所述农业机械的当前使用情况,与所述使用规划是否匹配,以确定匹配结果;
根据所述匹配结果以及所述机械异常程度,确定所述诊断的诊断结果。
8.根据权利要求1所述方法,其特征在于,所述方法还包括:
从所述预设区块链平台,确定所述农业机械设备的机械信息;所述机械信息包括所述农业机械的农业机械设备的出厂信息、所述农业机械设备的运行信息、所述异常信息;
将所述机械信息,发送至补贴申请终端,以确定所述农业机械是否存在农机补贴记录。
9.一种基于工业互联网的农业机械管控设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息;所述农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息;
将所述农业机械设备的运行信息输入第一数据处理模型,确定所述农业机械设备的运行状态是否异常;
在所述农业机械设备的运行状态异常的情况下,将所述运行状态相应的异常信息以及所述农业机械设备的运行信息,发送至预设区块链平台,并对所述农业机械设备的运行信息进行诊断;其中,所述诊断用于确定所述农业机械设备是否按照预设方式使用;所述预设方式是根据所述农业机械在当前运行时间前通过用户而申请得到;
基于诊断结果以及所述农业机械设备的当前运行状态,生成所述农业机械设备的机械管控信息,并将所述机械管控信息发送至所述农业机械设备相应的监管终端;其中,所述机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
10.一种基于工业互联网的农业机械管控的溯源非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
获取设置于农业机械设备上的主动标识载体,实时采集农业机械设备的运行信息;所述农业机械设备的运行信息至少包括:驾驶人信息、行驶路径信息、作业件运行信息;
将所述农业机械设备的运行信息输入第一数据处理模型,确定所述农业机械设备的运行状态是否异常;
在所述农业机械设备的运行状态异常的情况下,将所述运行状态相应的异常信息以及所述农业机械设备的运行信息,发送至预设区块链平台,并对所述农业机械设备的运行信息进行诊断;其中,所述诊断用于确定所述农业机械设备是否按照预设方式使用;所述预设方式是根据所述农业机械在当前运行时间前通过用户而申请得到;
基于诊断结果以及所述农业机械设备的当前运行状态,生成所述农业机械设备的机械管控信息,并将所述机械管控信息发送至所述农业机械设备相应的监管终端;其中,所述机械管控信息至少包括驾驶人更换、机械行驶路径、机械工作时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111355.2A CN114493299A (zh) | 2022-01-29 | 2022-01-29 | 一种基于工业互联网的农业机械管控方法及设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111355.2A CN114493299A (zh) | 2022-01-29 | 2022-01-29 | 一种基于工业互联网的农业机械管控方法及设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493299A true CN114493299A (zh) | 2022-05-13 |
Family
ID=81479301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210111355.2A Pending CN114493299A (zh) | 2022-01-29 | 2022-01-29 | 一种基于工业互联网的农业机械管控方法及设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493299A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300659A (zh) * | 2023-05-17 | 2023-06-23 | 北京博创联动科技有限公司 | 一种农机机群的协同控制方法及控制系统 |
CN116612552A (zh) * | 2023-07-17 | 2023-08-18 | 北京经纬物联科技有限公司 | 基于物联网的农业机械生产用智能监测方法及系统 |
CN117115937A (zh) * | 2023-10-20 | 2023-11-24 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
-
2022
- 2022-01-29 CN CN202210111355.2A patent/CN114493299A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116300659A (zh) * | 2023-05-17 | 2023-06-23 | 北京博创联动科技有限公司 | 一种农机机群的协同控制方法及控制系统 |
CN116300659B (zh) * | 2023-05-17 | 2023-07-25 | 北京博创联动科技有限公司 | 一种农机机群的协同控制方法及控制系统 |
CN116612552A (zh) * | 2023-07-17 | 2023-08-18 | 北京经纬物联科技有限公司 | 基于物联网的农业机械生产用智能监测方法及系统 |
CN116612552B (zh) * | 2023-07-17 | 2023-09-29 | 北京经纬物联科技有限公司 | 基于物联网的农业机械生产用智能监测方法及系统 |
CN117115937A (zh) * | 2023-10-20 | 2023-11-24 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
CN117115937B (zh) * | 2023-10-20 | 2024-01-19 | 湖南半岛医疗科技有限公司 | 设备运行状态监测方法、装置、云端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114493299A (zh) | 一种基于工业互联网的农业机械管控方法及设备、介质 | |
US6760639B2 (en) | System and method for determining the effectiveness of production installations, fault events and the causes of faults | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
CN108073154A (zh) | 信息处理装置、信息处理方法及记录介质 | |
US20030028823A1 (en) | Method for the automated generation of a fault tree structure | |
CN111160804A (zh) | 一种基于物联网的矿用设备管理方法、装置及系统 | |
CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
US6834257B2 (en) | Method for providing diagnostic messages | |
CN111177485B (zh) | 基于参数规则匹配设备故障的预测方法、设备及介质 | |
US20210166181A1 (en) | Equipment management method, device, system and storage medium | |
CN116107282B (zh) | 一种基于企业应用集成的工业机器人预测性维护系统 | |
CN110597196A (zh) | 数据采集系统及数据采集方法 | |
CN107004234A (zh) | 用于组件故障模式监测的系统和方法 | |
CN112712314A (zh) | 一种基于物联网传感器的物流数据推荐方法 | |
CN116125958A (zh) | 一种基于数字孪生的智能化工厂故障诊断与决策系统 | |
CN115577151A (zh) | 一种车辆故障实时诊断方法、装置、电子设备及存储介质 | |
CN116880454A (zh) | 车辆故障智能诊断系统与方法 | |
CN116882426A (zh) | 基于标识解析的机电设备管理平台 | |
CN115349111A (zh) | 诊断系统、诊断方法及程序 | |
CN114462650A (zh) | 设备故障处理方法、装置、电子设备和存储介质 | |
CN110692068A (zh) | 技能信息处理系统、方法和装置 | |
CN112734447A (zh) | 一种谷粒云后市场服务云平台及其方法 | |
CN112465052B (zh) | 基于卷积神经网络的设备故障诊断报告生成方法与系统 | |
CN115185792A (zh) | 故障硬件处理方法、装置和系统 | |
CN115130951A (zh) | 基于工业互联网的产品出入库流程监管方法、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 |