CN115187151B - 基于联邦学习的排放可信分析方法及金融信息评价方法 - Google Patents

基于联邦学习的排放可信分析方法及金融信息评价方法 Download PDF

Info

Publication number
CN115187151B
CN115187151B CN202211108074.8A CN202211108074A CN115187151B CN 115187151 B CN115187151 B CN 115187151B CN 202211108074 A CN202211108074 A CN 202211108074A CN 115187151 B CN115187151 B CN 115187151B
Authority
CN
China
Prior art keywords
image data
data acquisition
node
information
emission
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.)
Active
Application number
CN202211108074.8A
Other languages
English (en)
Other versions
CN115187151A (zh
Inventor
刘艺
王爽
王帅
李帜
郑灏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Weiwei Information Technology Co ltd
Original Assignee
Beijing Nuowei Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Nuowei Information Technology Co ltd filed Critical Beijing Nuowei Information Technology Co ltd
Priority to CN202211108074.8A priority Critical patent/CN115187151B/zh
Publication of CN115187151A publication Critical patent/CN115187151A/zh
Application granted granted Critical
Publication of CN115187151B publication Critical patent/CN115187151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems
    • Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)

Abstract

本发明实施例涉及隐私数据处理技术领域，具体涉及一种基于联邦学习的排放可信分析方法及金融信息评价方法，包括：确定与集中计算端连接的多个数据采集节点；向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分；接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。本发明的技术方案，使用图像数据来进行工业排放的监控，提高了排放监控分析结果的准确性；并通过联邦学习方式对图像数据进行处理，保证了数据处理过程的安全性和准确性。

Description

基于联邦学习的排放可信分析方法及金融信息评价方法
技术领域
本发明实施例涉及隐私数据处理技术领域，尤其涉及一种基于联邦学习的排放可信分析方法及金融信息评价方法。
背景技术
金融信息评价过程涉及到的企业工业气体排放分析，现有技术方案中通常通过流量传感器等监控的方式，来获取工业气体排放情况。
但是采用流量传感器监控的方式，流量传感器可能会被人为的调整或掩盖，且传感器在安装环境恶劣的情况下（如高温、高压情况）易导致设备或传输装置损毁或探测效果不稳定，从而导致最终监测到的结果不准确。
发明内容
基于现有技术的上述情况，本发明实施例的目的在于提供一种基于联邦学习的排放可信分析方法及金融信息评价方法，通过采用图像采集分析从另一个维度进行工业排放的监控分析，可以得到更加准确地得到排放监控的结果，进而可以依据排放结果进行金融信息评价，并通过联邦学习方式对图像数据进行处理，保证了数据安全。
为达到上述目的，根据本发明的一个方面，提供了一种基于联邦学习的排放可信分析方法，应用于集中计算端，所述方法包括：
确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到；
接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。
进一步的，所述方法还包括：
得到排放监控分析结果之后，确定处在相近地区的多个排放点的第一指标比例，并依据各排放点本地上传的结果确定第二指标比例，采用第一指标比例和第二指标比例进行对比校验；
若对比校验的结果为第一指标比例和第二指标比例一致，则根据各排放点上传的数据作为排放量标注数据，更新排放量分析模型；
若对比校验的结果为第一指标比例和第二指标的比例差异超过差异阈值，则将比例差异超过差异阈值的排放点数据确定为不真实数据。
进一步的，所述方法还包括：
接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；
向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型。
进一步的，所述切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，所述非图像数据至少包括待监控区域的热力信息、风向信息和风速信息；
所述排放量分析模型的分析步骤，包括：
依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；
根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据。
进一步的，所述方法还包括：
接收图像采集节点上传的公钥，所述图像采集节点生成公钥和私钥的密钥对，并将公钥传输给集中计算端；
生成对各图像数据采集节点进行身份认证的验证信息；
采用公钥对验证信息进行加密，并将加密的验证信息发送至图像采集节点，以使得图像采集节点采用私钥对加密的验证信息解密并进行身份验证后返回；
接收图像数据采集节点发送的进行验证后的验证信息，以对各图像数据采集节点进行身份认证，以在身份验证通过后进行数据处理。
根据本发明的第二个方面，提供了一种基于联邦学习的排放可信分析方法，应用于图像数据采集节点，所述方法包括：
接收集中计算端下发的图像切分模型和非图像数据采集节点发送的非图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到；
利用所述图像切分模型和非图像数据对所采集的节点图像数据进行图像切分，得到切分后的图像数据；
将切分后的图像数据上传至集中计算端，以使得集中计算端在可信执行环境中将该切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。
进一步的，在对所采集的节点图像数据进行图像切分之前，所述方法还包括：
判断所采集图像数据中的背景色彩与识别目标的色彩是否接近；
若接近，则对图像数据进行标记，以在服务端对具有标记的图像数据进行人工标注，以将人工标注结果输入排放量分析模型；
若不接近，则利用所述图像切分模型对该节点图像数据进行图像切分，以将切分的图像上传给集中计算端。
进一步的，所述方法还包括：
根据环境变化调整图像数据的采集方向和角度，并在上传图像数据时同时上传该图像数据的采集方向和角度信息。
根据本发明的第三个方面，提供了一种基于排放监控分析结果进行金融信息评价的方法，所述方法包括：
确定与集中计算端连接的用于检测排放方的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到；
接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果；
依据排放监控分析结果和排放分配指标，确定排放方的排放是否合规，以确定金融信息评价结果。
根据本发明的第四个方面，提供了一种基于隐私数据的排放监控分析装置，应用于集中计算端，所述装置包括：
数据采集节点确认模块，用于确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
图像切分模型下发模块，用于向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到；
数据接收模块，用于接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
分析模块，用于将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。
综上所述，本发明实施例提供了一种基于联邦学习的排放可信分析方法及金融信息评价方法，该分析方法包括：确定与集中计算端连接的多个数据采集节点；向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。本发明实施例的技术方案，在流量监测的基础上，增加了使用图像数据来从另一个维度进行工业排放的监控，解决了传感器数据容易被篡改，传感器设备安装于高温高压环境易损毁的技术问题，提高了监测数据的真实性，提高了排放监控分析结果的准确性；并且，通过联邦学习方式对图像数据进行处理，保证了数据处理过程的安全性和准确性，保护了用户的隐私。
附图说明
图1是本发明实施例提供的基于联邦学习的排放可信分析方法的流程图；
图2是本发明另一实施例提供的基于联邦学习的排放可信分析方法的流程图；
图3是建立知识库涉及的数据源类型示意图；
图4是由人工进行二次确认和纠偏的效果示意图；
图5是在对所采集的节点图像数据进行图像切分之前，对所采集图像数据分析的流程图；
图6是本发明实施例提供的基于排放监控分析结果进行金融信息评价的方法的流程图；
图7是本发明实施例提供的基于隐私数据的排放监控分析装置的构成框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
需要说明的是，除非另外定义，本发明一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本发明一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
下面结合附图对本发明的技术方案进行详细说明。图1是本发明实施例提供的一种基于联邦学习的排放可信分析方法100的流程图，该方法应用于集中计算端，该集中计算端可以为设置于金融机构进行金融信息评价，例如贷款评估等的服务器端，以采用得到的监控分析结果进一步进行金融信息评价。所述方法包括如下步骤：
S102、确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点，图像数据采集节点和非图像数据采集节点均设置多个。其中，图像数据采集节点可以包括设置于待监控区域的摄像头等图像数据采集装置，以及用于进行联邦学习模型训练的分布式服务器。非图像数据采集节点可以包括但不限于待监控区域的海拔气压信息监控装置、气候洋流信息监控装置、天气信息监控装置、热力信息监控装置、风向信息和风速信息监控装置等，非图像数据可以包括但不限于图像采集时间（通过时间将天气与图像匹配）、图像采集坐标、坐标天气情况（包括风力、风向、晴朗度、天空颜色等信息）、以及监测对象的坐标（通过图像采集装置和监测对象的相对坐标进行分析）。其中，天气信息的获取，历史数据可以来自于当地气象部门，也可以在监测对象的周围安装监测装置进行监测天气，以获取准确的天气数据信息。通过整合多方数据源及大量历史数据，观测地的风向、风速、气候变化、能见度影响等信息，可以明显提高机器学习的智能化水平。
S104、向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到。通过联邦学习方式，将各数据采集节点作为联邦学习节点，通过该方式可以确保各数据采集节点（即数据源）的数据安全，同时避免数据使用方（集中计算端）过多的数据存储造成存储资源的浪费。采用联邦学习方式对原始模型经过训练的主要流程包括：
S1041、接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；
S1042、向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型。
S106、接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据。
S108、在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。其中，切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，非图像数据至少包括待监控区域的热力信息、风向信息和风速信息。该分析过程中，可以依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据。可以通过将所述图像数据、角度信息、热力信息、风向信息和风速信息等数据输入到排放量分析模型中，对模型自动识别的重点采集区域（以及图像数据采集装置与被采集对象的相对位置、相对角度等）进行分析，建立排放气体的三维结构图（相对位置、相对角度，可以根据重点采集区域在像数据采集装置拍摄的大图中的位置、拍摄大图时的方向和三维坐标等确定），并依据所排放的气体的体积、浓度等信息，得到最终的排放量。还可以进一步结合流量监测设备监测的排放量，确定排放量的最终结果。排放量分析模型训练的目标是综合运用数据采集节点的采集装置信息和历史录入的环境信息进行综合预测分析，完成绿色金融项目贷后的监测。例如可以通过红外采集装置采集待监测区域的热力信息、通过图像采集装置（采集的图像进行切分后得到待分析的小图）进行排烟量、排气量的监测，通过风速探测装置收集实时风向风速等信息。通过图像模型训练判断排烟量大小，结合其他物联网设备端的信息采集，进行污染物排放的综合判断，最终作为金融机构贷后监测辅助判断依据。还可以通过定时（例如小时为单位）的图像数据分析，统计、绘制排放量柱状图，可根据需要以周、月、季、年进行统计汇总，并进行环比、同比分析。对于波动异常数据，以最小监测时间为单位，对该时刻的图像数据信息、其他传感器信息、非图像数据信息进行关联，方便数据管理和查阅。
根据某些可选的实施例，在得到排放监控分析结果之后，还可以确定处在相近地区的多个排放点的第一指标比例，并依据各排放点本地上传的结果确定第二指标比例，采用第一指标比例和第二指标比例进行对比校验。
若对比校验的结果为第一指标比例和第二指标比例一致，则根据各排放点上传的数据作为排放量标注数据，更新排放量分析模型。
若对比校验的结果为第一指标比例和第二指标的比例差异超过差异阈值，则将比例差异超过差异阈值的排放点数据确定为不真实数据。
根据某些可选的实施例，还可以为各图像数据采集节点中的图像数据采集装置设置密码认证，在接收其上传的数据时对各图像数据采集节点进行身份认证，以确认图像数据的来源防止图像数据采集装置的数据被篡改。具体可以采用如下方式：
接收图像采集节点上传的公钥，所述图像采集节点生成公钥和私钥的密钥对，并将公钥传输给集中计算端；
由集中计算端生成对各图像数据采集节点进行身份认证的验证信息；
采用公钥对验证信息进行加密，并将加密的验证信息和私钥发送至图像采集节点，以使得图像采集节点采用该私钥对加密的验证信息解密并进行身份验证后返回；
接收图像数据采集节点发送的进行验证后的验证信息，以对各图像数据采集节点进行身份认证，以在身份验证通过后进行数据处理。
本发明的实施例，还提供了一种基于联邦学习的排放可信分析方法，图2中示出了该排放可信分析方法200的流程图，该方法应用于图像数据采集节点，包括如下步骤：S202、接收集中计算端下发的图像切分模型和非图像数据采集节点发送的非图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到。图像切分模型的训练可以包括重点采集区域（待识别的小图）的标注信息（通过人工圈定出小图的轮廓）通过人工标注完成。在不同图像数据采集节点之间通过联邦学习方式进行模型训练，可以保证各数据源的数据安全，仅在各数据源（即联邦学习节点）之间交换数据，可以满足模型训练的精度要求，实现无损的联邦建模。图像切分模型主要针对重点区域进行识别，根据排放气体的像素值和背景的像素值的差异，切分出包含排放气体的图像，可以明显降低无效识别及无效学习，提高机器学习效率，减少模型训练成本。
数据处理的过程中，需要将结构化数据与非结构化数据进行样本对齐，为了提高非结构化数据（例如图像数据）在联合建模过程中的数据质量，可以将采集区域的基本信息和所采集的图像数据进行联合模型训练，以建立知识库，所述基本信息至少包括地址位置、海拔信息、天气信息和气候信息；利用所述知识库和原始模型、非图像数据以及所采集的节点图像数据进行模型训练。图3中示出了建立知识库涉及的数据源类型示意图，建立知识库所涉及的数据可以包括项目基本信息和监测设备信息，项目基本信息例如包括地理坐标信息、被监测设备的长宽高、监控惩处信息、以及其他信息等；监测设备信息包括海拔气压信息、气候洋流信息、历史天气信息、天气预报信息、以及其他信息等。若无法获取当地天气历史信息等情况构建知识库，可先进行图像数据学习，生成图像数据识别的自动标注并与人工标注相结合，提高图像数据识别效率。同时，根据传感器采集数据的积累，对模型进行迭代调优。
S204、利用所述图像切分模型非图像数据对所采集的节点图像数据进行图像切分，得到切分后的图像数据。
S206、将切分后的图像数据上传至集中计算端，以使得集中计算端在可信执行环境中将该切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。
根据某些可选的实施例，该方法还包括：采用未学习的图像数据对完成训练的模型进行人工二次确认和纠偏后，对模型进行训练。通过一定数量的模型训练后，对未学习的训练数据，输入图像数据，模型自动识别重点采集区域。由人工进行二次确认和纠偏，以提高最终模型识别的准确。例如，模型识别将图像中排放出的烟雾前景与部分包括云朵天空背景一同作为目标区域识别时，可以对该结果进行人工纠偏，将目标区域修正为更加精确的烟雾前景区域。图4中示出了由人工进行二次确认和纠偏的效果示意图，图4左侧的图中，虚线框中示出的是模型识别将图像中排放出的烟雾前景与部分包括云朵天空背景一同作为目标区域识别，图4右侧为通过人工进行二次确认和纠偏后的示意图，经过人工纠偏后，目标区域被修正为更加精确的烟雾前景区域。
图像数据采集装置采集的图像数据中包含大量无用的内容，如果将全量的图像数据均输入到模型中，需要分析的图像数据量大，根据某些可选的实施例，还可以结合天气信息等情况，来对图像数据进行预处理，定位图像数据中待识别的内容，从而裁剪出待识别内容进行识别，减小需要分析的图像的数据量。在对所采集的节点图像数据进行图像切分之前，所述方法还包括如下分析过程，图5中示出了该分析过程的流程图，包括：判断所采集图像数据中的背景色彩（通常为天空的色彩）与识别目标（所排放气体）的色彩是否接近。
若接近，则对图像数据进行标记，以在服务端对具有标记的图像数据进行人工标注，以将人工标注结果输入排放量分析模型。例如可以设置输出结果为不通过，即针对该天气状况无法进行图像分析（图像切分），输出结果为不通过，将触发预警流程，则对该图像数据进行人工标注后形成切分结果，以输入排放量分析模型，或者作为学习样本用于训练，或者由人工标注“样本失效”，将该图像数据从分析和学习数据中剔除，可有效减少无效图像对模型训练的干扰。
若不接近，则利用所述图像切分模型对该节点图像数据进行图像切分，以将切分的图像上传给集中计算端。例如可以设置输出结果为通过，可以直接采用该图像数据进行分析以及训练。
根据某些可选的实施例，也可以在集中计算端进行图像识别。
根据某些可选的实施例，该方法还可以包括：根据环境变化（例如天气发生变化时）调整图像数据的采集方向和角度，并在上传图像数据时同时上传该图像数据的采集方向和角度信息，以便依据采集方向和角度信息（以及其他的天气信息等），确定图像数据中待识别的内容所处的区域。通过调整采集图像的角度，相对于以前的固定位置观测点更加灵活，更加符合实际场景可以提升识别及观测效果。
本发明的实施例，还提供了一种基于排放监控分析结果进行金融信息评价的方法，图6中示出了该方法600的流程图，所述方法包括如下步骤：
S602、确定与集中计算端连接的用于检测排放方的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点。
S604、向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到。
S606、接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据。
S608、在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。
S610、依据排放监控分析结果和排放分配指标，确定排放方的排放是否合规，以确定金融信息评价结果。
本发明的实施例，还提供了一种基于隐私数据的排放监控分析装置，该装置应用于集中计算端，图7中示出了该排放监控分析装置700的构成框图，所述装置包括：
数据采集节点确认模块701，用于确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
图像切分模型下发模块702，用于向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到；
数据接收模块703，用于接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
分析模块704，用于将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果
本发明上述实施例提供的交通换乘数据处理装置中各个模块实现其功能的具体过程与本发明上述实施例提供的交通换乘数据处理方法的各步骤相同，因此，此处将省略其重复描述。
综上所述，本发明实施例涉及一种基于联邦学习的排放可信分析方法及金融信息评价方法，该分析方法包括：确定与集中计算端连接的多个数据采集节点；向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果。本发明实施例的技术方案，在流量监测的基础上，增加了使用图像数据来从另一个维度进行工业排放的监控，解决了传感器数据容易被篡改，传感器设备安装于高温高压环境易损毁的技术问题，提高了监测数据的真实性，提高了排放监控分析结果的准确性；并且，通过联邦学习方式对图像数据进行处理，保证了数据处理过程的安全性和准确性，保护了用户的隐私。
应当理解的是，以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围（包括权利要求）被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (8)

1.一种基于联邦学习的排放可信分析方法，其特征在于，应用于集中计算端，所述方法包括：
确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到，包括：接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型；
接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果；其中，所述切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，所述非图像数据至少包括待监控区域的热力信息、风向信息和风速信息；
所述排放量分析模型的分析步骤，包括：
依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
得到排放监控分析结果之后，确定处在相近地区的多个排放点的第一指标比例，并依据各排放点本地上传的结果确定第二指标比例，采用第一指标比例和第二指标比例进行对比校验；
若对比校验的结果为第一指标比例和第二指标比例一致，则根据各排放点上传的数据作为排放量标注数据，更新排放量分析模型；
若对比校验的结果为第一指标比例和第二指标的比例差异超过差异阈值，则将比例差异超过差异阈值的排放点数据确定为不真实数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收图像采集节点上传的公钥，所述图像采集节点生成公钥和私钥的密钥对，并将公钥传输给集中计算端；
生成对各图像数据采集节点进行身份认证的验证信息；
采用公钥对验证信息进行加密，并将加密的验证信息发送至图像采集节点，以使得图像采集节点采用私钥对加密的验证信息解密并进行身份验证后返回；
接收图像数据采集节点发送的进行验证后的验证信息，以对各图像数据采集节点进行身份认证，以在身份验证通过后进行数据处理。
4.一种基于联邦学习的排放可信分析方法，其特征在于，应用于图像数据采集节点，所述方法包括：
接收集中计算端下发的图像切分模型和非图像数据采集节点发送的非图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到，包括：接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型；
利用所述图像切分模型和非图像数据对所采集的节点图像数据进行图像切分，得到切分后的图像数据；
将切分后的图像数据上传至集中计算端，以使得集中计算端在可信执行环境中将该切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果；其中，所述切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，所述非图像数据至少包括待监控区域的热力信息、风向信息和风速信息；
所述排放量分析模型的分析步骤，包括：
依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据。
5.根据权利要求4所述的方法，其特征在于，在对所采集的节点图像数据进行图像切分之前，所述方法还包括：
判断所采集图像数据中的背景色彩与识别目标的色彩是否接近；
若接近，则对图像数据进行标记，以在服务端对具有标记的图像数据进行人工标注，以将人工标注结果输入排放量分析模型；
若不接近，则利用所述图像切分模型对该节点图像数据进行图像切分，以将切分的图像上传给集中计算端。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据环境变化调整图像数据的采集方向和角度，并在上传图像数据时同时上传该图像数据的采集方向和角度信息。
7.一种基于排放监控分析结果进行金融信息评价的方法，其特征在于，所述方法包括：
确定与集中计算端连接的用于检测排放方的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到，包括：接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型；
接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
在可信执行环境中将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果；其中，所述切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，所述非图像数据至少包括待监控区域的热力信息、风向信息和风速信息；
所述排放量分析模型的分析步骤，包括：
依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据；
依据排放监控分析结果和排放分配指标，确定排放方的排放是否合规，以确定金融信息评价结果。
8.一种基于隐私数据的排放监控分析装置，其特征在于，应用于集中计算端，所述装置包括：
数据采集节点确认模块，用于确定与集中计算端连接的多个数据采集节点，所述数据采集节点包括图像数据采集节点和非图像数据采集节点；
图像切分模型下发模块，用于向各图像数据采集节点下发图像切分模型，以使得各图像数据采集节点利用图像切分模型对所采集的节点图像数据进行图像切分，得到切分后的图像数据；所述图像切分模型由各图像数据采集节点采用联邦学习方式对原始模型经过训练后得到，包括：接收各图像数据采集节点发送的节点图像数据，并对节点图像数据进行标注；向各图像数据采集节点下发原始模型和标注后的节点图像数据，以使得各图像数据采集节点利用标注后的节点图像数据以及非图像数据采集节点发送的非图像数据进行模型训练，得到图像切分模型；
数据接收模块，用于接收各图像数据采集节点上传的切分后的图像数据和非图像数据采集节点上传的非图像数据；
分析模块，用于将切分后的图像数据和非图像数据输入排放量分析模型进行分析，以得到排放监控分析结果；其中，所述切分后的图像数据还包含有图像数据采集节点采集图像数据时的角度信息，所述非图像数据至少包括待监控区域的热力信息、风向信息和风速信息；
所述排放量分析模型的分析步骤，包括：
依据切分后的图像数据和角度信息，确定排放对象的三维结构信息；根据所述三维结构信息、热力信息、风向信息和风速信息，确定排烟量和排气量数据。
CN202211108074.8A 2022-09-13 2022-09-13 基于联邦学习的排放可信分析方法及金融信息评价方法 Active CN115187151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211108074.8A CN115187151B (zh) 2022-09-13 2022-09-13 基于联邦学习的排放可信分析方法及金融信息评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211108074.8A CN115187151B (zh) 2022-09-13 2022-09-13 基于联邦学习的排放可信分析方法及金融信息评价方法

Publications (2)

Publication Number Publication Date
CN115187151A CN115187151A (zh) 2022-10-14
CN115187151B true CN115187151B (zh) 2022-12-09

Family

ID=83524300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211108074.8A Active CN115187151B (zh) 2022-09-13 2022-09-13 基于联邦学习的排放可信分析方法及金融信息评价方法

Country Status (1)

Country Link
CN (1) CN115187151B (zh)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2225640C1 (ru) * 2002-09-24 2004-03-10 Михаил ТОПР Автоматизированная контрольно-информационная система учета источников антропогенных выбросов и стоков парниковых газов, результатов мероприятий по сокращению их уровней и операций по переуступке достигнутых результатов
KR101648731B1 (ko) * 2009-02-02 2016-08-17 플래너테리 이미션즈 매니지먼트 온실가스 유출입량을 모니터하기 위한 복합 시스템
CN108549270A (zh) * 2018-05-23 2018-09-18 文丹 一种基于物联网的工业废水远程检测系统
JP7271216B2 (ja) * 2019-02-19 2023-05-11 株式会社東芝 情報処理装置、情報処理方法、およびプログラム
EP4005498A4 (en) * 2019-07-26 2022-09-21 FUJIFILM Corporation INFORMATION PROCESSING DEVICE, PROGRAM, LEARNED MODEL, DIAGNOSTIC SUPPORT DEVICE, LEARNING DEVICE AND METHOD FOR GENERATION OF A PREDICTIVE MODEL
CN112632567A (zh) * 2019-10-08 2021-04-09 杭州锘崴信息科技有限公司 一种多数据源全流程加密大数据分析方法和系统
CN110866856A (zh) * 2019-12-24 2020-03-06 赫普能源环境科技有限公司 一种钢铁企业温室气体排放监测系统及方法
CN111161259B (zh) * 2019-12-31 2021-06-22 支付宝(杭州)信息技术有限公司 检测图像是否被篡改的方法及装置和电子设备
CN111385539A (zh) * 2020-04-11 2020-07-07 中国矿业大学(北京) 防数据篡改环境监测系统
CN111858140B (zh) * 2020-07-10 2021-08-27 神彩科技股份有限公司 污染物监控数据的校验方法、装置、服务器和介质
CN113780826B (zh) * 2021-09-14 2024-04-30 中国环境科学研究院 基于长江流域水环境模型的集成及可视化决策分析方法
CN114626615B (zh) * 2022-03-21 2023-02-03 江苏仪化信息技术有限公司 一种生产过程监控管理方法及系统
CN114818011B (zh) * 2022-06-27 2022-09-27 国网智能电网研究院有限公司 一种适用碳信用评价的联邦学习方法、系统及电子设备

Also Published As

Publication number Publication date
CN115187151A (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN110084165B (zh) 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法
US20080031522A1 (en) Method and system for analyzing image identifications to identify an entity
CN110852164A (zh) 一种基于YOLOv3的自动检测违章建筑方法及系统
CN113887412B (zh) 污染排放的检测方法、检测终端、监控系统及存储介质
CN111368615B (zh) 一种违章建筑预警方法、装置及电子设备
CN112085952A (zh) 监控车辆数据方法、装置、计算机设备及存储介质
WO2022078353A1 (zh) 车辆行使状态判断方法、装置、计算机设备及存储介质
CN113255590A (zh) 一种缺陷检测模型训练方法、缺陷检测方法、装置及系统
CN112711757B (zh) 一种基于大数据平台的数据安全集中管控方法及系统
US11580659B2 (en) Method for size estimation by image recognition of specific target using given scale
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
Cheng et al. Uncertainty‐aware convolutional neural network for explainable artificial intelligence‐assisted disaster damage assessment
CN112285733A (zh) 一种城乡规划核实测绘数据处理方法
CN117312591B (zh) 一种基于虚拟现实的图像数据存储管理系统及方法
CN115187151B (zh) 基于联邦学习的排放可信分析方法及金融信息评价方法
CN117014817B (zh) 一种基于物联网的园区设备智能巡检方法及系统
CN113569956A (zh) 一种基于ai算法的山火灾害勘查识别方法
CN114821513B (zh) 一种基于多层网络的图像处理方法及装置、电子设备
CN115187880A (zh) 基于图像识别的通信光缆缺陷检测方法、系统及存储介质
CN114299458A (zh) 数据处理方法、导航方法、及计算机程序产品
CN117496449B (zh) 基于图像分析的工地大气污染物检测方法及相关装置
KR20150098492A (ko) 실시간 영상으로부터 기상 정보를 추출하여 제공하는 방법
CN117671507B (zh) 一种结合气象数据的河流水质预测方法
CN117079454B (zh) 智慧城市安全管理方法和系统
CN117372866A (zh) 处理方法、装置、电子设备及存储介质

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
CB03 Change of inventor or designer information

Inventor after: Liu Yi

Inventor after: Wang Shuang

Inventor after: Wang Shuai

Inventor after: Li Zhi

Inventor after: Zheng Hao

Inventor before: Liu Yi

Inventor before: Wang Shuang

Inventor before: Wang Shuai

Inventor before: Li Zhi

Inventor before: Zheng Hao

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230907

Address after: Room 254, building 4, 66 Dongxin Avenue, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province 310053

Patentee after: Hangzhou Weiwei Information Technology Co.,Ltd.

Address before: Room 3-443, 3rd Floor, Building 1, No. 158, North West Fourth Ring Road, Haidian District, Beijing 100089

Patentee before: Beijing Nuowei Information Technology Co.,Ltd.

TR01 Transfer of patent right