CN115204753B - 一种智慧农贸场所行为监测方法、系统及可读存储介质 - Google Patents
一种智慧农贸场所行为监测方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN115204753B CN115204753B CN202211113540.1A CN202211113540A CN115204753B CN 115204753 B CN115204753 B CN 115204753B CN 202211113540 A CN202211113540 A CN 202211113540A CN 115204753 B CN115204753 B CN 115204753B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- region
- data
- feature
- identification
- 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
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧农贸场所行为监测方法、系统及可读存储介质,涉及数据处理领域,其中,所述方法包括:基于基础信息获得区域分割结果;基于历史数据和区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;基于区域采集频率分布数据进行图像采集单元的采集控制,得到采集图像集合;基于训练数据集合构建特征识别模型;生成特征分布约束值,并根据其进行特征识别模型的区域识别约束,根据区域算力初始分布数据通过区域识别约束结果进行采集图像集合的特征识别;根据特征识别结果进行智慧农贸场所的监测管理。达到了提高对智慧农贸场所进行监测的准确性,提高智慧农贸场所的监测质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种智慧农贸场所行为监测方法、系统及可读存储介质。
背景技术
在许多传统农贸场所中,占道经营、乱堆乱放、乱丢垃圾等不文明行为时有发生。同时,传统农贸场所还存在农贸交易环境差、缺斤短两严重、现金交易不卫生、产品安全不可追溯等诸多问题。此外,传统农贸场所主要依靠人工巡逻检查等方式进行管理,管理效果不佳,且,管理成本居高不下。为了解决这些问题,智慧农贸场所应运而生。智慧农贸场所通过充分运用物联网、大数据、人工智能等现代技术手段,实现对农贸市场的文明监测、规范监测、智慧监测,从而有力保障产品安全、改善农贸交易环境、规范管理农贸交易市场。随着智慧农贸场所的广泛应用,对智慧农贸场所进行监测的难度越来越大,研究设计一种优化智慧农贸场所的监测方法,具有重要的现实意义。
现有技术中,存在针对智慧农贸场所的监测准确性不足,进而造成智慧农贸场所的监测质量不高的技术问题。
发明内容
本申请提供了一种智慧农贸场所行为监测方法、系统及可读存储介质。解决了现有技术中针对智慧农贸场所的监测准确性不足,进而造成智慧农贸场所的监测质量不高的技术问题。
鉴于上述问题,本申请提供了一种智慧农贸场所行为监测方法、系统及可读存储介质。
第一方面,本申请提供了一种智慧农贸场所行为监测方法,其中,所述方法应用于一种智慧农贸场所行为监测系统,所述方法包括:获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;根据特征识别结果进行智慧农贸场所的监测管理。
第二方面,本申请还提供了一种智慧农贸场所行为监测系统,其中,所述系统包括:区域分割模块,所述区域分割模块用于获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;布设模块,所述布设模块用于获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;分布数据生成模块,所述分布数据生成模块用于基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;采集控制模块,所述采集控制模块用于基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;构建模块,所述构建模块用于通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;特征识别模块,所述特征识别模块用于通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;监测管理模块,所述监测管理模块用于根据特征识别结果进行智慧农贸场所的监测管理。
第三方面,本申请提供了一种智慧农贸场所行为监测系统,其中,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使系统以执行上述第一方面中任一项所述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其中,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过智慧农贸场所的基础信息对智慧农贸场所进行区域分割;获得区域分割结果,并按照所述区域分割结果进行所述图像采集单元的布设;基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;根据特征识别结果进行智慧农贸场所的监测管理。达到了提高对智慧农贸场所进行监测的准确性,提高智慧农贸场所的监测质量;同时,提高对智慧农贸场所进行监测的智能性、科学性,从而为智慧农贸场所的正常运行提供有力保障,使智慧农贸场所为农贸交易者提供更优质的服务的技术效果。
附图说明
图1为本申请一种智慧农贸场所行为监测方法的流程示意图;
图2为本申请一种智慧农贸场所行为监测方法中将标识区域的监测方式更改为活动监测的流程示意图;
图3为本申请一种智慧农贸场所行为监测方法中基于活动监测进行区域的实时监测预警的流程示意图;
图4为本申请一种智慧农贸场所行为监测系统的结构示意图;
图5为本申请示例性电子设备的结构示意图。
附图标记说明:区域分割模块11,布设模块12,分布数据生成模块13,采集控制模块14,构建模块15,特征识别模块16,监测管理模块17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供一种智慧农贸场所行为监测方法、系统及可读存储介质。解决了现有技术中针对智慧农贸场所的监测准确性不足,进而造成智慧农贸场所的监测质量不高的技术问题。达到了提高对智慧农贸场所进行监测的准确性,提高智慧农贸场所的监测质量;同时,提高对智慧农贸场所进行监测的智能性、科学性,从而为智慧农贸场所的正常运行提供有力保障,使智慧农贸场所为农贸交易者提供更优质的服务的技术效果。
实施例一
请参阅附图1,本申请提供一种智慧农贸场所行为监测方法,其中,所述方法应用于一种智慧农贸场所行为监测系统,所述系统与图像采集单元通信连接,所述方法具体包括如下步骤:
步骤S100:获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;
步骤S200:获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;
具体而言,由所述一种智慧农贸场所行为监测系统对智慧农贸场所进行数据采集,获取智慧农贸场所的基础信息。进一步,按照基础信息对智慧农贸场所进行区域分割,获取区域分割结果,并根据区域分割结果对智慧农贸场所布设图像采集单元。
其中,所述智慧农贸场所包括使用大数据、物联网等现代科技手段进行农贸管理的任意农产品交易场所。例如,所述智慧农贸场所可以为具有智能电子支付、智能电子称重等智能服务的农贸市场。所述基础信息包括智慧农贸场所的名称、位置、占地面积、内部区域规划等数据信息。所述区域分割结果包括按照基础信息对智慧农贸场所进行区域分割,获得的智慧农贸场所的区域结构组成信息。例如,所述区域分割结果包括智慧农贸场所的蔬菜区域、水果区域、粮油区域、熟食区域、农贸管理中心等区域的位置及面积数据信息。所述图像采集单元与所述一种智慧农贸场所行为监测系统通信连接。所述图像采集单元包括摄像头等图像采集装置。所述图像采集单元的布设是指按照区域分割结果对智慧农贸场所安装图像采集装置。达到了根据智慧农贸场所的基础信息,获得可靠的区域分割结果,并根据其布设图像采集单元,为后续对智慧农贸场所进行监测管理奠定基础的技术效果。
步骤S300:基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;
步骤S400:基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;
具体而言,由所述一种智慧农贸场所行为监测系统对智慧农贸场所进行历史数据查询,获得历史数据,结合区域分割结果获得区域采集频率分布数据和区域算力初始分布数据。进而,按照区域采集频率分布数据控制图像采集单元对智慧农贸场所进行图像采集,获得采集图像集合。其中,所述历史数据包括历史采集频率数据、历史算力数据。按照区域分割结果对历史采集频率数据、历史算力数据进行数据划分后,即可获得区域采集频率分布数据、区域算力初始分布数据。所述区域采集频率分布数据包括区域分割结果中每个区域的图像采集频率信息。所述区域算力初始分布数据包括所述一种智慧农贸场所行为监测系统对区域分割结果中每个区域进行数据处理的能力大小的参数信息。例如,所述区域算力初始分布数据表明所述一种智慧农贸场所行为监测系统对区域分割结果中停车场区域进行数据处理的能力最大,则所述一种智慧农贸场所行为监测系统能够处理的停车场区域的数据量最大,且,所述一种智慧农贸场所行为监测系统对区域分割结果中停车场区域进行数据处理的效率最高、准确性最大。所述采集图像集合包括区域采集频率分布数据对应的智慧农贸场的图像数据信息。达到了获得准确的区域采集频率分布数据、区域算力初始分布数据,并根据区域采集频率分布数据得到采集图像集合,提高后续智慧农贸场所的监测管理的准确性的技术效果。
步骤S500:通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;
具体而言,由所述一种智慧农贸场所行为监测系统通过大数据采集训练数据,获得训练数据集合,并通过对训练数据集合进行数据训练,获得特征识别模型。其中,所述训练数据集合包括智慧农贸场所的区域分割结果中各区域的历史采集图像数据、以及区域分割结果中各区域的历史监测特征。且,历史采集图像数据与历史监测特征之间具有对应关系。例如,所述区域分割结果包括智慧农贸场所的熟食区域。所述训练数据集合包括智慧农贸场所的熟食区域的历史采集图像数据、以及熟食区域的历史监测特征。熟食区域的历史监测特征包括熟食区域的熟食销售人员是否正确佩戴口罩、手套、帽子,熟食销售人员是否使用专用工具夹取熟食,熟食区域中各熟食销售店铺是否具有营业执照、税务登记证、卫生许可证等数据信息。所述特征识别模型具有对输入的图像数据进行智能化分析及监测特征匹配等功能。示例性地,在根据训练数据集合构建特征识别模型时,可以将训练数据集合中的数据信息进行随机数据划分,获得数据训练集、数据测试集。基于数据训练集训练计算机模型,直至模型收敛时,即得到特征识别模型。同时,可将数据测试集输入特征识别模型对其进行迭代优化,以获得性能更佳的特征识别模型。达到了利用训练数据集合构建准确性较强的特征识别模型,进而提高后续对智慧农贸场所进行监测管理的精准性的技术效果。
步骤S600:通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;
步骤S700:根据特征识别结果进行智慧农贸场所的监测管理。
进一步的,本申请步骤S600还包括:
步骤S610:通过所述历史数据进行所述区域分割结果中各区域的监测特征出现频次统计,得到区域特征频次统计集合;
步骤S620:通过所述区域特征频次统计集合进行特征权重赋值;
具体而言,已获得的历史数据还包括区域分割结果中各区域的历史监测特征,以及对区域分割结果中各区域的历史监测特征进行监测管理的频次信息。基于历史数据对区域分割结果中各区域的历史监测特征进行监测管理的频次信息进行统计,获得区域特征频次统计集合,并对其进行特征权重赋值,获得特征权重赋值结果。其中,所述区域特征频次统计集合包括对区域分割结果中各区域的历史监测特征进行监测管理的频次信息。所述特征权重赋值结果包括按照区域特征频次统计集合对各区域的历史监测特征进行权重分配后获得的数据信息。所述特征权重赋值结果可用于表征区域分割结果中各区域的历史监测特征的重要性。例如,所述区域特征频次统计集合表明对区域分割结果中A区域的a历史监测特征进行监测管理的频次最多,则获得的特征权重赋值结果中A区域的a历史监测特征的权重最大,表明A区域的a历史监测特征的重要性最高。达到了利用区域特征频次统计集合进行特征权重赋值,获得可靠的特征权重赋值结果,从而提高后续生成的特征分布约束值的精确度的技术效果。
步骤S630:基于特征权重赋值结果生成所述特征分布约束值。
进一步的,本申请步骤S630还包括:
步骤S631:判断所述区域特征频次统计集合中是否存在零频次特征;
步骤S632:当所述区域特征频次统计集合中包括零频次特征时,获得用户的区域特征监测需求信息;
步骤S633:当所述区域特征监测需求信息包含所述零频次特征时,则生成零频次特征基础分布权重;
步骤S634:通过所述零频次特征基础分布权重进行所述特征权重赋值结果进行修正,根据修正结果生成所述特征分布约束值。
具体而言,对已获得的区域特征频次统计集合是否存在零频次特征进行判断,如果区域特征频次统计集合存在零频次特征,则获取用户的区域特征监测需求信息。进一步,对用户的区域特征监测需求信息是否包含零频次特征进行判断,如果用户的区域特征监测需求信息包含零频次特征,则按照用户的区域特征监测需求信息生成零频次特征基础分布权重,并根据其对特征权重赋值结果进行修正之后,获得修正结果,继而确定特征分布约束值。其中,所述零频次特征包括区域特征频次统计集合中监测管理的频次为零的历史监测特征。所述用户的区域特征监测需求信息包括用户预先设置的区域分割结果中各区域的监测需求信息。所述用户为使用所述一种智慧农贸场所行为监测系统进行智慧农贸场所的科学化监测管理的任意用户。所述零频次特征基础分布权重为用户的区域特征监测需求信息包含零频次特征时,所述一种智慧农贸场所行为监测系统按照用户的区域特征监测需求信息预先设置的零频次特征对应的权重。所述修正结果包括利用零频次特征基础分布权重对特征权重赋值结果进行修正后的各区域的历史监测特征对应的权重数据信息。所述特征分布约束值包括修正结果。达到了利用零频次特征基础分布权重对特征权重赋值结果进行合理地修正,获得准确的特征分布约束值,进而提高后续对采集图像集合进行特征识别的精准性的技术效果。
进一步的,本申请步骤S630之后,还包括:
步骤S640:根据所述采集图像集合和所述历史数据生成预测监测走势信息;
步骤S650:基于所述预测监测走势信息生成区域算力分布优化数据;
步骤S660:通过所述区域算力分布优化数据进行特征识别。
具体而言,根据已获得的特征分布约束值对特征识别模型进行区域识别约束,获得区域识别约束结果。进一步,将采集图像集合与历史数据中的历史图像集合进行比较,获得预测监测走势信息,并根据其对区域算力初始分布数据进行优化后,获得区域算力分布优化数据。继而,将采集图像集合作为输入信息,输入特征识别模型,获得特征识别结果,并根据其对智慧农贸场所进行监测管理。
其中,所述区域识别约束结果包括特征识别模型对采集图像集合对应的监测特征进行特征识别的识别频率及识别准确性。特征分布约束值越高,特征识别模型对该特征分布约束值对应的监测特征进行特征识别的识别频率越高,识别准确性越高。所述预测监测走势信息包括采集图像集合与历史数据中的历史图像集合之间的数据量的变化情况。所述区域算力分布优化数据包括按照预测监测走势信息对区域算力初始分布数据进行优化后,获得的特征识别模型对区域分割结果中每个区域的采集图像进行特征识别的能力大小的参数信息。区域算力分布优化数据越大,特征识别模型对该区域算力分布优化数据对应的采集图像进行特征识别的能力越高,即特征识别模型能够对该区域算力分布优化数据对应的采集图像进行特征识别的数据量越多。例如,当区域算力分布优化数据表明采集图像集合中停车场区域的数据量增加时,结合历史数据中停车场区域的历史图像量,计算停车场区域的图像数据增加量,并按照其对区域算力初始分布数据中停车场区域算力初始分布数据进行加和后,即可获得区域算力分布优化数据。所述特征识别结果包括采集图像集合对应的监测特征数据信息。达到了通过特征识别模型对采集图像集合进行可靠、高效地特征识别,获得准确的特征识别结果,提高智慧农贸场所的监测管理的质量的技术效果。
进一步的,如附图2所示,本申请步骤S700之后,还包括:
步骤S810:基于所述历史数据和所述特征识别结果进行区域异常活性评价;
步骤S820:设定初始异常活性评价阈值;
步骤S830:判断所述区域异常活性评价是否在所述初始异常活性评价阈值范围内;
步骤S840:当所述区域异常活性评价在所述初始异常活性评价阈值范围内时,则获得标识区域;
步骤S850:对所述标识区域停止频率采集,将所述标识区域的监测方式更改为活动监测。
具体而言,由所述一种智慧农贸场所行为监测系统根据历史数据、特征识别结果对区域分割结果中各区域进行异常活性评价,获得区域异常活性评价。进一步,对区域异常活性评价是否在初始异常活性评价阈值范围内进行判断,如果区域异常活性评价在初始异常活性评价阈值范围内时,则获得标识区域,并对标识区域停止区域采集频率分布数据下的图像采集单元的采集控制,将标识区域的监测方式更改为活动监测。其中,所述区域异常活性评价包括区域分割结果中各区域对应的异常活性评价值。异常活性评价值是用于表征区域分割结果中各区域的活动迹象的强烈程度的参数信息。例如,当特征识别结果表明区域分割结果中某区域不存在监测特征时,此时,该区域可能并未开放,该区域内具有活动迹象的人、物品较少。该区域的活动迹象的强烈程度较低,获得的区域异常活性评价中该区域对应的异常活性评价值较高。所述初始异常活性评价阈值由所述一种智慧农贸场所行为监测系统自定义设置确定。所述标识区域包括区域异常活性评价在初始异常活性评价阈值范围内时,该区域异常活性评价对应的区域分割结果的区域信息。所述活动监测是指对标识区域内是否存在具有活动迹象的人、物品等进行监测。达到了通过历史数据、特征识别结果对区域分割结果中各区域进行异常活性评价,获得可信的区域异常活性评价,并结合初始异常活性评价阈值对监测方式进行合理地更改,降低智慧农贸场所的监测管理的成本的技术效果。
进一步的,本申请步骤S850还包括:
步骤S851:设定活动监测区域的活动监测算力;
步骤S852:通过所述活动监测算力进行所述活动监测区域的区域活动识别;
步骤S853:当识别所述活动监测区域中存在活动时,则基于所述区域采集频率分布数据和所述区域算力初始分布数据进行所述活动监测区域的识别监测。
具体而言,在将标识区域的监测方式更改为活动监测后,获得活动监测区域。进一步,按照活动监测算力对活动监测区域进行区域活动识别,当活动监测区域中存在人、物品等的活动时,按照已获得的区域采集频率分布数据、区域算力初始分布数据对活动监测区域进行识别监测。其中,所述活动监测区域即为标识区域。所述活动监测算力包括预先设置确定的所述一种智慧农贸场所行为监测系统对活动监测区域进行数据处理的能力大小的参数信息。达到了利用活动监测算力对活动监测区域进行区域活动识别,并在活动监测区域中存在活动时,按照区域采集频率分布数据、区域算力初始分布数据对活动监测区域进行识别监测,提高活动监测区域的监测管理的准确性、适应性的技术效果。
进一步的,如附图3所示,本申请步骤S700之后,还包括:
步骤S910:设定非监测时间区间;
步骤S920:在所述非监测时间区间将所有区域的监测方式更改为活动监测,基于活动监测进行区域的实时监测预警。
具体而言,在非监测时间区间内,将区域分割结果中所有区域的监测方式设置为活动监测。即,在非监测时间区间内,对区域分割结果中所有区域是否存在活动迹象进行监测。同时,对区域分割结果中所有区域进行实时监测预警。其中,所述非监测时间区间由所述一种智慧农贸场所行为监测系统自定义设置确定。例如,所述非监测时间区间为凌晨两点至凌晨三点。如果在凌晨两点至凌晨三点对区域分割结果中所有区域是否存在活动迹象进行监测时,发现凌晨两点至凌晨三点中,区域分割结果的某个区域存在活动迹象,则通过发送预警信息等方式对该区域进行实时监测预警。达到了在非监测时间区间内通过活动监测对智慧农贸场所进行监测管理,从而降低智慧农贸场所的监测管理的成本的技术效果。
综上所述,本申请所提供的一种智慧农贸场所行为监测方法具有如下技术效果:
1.通过智慧农贸场所的基础信息对智慧农贸场所进行区域分割;获得区域分割结果,并按照所述区域分割结果进行所述图像采集单元的布设;基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;根据特征识别结果进行智慧农贸场所的监测管理。达到了提高对智慧农贸场所进行监测的准确性,提高智慧农贸场所的监测质量;同时,提高对智慧农贸场所进行监测的智能性、科学性,从而为智慧农贸场所的正常运行提供有力保障,使智慧农贸场所为农贸交易者提供更优质的服务的技术效果。
2.通过历史数据、特征识别结果对区域分割结果中各区域进行异常活性评价,获得可信的区域异常活性评价,并结合初始异常活性评价阈值对监测方式进行合理地更改,降低智慧农贸场所的监测管理的成本。
3.在非监测时间区间内通过活动监测对智慧农贸场所进行监测管理,从而降低智慧农贸场所的监测管理的成本。
实施例二
基于与前述实施例中一种智慧农贸场所行为监测方法,同样发明构思,本发明还提供了一种智慧农贸场所行为监测系统,请参阅附图4,所述系统包括:
区域分割模块11,所述区域分割模块11用于获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;
布设模块12,所述布设模块12用于获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;
分布数据生成模块13,所述分布数据生成模块13用于基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;
采集控制模块14,所述采集控制模块14用于基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;
构建模块15,所述构建模块15用于通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;
特征识别模块16,所述特征识别模块16用于通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;
监测管理模块17,所述监测管理模块17用于根据特征识别结果进行智慧农贸场所的监测管理。
进一步的,所述系统还包括:
区域异常活性评价模块,所述区域异常活性评价模块用于基于所述历史数据和所述特征识别结果进行区域异常活性评价;
评价阈值设定模块,所述评价阈值设定模块用于设定初始异常活性评价阈值;
第一判断模块,所述第一判断模块用于判断所述区域异常活性评价是否在所述初始异常活性评价阈值范围内;
标识区域获得模块,所述标识区域获得模块用于当所述区域异常活性评价在所述初始异常活性评价阈值范围内时,则获得标识区域;
第一执行模块,所述第一执行模块用于对所述标识区域停止频率采集,将所述标识区域的监测方式更改为活动监测。
进一步的,所述系统还包括:
活动监测算力设定模块,所述活动监测算力设定模块用于设定活动监测区域的活动监测算力;
区域活动识别模块,所述区域活动识别模块用于通过所述活动监测算力进行所述活动监测区域的区域活动识别;
第二执行模块,所述第二执行模块用于当识别所述活动监测区域中存在活动时,则基于所述区域采集频率分布数据和所述区域算力初始分布数据进行所述活动监测区域的识别监测。
进一步的,所述系统还包括:
区域特征频次统计集合确定模块,所述区域特征频次统计集合确定模块用于通过所述历史数据进行所述区域分割结果中各区域的监测特征出现频次统计,得到区域特征频次统计集合;
特征权重赋值模块,所述特征权重赋值模块用于通过所述区域特征频次统计集合进行特征权重赋值;
特征分布约束值生成模块,所述特征分布约束值生成模块用于基于特征权重赋值结果生成所述特征分布约束值。
进一步的,所述系统还包括:
第二判断模块,所述第二判断模块用于判断所述区域特征频次统计集合中是否存在零频次特征;
第三执行模块,所述第三执行模块用于当所述区域特征频次统计集合中包括零频次特征时,获得用户的区域特征监测需求信息;
第四执行模块,所述第四执行模块用于当所述区域特征监测需求信息包含所述零频次特征时,则生成零频次特征基础分布权重;
特征分布约束值确定模块,所述特征分布约束值确定模块用于通过所述零频次特征基础分布权重进行所述特征权重赋值结果进行修正,根据修正结果生成所述特征分布约束值。
进一步的,所述系统还包括:
非监测时间区间设定模块,所述非监测时间区间设定模块用于设定非监测时间区间;
第五执行模块,所述第五执行模块用于在所述非监测时间区间将所有区域的监测方式更改为活动监测,基于活动监测进行区域的实时监测预警。
进一步的,所述系统还包括:
预测监测走势信息确定模块,所述预测监测走势信息确定模块用于根据所述采集图像集合和所述历史数据生成预测监测走势信息;
区域算力分布优化数据确定模块,所述区域算力分布优化数据确定模块用于基于所述预测监测走势信息生成区域算力分布优化数据;
第六执行模块,所述第六执行模块用于通过所述区域算力分布优化数据进行特征识别。
实施例三
下面参考图5来描述本申请的电子设备。
基于与前述实施例中一种智慧农贸场所行为监测方法相同的发明构思,本申请还提供了一种智慧农贸场所行为监测系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行实施例一任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网,无线局域网,有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请提供的一种智慧农贸场所行为监测方法。
可选的,本申请中的计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
本申请提供了一种智慧农贸场所行为监测方法,其中,所述方法应用于一种智慧农贸场所行为监测系统,所述方法包括:通过智慧农贸场所的基础信息对智慧农贸场所进行区域分割;获得区域分割结果,并按照所述区域分割结果进行所述图像采集单元的布设;基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;根据特征识别结果进行智慧农贸场所的监测管理。解决了现有技术中针对智慧农贸场所的监测准确性不足,进而造成智慧农贸场所的监测质量不高的技术问题。达到了提高对智慧农贸场所进行监测的准确性,提高智慧农贸场所的监测质量;同时,提高对智慧农贸场所进行监测的智能性、科学性,从而为智慧农贸场所的正常运行提供有力保障,使智慧农贸场所为农贸交易者提供更优质的服务的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种智慧农贸场所行为监测方法,其特征在于,所述方法应用于一种智慧农贸场所行为监测系统,所述系统与图像采集单元通信连接,所述方法包括:
获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;
获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;
基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;
基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;
通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;
通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;
根据特征识别结果进行智慧农贸场所的监测管理;
其中,所述方法还包括:
基于所述历史数据和所述特征识别结果进行区域异常活性评价;
设定初始异常活性评价阈值;
判断所述区域异常活性评价是否在所述初始异常活性评价阈值范围内;
当所述区域异常活性评价在所述初始异常活性评价阈值范围内时,则获得标识区域;
对所述标识区域停止频率采集,将所述标识区域的监测方式更改为活动监测。
2.如权利要求1所述一种智慧农贸场所行为监测方法,其特征在于,所述方法还包括:
设定活动监测区域的活动监测算力;
通过所述活动监测算力进行所述活动监测区域的区域活动识别;
当识别所述活动监测区域中存在活动时,则基于所述区域采集频率分布数据和所述区域算力初始分布数据进行所述活动监测区域的识别监测。
3.如权利要求1所述一种智慧农贸场所行为监测方法,其特征在于,所述方法还包括:
通过所述历史数据进行所述区域分割结果中各区域的监测特征出现频次统计,得到区域特征频次统计集合;
通过所述区域特征频次统计集合进行特征权重赋值;
基于特征权重赋值结果生成所述特征分布约束值。
4.如权利要求3所述一种智慧农贸场所行为监测方法,其特征在于,所述方法还包括:
判断所述区域特征频次统计集合中是否存在零频次特征;
当所述区域特征频次统计集合中包括零频次特征时,获得用户的区域特征监测需求信息;
当所述区域特征监测需求信息包含所述零频次特征时,则生成零频次特征基础分布权重;
通过所述零频次特征基础分布权重进行所述特征权重赋值结果进行修正,根据修正结果生成所述特征分布约束值。
5.如权利要求1所述一种智慧农贸场所行为监测方法,其特征在于,所述方法还包括:
设定非监测时间区间;
在所述非监测时间区间将所有区域的监测方式更改为活动监测,基于活动监测进行区域的实时监测预警。
6.如权利要求1所述一种智慧农贸场所行为监测方法,其特征在于,所述方法还包括:
根据所述采集图像集合和所述历史数据生成预测监测走势信息;
基于所述预测监测走势信息生成区域算力分布优化数据;
通过所述区域算力分布优化数据进行特征识别。
7.一种智慧农贸场所行为监测系统,其特征在于,所述系统与图像采集单元通信连接,所述系统包括:
区域分割模块,所述区域分割模块用于获得所述智慧农贸场所的基础信息,基于所述基础信息进行区域分割;
布设模块,所述布设模块用于获得区域分割结果,并基于所述区域分割结果进行所述图像采集单元的布设;
分布数据生成模块,所述分布数据生成模块用于基于历史数据和所述区域分割结果,生成区域采集频率分布数据和区域算力初始分布数据;
采集控制模块,所述采集控制模块用于基于所述区域采集频率分布数据进行所述图像采集单元的采集控制,得到采集图像集合;
构建模块,所述构建模块用于通过大数据筛选训练数据集合,并基于所述训练数据集合构建特征识别模型;
特征识别模块,所述特征识别模块用于通过所述历史数据和所述区域分割结果生成特征分布约束值,通过所述特征分布约束值进行所述特征识别模型的区域识别约束,根据所述区域算力初始分布数据通过区域识别约束结果进行所述采集图像集合的特征识别;
监测管理模块,所述监测管理模块用于根据特征识别结果进行智慧农贸场所的监测管理;
区域异常活性评价模块,所述区域异常活性评价模块用于基于所述历史数据和所述特征识别结果进行区域异常活性评价;
评价阈值设定模块,所述评价阈值设定模块用于设定初始异常活性评价阈值;
第一判断模块,所述第一判断模块用于判断所述区域异常活性评价是否在所述初始异常活性评价阈值范围内;
标识区域获得模块,所述标识区域获得模块用于当所述区域异常活性评价在所述初始异常活性评价阈值范围内时,则获得标识区域;
第一执行模块,所述第一执行模块用于对所述标识区域停止频率采集,将所述标识区域的监测方式更改为活动监测。
8.一种智慧农贸场所行为监测系统,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使系统以执行权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211113540.1A CN115204753B (zh) | 2022-09-14 | 2022-09-14 | 一种智慧农贸场所行为监测方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211113540.1A CN115204753B (zh) | 2022-09-14 | 2022-09-14 | 一种智慧农贸场所行为监测方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204753A CN115204753A (zh) | 2022-10-18 |
CN115204753B true CN115204753B (zh) | 2022-12-02 |
Family
ID=83572070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211113540.1A Active CN115204753B (zh) | 2022-09-14 | 2022-09-14 | 一种智慧农贸场所行为监测方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204753B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115598309B (zh) * | 2022-12-13 | 2023-07-07 | 江苏旭龙环境科技有限公司 | 一种大气环境铅含量的监测预警方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201808950D0 (zh) * | 2018-05-31 | 2018-07-18 | Univ Newcastle | |
CN109606358A (zh) * | 2018-12-12 | 2019-04-12 | 禾多科技(北京)有限公司 | 应用于智能驾驶汽车的图像采集装置及其采集方法 |
CN112800157A (zh) * | 2021-01-11 | 2021-05-14 | 武汉旭云智慧交通有限公司 | 一种动态占位网格模型构建方法及其应用架构设计方法 |
CN112990017A (zh) * | 2021-03-16 | 2021-06-18 | 陈永欢 | 一种智慧城市大数据分析方法及监控系统 |
CN113177453A (zh) * | 2021-04-22 | 2021-07-27 | 巢湖学院 | 一种基于图像识别的智慧小区智能监管系统 |
CN113505713A (zh) * | 2021-07-16 | 2021-10-15 | 上海塞嘉电子科技有限公司 | 一种基于机场安全管理平台的视频智能分析方法及系统 |
CN113537063A (zh) * | 2021-07-16 | 2021-10-22 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于综合遥感技术的森林环境遥感监测方法及终端 |
CN113626200A (zh) * | 2021-08-24 | 2021-11-09 | Oppo广东移动通信有限公司 | 任务负载计算方法、装置、存储介质以及终端 |
CN114937247A (zh) * | 2022-07-21 | 2022-08-23 | 四川金信石信息技术有限公司 | 一种基于深度学习的变电站监测方法、系统、电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10159454B2 (en) * | 2011-09-09 | 2018-12-25 | Siemens Healthcare Gmbh | Contrast agent perfusion adaptive imaging system |
US11147459B2 (en) * | 2018-01-05 | 2021-10-19 | CareBand Inc. | Wearable electronic device and system for tracking location and identifying changes in salient indicators of patient health |
CN111325289A (zh) * | 2020-03-18 | 2020-06-23 | 中国科学院深圳先进技术研究院 | 一种行为识别方法、装置、设备及介质 |
CN114495495B (zh) * | 2022-01-11 | 2024-03-26 | 北京百度网讯科技有限公司 | 异常转向行为的检测方法、装置及电子设备 |
-
2022
- 2022-09-14 CN CN202211113540.1A patent/CN115204753B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201808950D0 (zh) * | 2018-05-31 | 2018-07-18 | Univ Newcastle | |
CN109606358A (zh) * | 2018-12-12 | 2019-04-12 | 禾多科技(北京)有限公司 | 应用于智能驾驶汽车的图像采集装置及其采集方法 |
CN112800157A (zh) * | 2021-01-11 | 2021-05-14 | 武汉旭云智慧交通有限公司 | 一种动态占位网格模型构建方法及其应用架构设计方法 |
CN112990017A (zh) * | 2021-03-16 | 2021-06-18 | 陈永欢 | 一种智慧城市大数据分析方法及监控系统 |
CN113177453A (zh) * | 2021-04-22 | 2021-07-27 | 巢湖学院 | 一种基于图像识别的智慧小区智能监管系统 |
CN113505713A (zh) * | 2021-07-16 | 2021-10-15 | 上海塞嘉电子科技有限公司 | 一种基于机场安全管理平台的视频智能分析方法及系统 |
CN113537063A (zh) * | 2021-07-16 | 2021-10-22 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于综合遥感技术的森林环境遥感监测方法及终端 |
CN113626200A (zh) * | 2021-08-24 | 2021-11-09 | Oppo广东移动通信有限公司 | 任务负载计算方法、装置、存储介质以及终端 |
CN114937247A (zh) * | 2022-07-21 | 2022-08-23 | 四川金信石信息技术有限公司 | 一种基于深度学习的变电站监测方法、系统、电子设备 |
Non-Patent Citations (2)
Title |
---|
基于移动图像检测算法的教学楼智能照明控制系统研究;李翔;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200315(第3期);第C038-198页 * |
面向声音事件检测的FPGA神经网络加速器设计;刘贵铜;《中国优秀硕士学位论文全文数据库信息科技辑》;20220115(第1期);第I135-1011页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115204753A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及系统 | |
CN110991875A (zh) | 一种平台用户质量评估系统 | |
CN115204753B (zh) | 一种智慧农贸场所行为监测方法、系统及可读存储介质 | |
JP2016517550A (ja) | ブロードバンドネットワークのチャーン予測 | |
CN113379564A (zh) | 电网负荷预测方法、装置及终端设备 | |
CN112734494A (zh) | 一种销量预测方法、装置、终端设备及可读存储介质 | |
CN105894329A (zh) | 一种数据分析方法和装置 | |
CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
CN113032239A (zh) | 风险提示方法、装置、电子设备及存储介质 | |
CN115701890B (zh) | 调整告警规则的方法及相关设备 | |
CN115409839B (zh) | 基于像素分析模型的道路声屏障隐患识别方法及装置 | |
CN116819352A (zh) | 电池阈值的自适应设定方法、装置、设备及存储介质 | |
CN110851502A (zh) | 一种基于数据挖掘技术的负荷特征场景分类方法 | |
CN107464571B (zh) | 一种数据质量评估的方法、设备及系统 | |
CN114022045A (zh) | 一种区域经济发展水平确定方法、装置及终端设备 | |
CN114358548A (zh) | 一种确定评价指标的方法、装置及电子设备 | |
CN112926794A (zh) | 银行贷款信息预测方法及装置 | |
CN112101727A (zh) | 资源分配方法、装置、设备及存储介质 | |
CN113435609B (zh) | 线损异常检测方法、装置及终端设备 | |
CN111651495A (zh) | 空调数据处理方法、装置、系统、计算机设备和存储介质 | |
CN117349734B (zh) | 水表设备识别方法、装置、电子设备及存储介质 | |
CN112686483A (zh) | 预警区域识别方法、装置、计算设备及计算机存储介质 | |
CN117911194A (zh) | 一种基于大数据的智慧水务管理方法及系统 | |
CN117851817B (zh) | 一种用于潮湿空气的智能过滤分析方法、系统及存储介质 | |
CN116307085A (zh) | 基于智能预测的网格化配电规划方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, system, and readable storage medium for monitoring the behavior of smart agricultural trade venues Effective date of registration: 20230920 Granted publication date: 20221202 Pledgee: Shenzhen Rural Commercial Bank Co.,Ltd. Henggang Sub branch Pledgor: SHENZHEN SINXIN INFORMATION TECHNOLOGY Co.,Ltd. Registration number: Y2023980057791 |