CN115326049A - 一种基于nb-iot的天线姿态远程数据采集系统 - Google Patents

Abstract

本发明涉及天线技术领域，公开了一种基于NB‑IOT的天线姿态远程数据采集系统，图像采集模块、环境检测模块、识别模块、通讯模块，本发明可在环境发生可能影响目标天线正常工作变化时，通过环境检测模块发出相应的环境控制信号对图像采集模块进行驱动，完成对目标天线的图片采样，然后由基于神经网络模型的识别模块对得到的采样图片进行自动判断分析，快速得到目标天线的姿态是否正常的状态分类结果，并通过手持控制终端及时通知相关工作人员，如此可以利用神经网络模型的可训练、适应性强，精度可提升的优点，解决现有天线姿态监控成本高且精准度易衰减的问题。

Description

一种基于NB-IOT的天线姿态远程数据采集系统

技术领域

本发明涉及天线技术领域，具体涉及一种基于NB-IOT的天线姿态远程数据采集系统。

背景技术

基站天线的工程参数(天线姿态)主要有挂高、俯仰角、方位角、横滚角和位置经纬度等，这些参数对于基站的电磁覆盖有决定性的影响。

在户外通信的天线架设中，天线姿态对信号的覆盖范围具有非常重要的影响，并会进一步影响到网络通信的质量，因此，测量天线姿态至关重要。

目前，一般通过以下方法测量天线姿态：在每根天线上加装测量设备，其中，该测量设备主要包括传感器、支架和无线通信模块，支架用于将天线与传感器固定连接在一起；通过传感器测量天线姿态信息，通过无线通信模块将传感器测量到的天线姿态信息传输给需要获取天线姿态信息的设备，以此来天线的姿态进行监视。

还有就是采用MEMS倾角传感器结合陀螺仪的方式测量天线姿态角，通过持续对陀螺仪的角速度进行积分，可以测得天线的方向角偏移量；或者采用差分GPS原理，利用不同接收坐标点的经纬度变化测算天线姿态角。

但是上述方法计算天线姿态角存在持续的漂移误差，而高精度的差分GPS价格较高，所以该方案的整体设计成本较高，且在无GPS信号的环境下无法应用，使用不便且难以保证持续的精准度。

发明内容

本发明的目的在于提供一种基于NB-IOT的天线姿态远程数据采集系统，解决以下技术问题：

如何提供一种能够低成本且精准度不易衰减的天线姿态远程数据采集系统。

本发明的目的可以通过以下技术方案实现：

一种基于NB-IOT的天线姿态远程数据采集系统，包括：

图像采集模块，用于根据环境控制信号对目标天线进行图像采集得到采样图片；

环境检测模块，用于获取环境信息，根据所述环境信息的变化发出相应的环境控制信号；

识别模块，用于根据所述采样图片输出与所述目标天线对应的状态分类结果；

通讯模块，用于获取所述识别模块的状态分类结果并发送手持控制终端；

其中，所述识别模块基于经过训练的神经网络模型所构建，所述手持控制终端用于提醒工作人员，所述状态分类结果包括姿态正常和姿态不正常。

通过上述技术方案，本发明可在环境发生可能影响目标天线正常工作变化时，通过环境检测模块发出相应的环境控制信号对图像采集模块进行驱动，完成对目标天线的图片采样，然后由基于神经网络模型的识别模块对得到的采样图片进行自动判断分析，快速得到目标天线的姿态是否正常的状态分类结果，并通过手持控制终端及时通知相关工作人员，如此可以利用神经网络模型的可训练、适应性强，精度可提升的优点，解决现有天线姿态监控成本高且精准度易衰减的问题。

作为本发明进一步的方案：所述图像采集模块包括频率调整单元和图片采集单元；

所述频率调整单元根据所述环境控制信号调整所述图像采集模块的所述采样图片的图像采集频率。

通过上述技术方案，频率调整单元可通过环境控制信号对图片采集单元的采集频率进行调整，当环境发生可能影响目标天线正常工作变化时，采集频率提升，增加天线姿态检测预警的时效性，当环境不会威胁目标天线时，此时目标天线发生异常的可能性降低，此时则可降低采集频率，达到节能的目的。

作为本发明进一步的方案：所述手持控制终端包括判断统计模块；

所述判断统计模块，用于统计预设时间内的所述状态分类结果，取占比概率最大的所述状态分类结果作为最终显示提醒的最终状态判断结果。

通过上述技术方案，基于神经网络模型的识别模块与人眼不同，对与采样图片中的扰动因素较为敏感，比如雨水天气或者遭到不明震动情况下，其输出的状态分类结果可能会因为采样图片中的光暗变化、噪点或镜头细小位移等输出完全相反的结果，为解决这一问题，可以通过取预设时间内多个状态分类结果中概率占比最高的一个状态分类结果作为最终状态判断结果，可以尽可能的提升最终状态判断结果的识别准确度。

另外，若此时频率调整单元对图片采集单元的采集频率进行提升，则在2秒钟内可得到超过100个的数量的状态分类结果，从而能够进一步的提升识别准确度来在环境变化时对目标天线进行更加可靠的监测。

作为本发明进一步的方案：所述环境检测模块包括：

风速检测单元，用于获取所述目标天线附近的风速参数，当所述风速参数高于预设风速值，提升对所述环境控制信号的图像采集频率设定；

震动检测单元，用于获取所述目标天线的震动幅度参数，当所述震动幅度参数高于预设震动幅度值，提升对所述环境控制信号的图像采集频率设定。

通过上述技术方案，将风速和外界震动对目标天线姿态的影响纳入考量，可以提升恶劣环境下对目标天线的姿态识别的精准度，可靠且实用。

作为本发明进一步的方案：所述图像采集单元包括通用拍摄单元和红外拍摄单元；

所述环境检测模块还包括所述光照检测单元，用于获取所述目标天线附近的光照参数；

当所述光照参数高于预设光亮度值，所述环境检测模块发出切换指令控制所述通用拍摄单元降低所述采样图片的采样频率；

当所述光照参数低于预设光亮度值，所述环境检测模块发出切换指令控制所述红外拍摄单元提升所述采样图片的采样频率；

所述通用拍摄单元和所述红外拍摄单元的采样时间不重合。

通过上述技术方案，将图像采集单元分为一般使用的拍摄单元和可在夜间使用的红外拍摄单元，拍摄单元和红外拍摄单元均同时参与采样图像的获取，但是不在同一时间点进行拍摄；在亮度较高的情况下，可更多的采用通用拍摄单元进行拍摄，以降低较强的环境光或者发射光对红外拍摄单元的干扰，在亮度较暗的情况下，可更多的采用红外拍摄单元进行拍摄，因为此时通用拍摄单元无法获取目标天线的轮廓或者其他明显特征，较暗的光环境也有利于红外拍摄单元的成像，提升对目标天线的监测判断竞精准度。

另外，红外拍摄单元所获取的采样图片中的目标天线亮度越高，则代表其温度越高，由此还可以对目标天线的工作工作温度情况进行检测判断，提升对目标天线的监测范围。

作为本发明进一步的方案：所述识别模块包括第一识别单元和第二识别单元；

所述第一识别单元，与所述图片采集模块连接，用于对所述采样图片中的所述目标天线进行识别，并对识别出的所述目标天线再所述采样图片中进行位置标注；

所述第二识别单元，与所述第一识别单元连接，用于对进行位置标注的所述目标天线进行所述状态分类结果的判断输出。

通过上述技术方案，由第一识别单元负责对采样图片中的目标天线以位置标注的手段进行突出显示，有利于减少第二识别单元的计算量，降低复杂度；而且，在此情况下，可以使一张采样图片中不一定只能包含一个目标天线，可选择合适的视角同时对多个目标天线进行监测，进一步的降低成本，此时硬件的优劣成为限制同时监测目标天线数量的重要因素。

进一步的，当获得某一目标天线的最终状态判断结果为姿态不正常时，可以通过在采样图片上加载明显的红框进行位置标注，然后驱动图像采集模块以红框进行变焦，对该目标天线进行持续5秒的采样图片的重点采集，减少误报率。

作为本发明进一步的方案：所述姿态正常包括温度正常且姿态正常和温度不正常且姿态正常；所述姿态不正常包括温度正常且姿态不正常和温度不正常且姿态不正常。

通过上述技术方案，由于红外拍摄单元的存在，可配合第二识别单元相应的训练，来增加状态分类结果的具体数量，从而能够实现利用图像采集对天线姿态和温度进行同步监测的效果。

作为本发明进一步的方案：还包括：

所述震动模块，用于在预设时间段内启动对所述图像采集模块进行低幅度高频震动。

通过上述技术方案，可在随机时间段，启动震动模块对图像采集模块进行低幅度高频震动，提升采样图片的丰富度，再配合第二识别单元相应的训练样本，提升天线状态识别的准确度。

本发明的有益效果：

（1）本发明可在环境发生可能影响目标天线正常工作变化时，通过环境检测模块发出相应的环境控制信号对图像采集模块进行驱动，完成对目标天线的图片采样，然后由基于神经网络模型的识别模块对得到的采样图片进行自动判断分析，快速得到目标天线的姿态是否正常的状态分类结果，并通过手持控制终端及时通知相关工作人员，如此可以利用神经网络模型的可训练、适应性强，精度可提升的优点，解决现有天线姿态监控成本高且精准度易衰减的问题；

（2）频率调整单元可通过环境控制信号对图片采集单元的采集频率进行调整，当环境发生可能影响目标天线正常工作变化时，采集频率提升，增加天线姿态检测预警的时效性，当环境不会威胁目标天线时，此时目标天线发生异常的可能性降低，此时则可降低采集频率，达到节能的目的；

（3）基于神经网络模型的识别模块与人眼不同，对与采样图片中的扰动因素较为敏感，比如雨水天气或者遭到不明震动情况下，其输出的状态分类结果可能会因为采样图片中的光暗变化、噪点或镜头细小位移等输出完全相反的结果，为解决这一问题，可以通过取预设时间内多个状态分类结果中概率占比最高的一个状态分类结果作为最终状态判断结果，可以尽可能的提升最终状态判断结果的识别准确度；若此时频率调整单元对图片采集单元的采集频率进行提升，则在2秒钟内可得到超过100个的数量的状态分类结果，从而能够进一步的提升识别准确度来在环境变化时对目标天线进行更加可靠的监测；

（4）将图像采集单元分为一般使用的拍摄单元和可在夜间使用的红外拍摄单元，拍摄单元和红外拍摄单元均同时参与采样图像的获取，但是不在同一时间点进行拍摄；在亮度较高的情况下，可更多的采用通用拍摄单元进行拍摄，以降低较强的环境光或者发射光对红外拍摄单元的干扰，在亮度较暗的情况下，可更多的采用红外拍摄单元进行拍摄，因为此时通用拍摄单元无法获取目标天线的轮廓或者其他明显特征，较暗的光环境也有利于红外拍摄单元的成像，提升对目标天线的监测判断竞精准度。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明中天线姿态远程数据采集系统的模块连接示意图。

具体实施方式

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，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种基于NB-IOT的天线姿态远程数据采集系统，包括：

图像采集模块，用于根据环境控制信号对目标天线进行图像采集得到采样图片；

环境检测模块，用于获取环境信息，根据所述环境信息的变化发出相应的环境控制信号；

识别模块，用于根据所述采样图片输出与所述目标天线对应的状态分类结果；

通讯模块，用于获取所述识别模块的状态分类结果并发送手持控制终端；

其中，所述识别模块基于经过训练的神经网络模型所构建，所述手持控制终端用于提醒工作人员，所述状态分类结果包括姿态正常和姿态不正常。

通过上述技术方案，本发明可在环境发生可能影响目标天线正常工作变化时，通过环境检测模块发出相应的环境控制信号对图像采集模块进行驱动，完成对目标天线的图片采样，然后由基于神经网络模型的识别模块对得到的采样图片进行自动判断分析，快速得到目标天线的姿态是否正常的状态分类结果，并通过手持控制终端及时通知相关工作人员，如此可以利用神经网络模型的可训练、适应性强，精度可提升的优点，解决现有天线姿态监控成本高且精准度易衰减的问题。

其中，通讯模块可采用NB-IOT技术，利用其低功耗、广覆盖的特点，实现对目标天线远距离、低功耗的全天候自动监测，且成本低廉，信号不易被遮挡，具有极强的可靠性。

另外，本发明中所采用的神经网络模型可采用卷积神经网络（CNN），卷积神经网络是用于图像分类问题的最流行的神经网络模型，其再训练时的训练样本与采样图片的获取方式相同；更多的是，训练样本相较于采样图片多出一个人工标注的步骤。

比如，先通过现有的天线姿态检测技术对目标天线进行检测，获取其姿态是否正常的判断，然后通过与图像采集模块相同拍摄位置的摄像机获取目标天线的训练图片，然后将对应的状态分类结果标注到训练图片中得到训练样本，以此对卷积神经网络进行训练；

训练样本越多，最后得到的识别模块的判断就越准确，因此本发明的判断精准度不仅不会衰减，还可以随着后续训练样本的扩充进行提升。

作为本发明进一步的方案：所述图像采集模块包括频率调整单元和图片采集单元；

所述频率调整单元根据所述环境控制信号调整所述图像采集模块的所述采样图片的图像采集频率。

通过上述技术方案，频率调整单元可通过环境控制信号对图片采集单元的采集频率进行调整，当环境发生可能影响目标天线正常工作变化时，采集频率提升，增加天线姿态检测预警的时效性，当环境不会威胁目标天线时，此时目标天线发生异常的可能性降低，此时则可降低采集频率，达到节能的目的。

作为本发明进一步的方案：所述手持控制终端包括判断统计模块；

所述判断统计模块，用于统计预设时间内的所述状态分类结果，取占比概率最大的所述状态分类结果作为最终显示提醒的最终状态判断结果。

通过上述技术方案，基于神经网络模型的识别模块与人眼不同，对与采样图片中的扰动因素较为敏感，比如雨水天气或者遭到不明震动情况下，其输出的状态分类结果可能会因为采样图片中的光暗变化、噪点或镜头细小位移等输出完全相反的结果，为解决这一问题，可以通过取预设时间内多个状态分类结果中概率占比最高的一个状态分类结果作为最终状态判断结果，可以尽可能的提升最终状态判断结果的识别准确度。

例如，在当时采样图片的采样频率为1秒50次的情况下，预设时间设为2秒，可以在2秒钟内得到与100张采样图片所对应的100个状态分类结果，若其中包括35个“姿态正常”判断和65个“姿态不正常”判断，此时可以认为最终状态判断结果为“姿态不正常”。

另外，若此时频率调整单元对图片采集单元的采集频率进行提升，则在2秒钟内可得到超过100个的数量的状态分类结果，从而能够进一步的提升识别准确度来在环境变化时对目标天线进行更加可靠的监测。

作为本发明进一步的方案：所述环境检测模块包括：

风速检测单元，用于获取所述目标天线附近的风速参数，当所述风速参数高于预设风速值，提升对所述环境控制信号的图像采集频率设定；

震动检测单元，用于获取所述目标天线的震动幅度参数，当所述震动幅度参数高于预设震动幅度值，提升对所述环境控制信号的图像采集频率设定。

通过上述技术方案，将风速和外界震动对目标天线姿态的影响纳入考量，可以提升恶劣环境下对目标天线的姿态识别的精准度，可靠且实用。

作为本发明进一步的方案：所述图像采集单元包括通用拍摄单元和红外拍摄单元；

所述环境检测模块还包括所述光照检测单元，用于获取所述目标天线附近的光照参数；

当所述光照参数高于预设光亮度值，所述环境检测模块发出切换指令控制所述通用拍摄单元降低所述采样图片的采样频率；

当所述光照参数低于预设光亮度值，所述环境检测模块发出切换指令控制所述红外拍摄单元提升所述采样图片的采样频率；

所述通用拍摄单元和所述红外拍摄单元的采样时间不重合。

通过上述技术方案，将图像采集单元分为一般使用的拍摄单元和可在夜间使用的红外拍摄单元，拍摄单元和红外拍摄单元均同时参与采样图像的获取，但是不在同一时间点进行拍摄；在亮度较高的情况下，可更多的采用通用拍摄单元进行拍摄，以降低较强的环境光或者发射光对红外拍摄单元的干扰，在亮度较暗的情况下，可更多的采用红外拍摄单元进行拍摄，因为此时通用拍摄单元无法获取目标天线的轮廓或者其他明显特征，较暗的光环境也有利于红外拍摄单元的成像，提升对目标天线的监测判断竞精准度。

另外，红外拍摄单元所获取的采样图片中的目标天线亮度越高，则代表其温度越高，由此还可以对目标天线的工作工作温度情况进行检测判断，提升对目标天线的监测范围。

作为本发明进一步的方案：所述识别模块包括第一识别单元和第二识别单元；

所述第一识别单元，与所述图片采集模块连接，用于对所述采样图片中的所述目标天线进行识别，并对识别出的所述目标天线再所述采样图片中进行位置标注；

所述第二识别单元，与所述第一识别单元连接，用于对进行位置标注的所述目标天线进行所述状态分类结果的判断输出。

通过上述技术方案，由第一识别单元负责对采样图片中的目标天线以位置标注的手段进行突出显示，有利于减少第二识别单元的计算量，降低复杂度；而且，在此情况下，可以使一张采样图片中不一定只能包含一个目标天线，可选择合适的视角同时对多个目标天线进行监测，进一步的降低成本，此时硬件的优劣成为限制同时监测目标天线数量的重要因素。

进一步的，当获得某一目标天线的最终状态判断结果为姿态不正常时，可以通过在采样图片上加载明显的红框进行位置标注，然后驱动图像采集模块以红框进行变焦，对该目标天线进行持续5秒的采样图片的重点采集，减少误报率。

作为本发明进一步的方案：所述姿态正常包括温度正常且姿态正常和温度不正常且姿态正常；所述姿态不正常包括温度正常且姿态不正常和温度不正常且姿态不正常。

通过上述技术方案，由于红外拍摄单元的存在，可配合第二识别单元相应的训练，来增加状态分类结果的具体数量，从而能够实现利用图像采集对天线姿态和温度进行同步监测的效果。

作为本发明进一步的方案：还包括：

所述震动模块，用于在预设时间段内启动对所述图像采集模块进行低幅度高频震动。

通过上述技术方案，可在随机时间段，启动震动模块对图像采集模块进行低幅度高频震动，提升采样图片的丰富度，再配合第二识别单元相应的训练样本，提升天线状态识别的准确度

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (8)

1.一种基于NB-IOT的天线姿态远程数据采集系统，其特征在于，包括：

图像采集模块，用于根据环境控制信号对目标天线进行图像采集得到采样图片；

环境检测模块，用于获取环境信息，根据所述环境信息的变化发出相应的环境控制信号；

识别模块，用于根据所述采样图片输出与所述目标天线对应的状态分类结果；

通讯模块，用于获取所述识别模块的状态分类结果并发送手持控制终端；

其中，所述识别模块基于经过训练的神经网络模型所构建，所述手持控制终端用于提醒工作人员，所述状态分类结果包括姿态正常和姿态不正常。

2.根据权利要求1所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述图像采集模块包括频率调整单元和图片采集单元；

所述频率调整单元根据所述环境控制信号调整所述图像采集模块的所述采样图片的图像采集频率。

3.根据权利要求2所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述手持控制终端包括判断统计模块；

所述判断统计模块，用于统计预设时间内的所述状态分类结果，取占比概率最大的所述状态分类结果作为最终显示提醒的最终状态判断结果。

4.根据权利要求2所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述环境检测模块包括：

风速检测单元，用于获取所述目标天线附近的风速参数，当所述风速参数高于预设风速值，提升对所述环境控制信号的图像采集频率设定；

震动检测单元，用于获取所述目标天线的震动幅度参数，当所述震动幅度参数高于预设震动幅度值，提升对所述环境控制信号的图像采集频率设定。

5.根据权利要求2所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述图像采集单元包括通用拍摄单元和红外拍摄单元；

所述环境检测模块还包括所述光照检测单元，用于获取所述目标天线附近的光照参数；

当所述光照参数高于预设光亮度值，所述环境检测模块发出切换指令控制所述通用拍摄单元降低所述采样图片的采样频率；

当所述光照参数低于预设光亮度值，所述环境检测模块发出切换指令控制所述红外拍摄单元提升所述采样图片的采样频率；

所述通用拍摄单元和所述红外拍摄单元的采样时间不重合。

6.根据权利要求5所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述识别模块包括第一识别单元和第二识别单元；

所述第一识别单元，与所述图片采集模块连接，用于对所述采样图片中的所述目标天线进行识别，并对识别出的所述目标天线再所述采样图片中进行位置标注；

所述第二识别单元，与所述第一识别单元连接，用于对进行位置标注的所述目标天线进行所述状态分类结果的判断输出。

7.根据权利要求6所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，所述姿态正常包括温度正常且姿态正常和温度不正常且姿态正常；所述姿态不正常包括温度正常且姿态不正常和温度不正常且姿态不正常。

8.根据权利要求1所述的基于NB-IOT的天线姿态远程数据采集系统，其特征在于，还包括：

所述震动模块，用于在预设时间段内启动对所述图像采集模块进行低幅度高频震动。

Images