CN115766401A - 工业告警信息解析方法、装置、电子设备与计算机介质 - Google Patents
工业告警信息解析方法、装置、电子设备与计算机介质 Download PDFInfo
- Publication number
- CN115766401A CN115766401A CN202310023615.5A CN202310023615A CN115766401A CN 115766401 A CN115766401 A CN 115766401A CN 202310023615 A CN202310023615 A CN 202310023615A CN 115766401 A CN115766401 A CN 115766401A
- Authority
- CN
- China
- Prior art keywords
- industrial
- alarm
- alarm information
- equipment
- network
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Alarm Systems (AREA)
Abstract
本公开的实施例公开了工业告警信息解析方法、装置、电子设备与计算机介质。该方法的一具体实施方式包括:响应于接收到各个工业检测设备发送的各个工业告警信息,对各个工业告警信息进行聚类处理,得到工业告警信息组集;响应于确定工业告警信息组对应的告警类型为网络告警类型,确定工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定工业告警信息组中存在对应网络警报信息集的工业告警信息,将工业告警信息组中对应网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将工业网络告警信息组发送至相关联的网络告警处理终端。该实施方式可以及时通知网络告警处理终端排除工业告警危险。
Description
技术领域
本公开的实施例涉及工业互联网领域,具体涉及工业告警信息解析方法、装置、电子设备与计算机介质。
背景技术
针对多样的网络威胁,安全研究人员研究出了多种威胁检测引擎,在业务场景多样化以及海量数据的背景下,各种威胁检测引擎会产生大量的安全告警,一方面因为威胁检测引擎存在错误告警甚至遗漏告警的可能,因此需要人工进行审核确认,另一方面因为在告警信息中可能存在信息价值低的告警(例如可疑扫描等威胁)。因此在人工审核告警的过程中可能会面临大量此种类型告警。当前,对于告警信息的主要解析方式,通常为:依靠人工,根据攻击者IP,目标IP等进行简单聚类解析。
1,人工检测时间较长,未对大量的告警信息进行分类检测,导致未及时检测出高威胁的工业告警信息,难以及时排除工业告警危险;
2,当告警信息为告警图像时,人工审核,通常无法快速检测出高威胁的告警图像,导致检测时间较长,且容易遗漏高威胁的告警图像;
3,当告警信息为告警图像时,人工审核,通常无法确定告警图像对应的告警位置,导致无法及时通知技术人员快速去现场进行维修检测。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了工业告警信息解析方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种工业告警信息解析方法,该方法包括:响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,上述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
第二方面,本公开的一些实施例提供了一种工业告警信息解析装置,装置包括:聚类单元,被配置成响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,上述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;发送单元,被配置成对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的工业告警信息解析方法,可以及时排除工业告警危险。具体来说,难以及时排除工业告警危险的原因在于:人工检测时间较长,未对大量的告警信息进行分类检测,导致未及时检测出高威胁的工业告警信息。基于此,本公开的一些实施例的工业告警信息解析方法,首先,响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集。由此,可以将同一类型的工业告警信息聚合在一起。如此,便于对同类型的工业告警信息进行解析。然后,对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:首先,响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息。然后,响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组。由此,可以利用预设的网络警报信息集快速检测出工业告警信息组中高威胁的工业告警信息。最后,将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。由此,可以及时通知网络告警处理终端排除工业告警危险。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的工业告警信息解析方法的一些实施例的流程图;
图2是根据本公开的工业告警信息解析装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的工业告警信息解析方法的一些实施例的流程图。示出了根据本公开的工业告警信息解析方法的一些实施例的流程100。该工业告警信息解析方法,包括以下步骤:
步骤101,响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集。
在一些实施例中,工业告警信息解析方法的执行主体(例如服务器)可以响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集。其中,上述各个工业告警信息中的工业告警信息包括:告警类型与告警信息。这里,工业检测设备可以是用于检测工业安全的设备。工业检测设备可以包括但不限于:检测工业网络中网络设备的网络安全的设备、检测工业设备的硬件的设备、检测工业设备现场是否出现异常的设备。例如,检测工业网络中网络设备的网络安全的设备可以是网络测试仪。检测工业设备的硬件的设备可以是设备电路检测仪。检测工业设备现场是否出现异常的设备可以是监控每个工业设备的摄像头。一工业告警信息对应一工业设备(例如,工控机、工业交换机、PLC等)。实践中,可以将上述各个工业告警信息中包括的告警类型相同的工业告警信息聚为一类,以生成工业告警信息组,得到工业告警信息组集。
步骤102,对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:
步骤1021,响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息。
在一些实施例中,上述执行主体可以响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息。这里,网络告警类型可以表示对工业网络设备的网络安全进行告警。这里,预设的网络警报信息集可以是指预先设定的高网络威胁的各个网络告警信息。例如,网络警报信息集可以包括:表征IP异常的工业告警信息、表征通信协议异常的工业告警信息、表征网络瘫痪的工业告警信息等。
即,确定上述工业告警信息组中是否存在与网络警报信息集中任一网络警报信息相同的工业告警信息。
步骤1022,响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组。
在一些实施例中,上述执行主体可以响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组。即,可以将上述工业告警信息组中与上述网络警报信息集中任一网络警报信息相同的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组。
步骤1023,将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
在一些实施例中,上述执行主体可以将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。这里,相关联的网络告警处理终端可以是指与上述执行主体通信连接的用于对工业网络告警信息组进行展示的终端。例如,网络告警处理终端可以是网络异常监测终端,可以提示维修技术人员及时对网络设备进行维修检测。相关联的网络告警提示设备可以是指与上述执行主体通信连接的语音播报设备。例如,网络告警提示设备可以是扬声器。语音警报处理可以是网络告警提示设备播报工业网络告警信息组对应的网络设备异常的语音。
可选地,响应于确定上述工业告警信息组对应的告警类型为设备告警类型,确定上述工业告警信息组中是否存在对应预设的设备警报信息集的工业告警信息。
在一些实施例中,上述执行主体可以响应于确定上述工业告警信息组对应的告警类型为设备告警类型,确定上述工业告警信息组中是否存在对应预设的设备警报信息集的工业告警信息。这里,设备告警类型可以表示工业设备出现线路异常的问题。预设的设备警报信息集可以是指预先设定的工业设备出现各种线路异常的告警信息。例如,设备警报信息集可以包括:表征线路短路的工业告警信息、表征线路断路的工业告警信息、表征线路电压骤变的工业告警信息等。即,确定上述工业告警信息组中是否存在与上述设备警报信息集中任一设备警报信息相同的工业告警信息。
可选地,响应于确定上述工业告警信息组中存在对应上述设备警报信息集的工业告警信息,将上述工业告警信息组中对应上述设备警报信息集的工业告警信息确定为工业设备告警信息,得到工业设备告警信息组。
在一些实施例中,上述执行主体可以响应于确定上述工业告警信息组中存在对应上述设备警报信息集的工业告警信息,将上述工业告警信息组中对应上述设备警报信息集的工业告警信息确定为工业设备告警信息,得到工业设备告警信息组。即,将上述工业告警信息组中与上述设备警报信息集中任一设备警报信息相同的工业告警信息确定为工业设备告警信息,得到工业设备告警信息组。
可选地,将上述工业设备告警信息组发送至相关联的设备告警检测终端,以及控制相关联的设备检测语音提示设备进行语音播报。
在一些实施例中,上述执行主体可以将上述工业设备告警信息组发送至相关联的设备告警检测终端,以及控制相关联的设备检测语音提示设备进行语音播报。这里,设备告警检测终端可以是对上述工业设备告警信息组对应的各个工业设备进行检测的终端。例如,设备告警检测终端可以是工业设备维修终端,可以是一个具有显示功能的服务器。设备告警检测终端可以及时通知维修人员对告警的工业设备进行检测维修。设备检测语音提示设备可以是指与上述执行主体通信连接的扬声器。语音播报可以是播报工业设备告警信息组对应的工业设备异常的语音。
可选地,响应于确定上述工业告警信息组对应的告警类型为图像告警类型,对于上述工业告警信息组中的每个工业告警信息,对上述工业告警信息包括的工业设备告警图像进行检测,以生成工业设备告警图像检测结果。
在一些实施例中,上述执行主体可以响应于确定上述工业告警信息组对应的告警类型为图像告警类型,对于上述工业告警信息组中的每个工业告警信息,对上述工业告警信息包括的工业设备告警图像进行检测,以生成工业设备告警图像检测结果。这里,图像告警类型可以表征告警信息为拍摄的图像。
实践中,上述执行主体可以通过以下步骤对上述工业告警信息包括的工业设备告警图像进行检测,以生成工业设备告警图像检测结果:
第一步,将上述工业设备告警图像输入至预设的工业设备告警图像检测模型中,得到工业设备告警图像检测结果。这里,工业设备告警图像检测结果可以表示上述工业设备告警图像中的设备告警结果。工业设备告警图像检测结果可以表征工业设备告警图像对应的工业设备或工业设备对应的现场出现了工业危险或未出现工业危险。工业设备告警图像检测模型可以是指预先训练的以工业设备告警图像为输入,以工业设备告警图像检测结果为输出的神经网络模型。例如,工业设备告警图像检测模型可以是预先训练的卷积神经网络模型。
第二步,将上述工业设备告警图像输入至预设的告警位置图像识别模型中,得到告警位置识别结果。告警位置识别结果可以表示工业设备告警图像对应的告警位置。告警位置图像识别模型可以是指预先训练的以工业设备告警图像为输入,以告警位置识别结果为输出的神经网络模型。例如,告警位置图像识别模型可以是预先训练的卷积神经网络模型。
第三步,将上述工业设备告警图像检测结果与上述告警位置识别结果组合为工业设备告警图像检测结果。这里,组合可以是指拼接。
可选地,上述工业设备告警图像检测模型是通过以下步骤训练得到的:
第一步,获取工业设备告警图像样本组。其中,上述工业设备告警图像样本组中工业设备告警图像样本包括工业设备告警图像与对应上述工业设备告警图像的图像样本标签。工业设备告警图像样本组中的工业设备告警图像可以是但不限于工业设备着火图像、工业设备破损图像、工业设备现场存在火灾图像、工业设备虚假着火图像、工业设备虚假破损图像、工业设备现场虚假火灾图像。这里,工业设备虚假着火图像可以是表示工业设备因灯光等原因所造成的虚假着火的图像。工业设备虚假破损图像可以是指因工业设备表面存在涂料或者其它影响因素造成的虚假破损的图像。工业设备现场虚假火灾图像可以是指工业设备现场因灯光等原因所造成的虚假着火的图像。图像样本标签可以是工业设备着火、工业设备破损、工业设备现场存在火灾、工业设备虚假着火、工业设备虚假破损、工业设备现场虚假火灾等标签。
第二步,从上述工业设备告警图像样本组中选择出工业设备告警图像样本。即,可以随机从上述工业设备告警图像样本组中选择出工业设备告警图像样本。
第三步,获取初始工业设备告警图像检测模型。其中,上述初始工业设备告警图像检测模型包括:第一初始告警图像检测模型与第二初始告警图像检测模型,上述第一初始告警图像检测模型包括:第一告警图像特征提取模型和第一告警图像识别模型,上述第二初始告警图像检测模型包括第二告警图像特征提取模型和第二告警图像识别模型。第一初始告警图像检测模型与第二初始告警图像检测模型均为未经训练的神经网络模型。第一告警图像特征提取模型可以是循环图像生成网络(Cycle Generative AdversarialNetwork,CGAN)模型。第二告警图像特征提取模型也可以是循环图像生成网络CGAN模型。第一告警图像识别模型可以是以第一工业设备特征图像为输入,以第一告警图像识别结果为输出的卷积神经网络模型。第二告警图像识别模型可以是以第二工业设备特征图像为输入,以第二告警图像识别结果为输出的循环神经网络模型。
第四步,将上述工业设备告警图像样本包括的工业设备告警图像输入至上述第一告警图像特征提取模型中,得到第一工业设备告警图像特征信息。其中,上述第一工业设备告警图像特征信息包括第一工业设备特征图像。即,第一工业设备特征图像为第一告警图像特征提取模型提取的对应上述工业设备告警图像的特征图像。
第五步,将上述第一工业设备特征图像输入至上述第一告警图像识别模型中,得到第一告警图像识别结果。第一告警图像识别结果可以表示第一工业设备特征图像是否为真实的告警图像。即,第一告警图像识别结果可以表示第一工业设备特征图像对应的工业设备或工业设备对应的现场出现了工业危险,则为真实的告警图像;第一工业设备特征图像对应的工业设备或工业设备对应的现场未出现工业危险,则为虚假的告警图像。例如,第一告警图像识别结果可以是一个值,第一告警图像识别结果大于0.6,则表示第一工业设备特征图像为真实的告警图像。第一告警图像识别结果小于0.6,则表示第一工业设备特征图像为虚假的告警图像。
第六步,将上述工业设备告警图像输入至上述第二告警图像特征提取模型中,得到第二工业设备告警图像特征信息。其中,上述第二工业设备告警图像特征信息包括第二工业设备特征图像。即,第二工业设备特征图像为第二告警图像特征提取模型提取的对应上述工业设备告警图像的特征图像。
第七步,将上述第二工业设备特征图像输入至上述第二告警图像识别模型中,得到第二告警图像识别结果。第二告警图像识别结果可以表示第二工业设备特征图像是否为真实的告警图像。即,第二告警图像识别结果可以表示第二工业设备特征图像对应的工业设备或工业设备对应的现场出现了工业危险,则为真实的告警图像;第二工业设备特征图像对应的工业设备或工业设备对应的现场未出现工业危险,则为虚假的告警图像。例如,第二告警图像识别结果可以是一个值,第二告警图像识别结果大于0.6,则表示第二工业设备特征图像为真实的告警图像。第二告警图像识别结果小于0.6,则表示第二工业设备特征图像为虚假的告警图像。
第八步,基于上述工业设备告警图像样本包括的图像样本标签、上述第一告警图像识别结果与上述第二告警图像识别结果,生成图像识别损失值。
实践中,上述第八步可以包括以下子步骤:
第一子步骤,基于第一预设损失函数,确定上述图像样本标签与上述第一告警图像识别结果之间的第一损失值。这里,第一预设损失函数可以是但不限于均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第二子步骤,基于第二预设损失函数,确定上述图像样本标签与上述第二告警图像识别结果之间的第二损失值。第二预设损失函数可以是但不限于均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第三子步骤,基于第三预设损失函数,确定上述第一告警图像识别结果与上述第二告警图像识别结果之间的第三损失值。第三预设损失函数可以是但不限于均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第四子步骤,对上述第一损失值、上述第二损失值与上述第三损失值进行加权平均处理,得到图像识别损失值。这里,加权平均处理可以是指将上述第一损失值、上述第二损失值与上述第三损失值的总和除以三。
第九步,响应于确定上述图像识别损失值大于等于预设图像识别损失值,调整上述初始工业设备告警图像检测模型的网络参数。这里,对于预设图像识别损失值的设定,不做限定。例如,可以确定图像识别损失值与预设图像识别损失值之间的误差值。接着,可以利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。
第十步,响应于确定上述图像识别损失值小于上述预设图像识别损失值,将上述初始工业设备告警图像检测模型确定为训练后的工业设备告警图像检测模型。
上述第一步-第十步中的相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“导致检测时间较长,且容易遗漏高威胁的告警图像”。导致检测时间较长,且容易遗漏高威胁的告警图像的因素往往如下:当告警信息为告警图像时,人工审核,通常无法快速检测出高威胁的告警图像。如果解决了上述因素,就能达到缩短检测时间,以及减少高威胁的告警图像的遗漏。为了达到这一效果,首先,获取工业设备告警图像样本组。由此,为训练工业设备告警图像检测模型,提供了数据支持。其次,从上述工业设备告警图像样本组中选择出工业设备告警图像样本。再其次,获取初始工业设备告警图像检测模型。其中,上述初始工业设备告警图像检测模型包括:第一初始告警图像检测模型与第二初始告警图像检测模型,上述第一初始告警图像检测模型包括:第一告警图像特征提取模型和第一告警图像识别模型,上述第二初始告警图像检测模型包括第二告警图像特征提取模型和第二告警图像识别模型。由此,可以保证训练出的工业设备告警图像检测模型对工业设备告警图像识别的准确性。接着,将上述工业设备告警图像样本包括的工业设备告警图像输入至上述第一告警图像特征提取模型中,得到第一工业设备告警图像特征信息。再接着,将上述第一工业设备特征图像输入至上述第一告警图像识别模型中,得到第一告警图像识别结果。然后,将上述工业设备告警图像输入至上述第二告警图像特征提取模型中,得到第二工业设备告警图像特征信息;将上述第二工业设备特征图像输入至上述第二告警图像识别模型中,得到第二告警图像识别结果。再然后,基于上述工业设备告警图像样本包括的图像样本标签、上述第一告警图像识别结果与上述第二告警图像识别结果,生成图像识别损失值。由此,可以利用两个不同子模型同时识别工业设备告警图像,在比对两个子模型的告警图像识别结果之间的差异。从而,有利于提升训练出的工业设备告警图像检测模型对于图像识别的准确性。最后,响应于确定上述图像识别损失值大于等于预设图像识别损失值,调整上述初始工业设备告警图像检测模型的网络参数;响应于确定上述图像识别损失值小于上述预设图像识别损失值,将上述初始工业设备告警图像检测模型确定为训练后的工业设备告警图像检测模型。由此,可以利用训练完成的工业设备告警图像检测模型对告警图像进行识别检测,缩短了检测时间。又因为工业设备告警图像检测模型为通过两个不同子模型(第一初始告警图像检测模型与第二初始告警图像检测模型)训练得到的,因而提升了对告警图像识别的准确性,减少了高威胁告警图像的遗漏。
可选地,上述告警位置图像识别模型是通过以下步骤得到的:
第一步,获取工业设备告警图像样本组。其中,上述工业设备告警图像样本组中工业设备告警图像样本包括工业设备告警图像与对应上述工业设备告警图像的设备位置样本标签,上述设备位置样本标签表征设备告警位置。这里,设备位置样本标签可以表示工业设备告警图像中的工业设备告警所在的位置。例如,设备位置样本标签可以
第二步,从上述工业设备告警图像样本组中选择出工业设备告警图像样本。即,可以随机从上述工业设备告警图像样本组中选择出工业设备告警图像样本。
第三步,将上述工业设备告警图像样本包括的工业设备告警图像输入至初始告警位置图像识别模型中,以得到上述初始告警位置图像识别模型中各个子网络输出的各个设备告警位置预测结果。初始告警位置图像识别模型可以是训练未完成的告警位置图像识别模型。初始告警位置图像识别模型可以识别工业设备告警图像中告警的位置。例如,初始告警位置图像识别模型可以是YOLO(You Only Look Once)模型。初始告警位置图像识别模型可以是多层的神经网络模型。各个子网络输出的各个设备告警位置预测结果可以是每层网络的输出结果。例如,初始告警位置图像识别模型可以包括:特征提取网络,特征处理网络,输出网络。特征提取网络可以是提取图像特征信息的模型。上述特征处理网络可以是对特征提取网络的输出特征图进行特征图处理的模型。输出网络可以是根据处理后特征图,来生成设备告警位置预测结果的模型。
第四步,确定上述各个设备告警位置预测结果中的每个设备告警位置预测结果与上述工业设备告警图像样本包括的设备位置样本标签之间的位置重合度,得到位置重合度组。其中,设备告警位置预测结果可以是由多个位置坐标构成的。同样地,设备位置样本标签包括的设备位置是由多个位置坐标构成的。多个位置坐标可以组成一个位置区域。上述位置重合度可以是设备告警位置预测结果对应的位置区域与设备位置样本标签对应的位置区域的重合比例。实践中,上述执行主体可以确定设备告警位置预测结果对应的位置区域与设备位置样本标签对应的位置区域之间的面积重合度。上述面积重合度可以是0-1之间的数值。例如,上述面积重合度可以是0.8。
第五步,将上述位置重合度组中大于预设重合度的位置重合度对应的设备告警位置预测结果确定为正设备告警位置预测结果,得到正设备告警位置预测结果组。这里,对于预设重合度的设定,不作限定。例如,预设重合度可以是0.8。
第六步,将上述位置重合度组中小于等于上述预设重合度的位置重合度对应的设备告警位置预测结果确定为负设备告警位置预测结果,得到负设备告警位置预测结果组。
第七步,响应于确定上述正设备告警位置预测结果组包括的正设备告警位置预测结果的数量小于上述负设备告警位置预测结果组包括的负设备告警位置预测结果的数量,随机删除上述负设备告警位置预测结果组中的负设备告警位置预测结果,以对负设备告警位置预测结果组进行更新,得到更新负设备告警位置预测结果组。首先,将上述正设备告警位置预测结果组包括的正设备告警位置预测结果的数量确定为正预测结果数量。接着,将上述负设备告警位置预测结果组包括的负设备告警位置预测结果的数量确定为负预测结果数量。然后,将上述负预测结果数量与上述正预测结果数量的差值确定为目标数值。最后,随机删除目标数值个上述负设备告警位置预测结果组中的负设备告警位置预测结果,以对负设备告警位置预测结果组进行更新,得到更新负设备告警位置预测结果组。
第八步,根据上述正设备告警位置预测结果组与上述更新负设备告警位置预测结果组,生成设备位置损失值。
实践中,上述第八步,可以包括以下子步骤:
第一子步骤,将上述正设备告警位置预测结果组与上述更新负设备告警位置预测结果组进行合并,得到合并设备告警位置预测结果组。
第二子步骤,基于预设的损失函数,确定上述合并设备告警位置预测结果组中每个合并设备告警位置预测结果与上述工业设备告警图像样本包括的设备位置样本标签之间的位置损失值,得到位置损失值组。预设的损失函数可以是但不限于均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第三子步骤,将上述位置损失值组包括的各个位置损失值的平均值确定为设备位置损失值。
第九步,根据上述设备位置损失值,对上述初始告警位置图像识别模型进行训练,得到训练后的告警位置图像识别模型。实践中,响应于确定上述设备位置损失值大于等于预设位置损失值,调整上述初始告警位置图像识别模型的网络参数。例如,可以确定设备位置损失值与预设位置损失值之间的误差值。接着,可以利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。再例如,响应于确定上述设备位置损失值小于预设位置损失值,将上述初始告警位置图像识别模型确定为训练后的告警位置图像识别模型。
上述第一步-第九步中的相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题三“导致无法及时通知技术人员快速去现场进行维修检测”。导致无法及时通知技术人员快速去现场进行维修检测的因素往往如下:当告警信息为告警图像时,人工审核,通常无法确定告警图像对应的告警位置。如果解决了上述因素,就能达到及时通知技术人员快速去现场进行维修检测的效果。为了达到这一效果,首先,获取工业设备告警图像样本组。其中,上述工业设备告警图像样本组中工业设备告警图像样本包括工业设备告警图像与对应上述工业设备告警图像的设备位置样本标签,上述设备位置样本标签表征设备告警位置。由此,为训练告警位置图像识别模型,提供了数据支持。其次,从上述工业设备告警图像样本组中选择出工业设备告警图像样本。再其次,将上述工业设备告警图像样本包括的工业设备告警图像输入至初始告警位置图像识别模型中,以得到上述初始告警位置图像识别模型中各个子网络输出的各个设备告警位置预测结果。接着,确定上述各个设备告警位置预测结果中的每个设备告警位置预测结果与上述工业设备告警图像样本包括的设备位置样本标签之间的位置重合度,得到位置重合度组。由此,可以确定每层网络输出的设备告警位置预测结果与实际设备位置的重合度。从而,便于判断模型中需要调整的网络层。再接着,将上述位置重合度组中大于预设重合度的位置重合度对应的设备告警位置预测结果确定为正设备告警位置预测结果,得到正设备告警位置预测结果组。将上述位置重合度组中小于等于上述预设重合度的位置重合度对应的设备告警位置预测结果确定为负设备告警位置预测结果,得到负设备告警位置预测结果组。由此,确定模型中需要调整的网络。然后,响应于确定上述正设备告警位置预测结果组包括的正设备告警位置预测结果的数量小于上述负设备告警位置预测结果组包括的负设备告警位置预测结果的数量,随机删除上述负设备告警位置预测结果组中的负设备告警位置预测结果,以对负设备告警位置预测结果组进行更新,得到更新负设备告警位置预测结果组。再然后,根据上述正设备告警位置预测结果组与上述更新负设备告警位置预测结果组,生成设备位置损失值。最后,根据上述设备位置损失值,对上述初始告警位置图像识别模型进行训练,得到训练后的告警位置图像识别模型。由此,可以利用训练出的告警位置图像识别模型快速确定告警图像对应的告警位置。从而,可以及时通知技术人员快速去现场进行维修检测。
可选地,响应于确定所生成的各个工业设备告警图像检测结果中存在表征异常告警的工业设备告警图像检测结果,将上述各个工业设备告警图像检测结果中表征异常告警的工业设备告警图像检测结果确定为目标工业设备告警图像检测结果,得到目标工业设备告警图像检测结果组。工业设备告警图像检测结果可以表示工业设备异常告警或工业设备无异常。这里,表示工业设备异常告警的工业设备告警图像检测结果可以表示工业设备或工业设备对应的现场出现了工业危险。例如,表示工业设备异常告警的工业设备告警图像检测结果可以是工业设备着火、工业设备破损、工业设备现场存在火灾等。工业设备告警图像检测结果还可以包括工业设备告警图像对应的告警位置。
在一些实施例中,上述执行主体可以响应于确定所生成的各个工业设备告警图像检测结果中存在表征异常告警的工业设备告警图像检测结果,将上述各个工业设备告警图像检测结果中表征异常告警的工业设备告警图像检测结果确定为目标工业设备告警图像检测结果,得到目标工业设备告警图像检测结果组。
可选地,将上述目标工业设备告警图像检测结果组发送至相关联的区域告警终端,以及控制相关联的区域告警语音提示设备进行语音播报。
在一些实施例中,上述执行主体可以将上述目标工业设备告警图像检测结果组发送至相关联的区域告警终端,以及控制相关联的区域告警语音提示设备进行语音播报。这里,区域告警终端可以是指与上述执行主体通信连接的告警终端。区域告警终端可以调度相关维修技术人员前往目标工业设备告警图像检测结果组对应的各个告警位置。例如,区域告警终端可以是个调度服务器。区域告警语音提示设备可以是指与上述执行主体通信连接的扬声器。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种工业告警信息解析装置的一些实施例,这些工业告警信息解析装置实施例与图1所示的那些方法实施例相对应,该工业告警信息解析装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的工业告警信息解析装置200包括:聚类单元201和发送单元202。其中,聚类单元201,被配置成响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,上述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;发送单元202,被配置成对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
可以理解的是,该工业告警信息解析装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于工业告警信息解析装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,服务器)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,上述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;对于上述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:响应于确定上述工业告警信息组对应的告警类型为网络告警类型,确定上述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定上述工业告警信息组中存在对应上述网络警报信息集的工业告警信息,将上述工业告警信息组中对应上述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将上述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括聚类单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,聚类单元还可以被描述为“响应于接收到各个工业检测设备发送的各个工业告警信息,对上述各个工业告警信息进行聚类处理,得到工业告警信息组集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种工业告警信息解析方法,包括:
响应于接收到各个工业检测设备发送的各个工业告警信息,对所述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,所述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;
对于所述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:
响应于确定所述工业告警信息组对应的告警类型为网络告警类型,确定所述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;
响应于确定所述工业告警信息组中存在对应所述网络警报信息集的工业告警信息,将所述工业告警信息组中对应所述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;
将所述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
2.根据权利要求1所述的方法,其中,所述处理步骤还包括:
响应于确定所述工业告警信息组对应的告警类型为设备告警类型,确定所述工业告警信息组中是否存在对应预设的设备警报信息集的工业告警信息;
响应于确定所述工业告警信息组中存在对应所述设备警报信息集的工业告警信息,将所述工业告警信息组中对应所述设备警报信息集的工业告警信息确定为工业设备告警信息,得到工业设备告警信息组;
将所述工业设备告警信息组发送至相关联的设备告警检测终端,以及控制相关联的设备检测语音提示设备进行语音播报。
3.根据权利要求1所述的方法,其中,所述处理步骤还包括:
响应于确定所述工业告警信息组对应的告警类型为图像告警类型,对于所述工业告警信息组中的每个工业告警信息,对所述工业告警信息包括的工业设备告警图像进行检测,以生成工业设备告警图像检测结果;
响应于确定所生成的各个工业设备告警图像检测结果中存在表征异常告警的工业设备告警图像检测结果,将所述各个工业设备告警图像检测结果中表征异常告警的工业设备告警图像检测结果确定为目标工业设备告警图像检测结果,得到目标工业设备告警图像检测结果组;
将所述目标工业设备告警图像检测结果组发送至相关联的区域告警终端,以及控制相关联的区域告警语音提示设备进行语音播报。
4.根据权利要求3所述的方法,其中,所述对所述工业告警信息包括的工业设备告警图像进行检测,以生成工业设备告警图像检测结果,包括:
将所述工业设备告警图像输入至预设的工业设备告警图像检测模型中,得到工业设备告警图像检测结果;
将所述工业设备告警图像输入至预设的告警位置图像识别模型中,得到告警位置识别结果;
将所述工业设备告警图像检测结果与所述告警位置识别结果组合为工业设备告警图像检测结果。
5.一种工业告警信息解析装置,包括:
聚类单元,被配置成响应于接收到各个工业检测设备发送的各个工业告警信息,对所述各个工业告警信息进行聚类处理,得到工业告警信息组集,其中,所述各个工业告警信息中的工业告警信息包括:告警类型与告警信息;
发送单元,被配置成对于所述工业告警信息组集中的每个工业告警信息组,执行如下处理步骤:响应于确定所述工业告警信息组对应的告警类型为网络告警类型,确定所述工业告警信息组中是否存在对应预设的网络警报信息集的工业告警信息;响应于确定所述工业告警信息组中存在对应所述网络警报信息集的工业告警信息,将所述工业告警信息组中对应所述网络警报信息集的工业告警信息确定为工业网络告警信息,得到工业网络告警信息组;将所述工业网络告警信息组发送至相关联的网络告警处理终端,以及控制相关联的网络告警提示设备进行语音警报处理。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023615.5A CN115766401B (zh) | 2023-01-09 | 2023-01-09 | 工业告警信息解析方法、装置、电子设备与计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310023615.5A CN115766401B (zh) | 2023-01-09 | 2023-01-09 | 工业告警信息解析方法、装置、电子设备与计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115766401A true CN115766401A (zh) | 2023-03-07 |
CN115766401B CN115766401B (zh) | 2023-04-21 |
Family
ID=85348338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310023615.5A Active CN115766401B (zh) | 2023-01-09 | 2023-01-09 | 工业告警信息解析方法、装置、电子设备与计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115766401B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116155694A (zh) * | 2023-04-04 | 2023-05-23 | 深圳中正信息科技有限公司 | 物联设备的管理方法、设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340422A (zh) * | 2011-10-28 | 2012-02-01 | 青岛海信传媒网络技术有限公司 | 告警的处理方法和系统 |
WO2021223665A1 (zh) * | 2020-05-08 | 2021-11-11 | 华为技术有限公司 | 一种减少无效告警的方法及装置 |
CN114036022A (zh) * | 2021-11-08 | 2022-02-11 | 天翼数字生活科技有限公司 | 一种监控告警处理方法、装置、设备和介质 |
CN114116414A (zh) * | 2021-11-19 | 2022-03-01 | 中国工商银行股份有限公司 | 告警方法、装置、非易失性存储介质以及电子设备 |
CN114124654A (zh) * | 2020-08-10 | 2022-03-01 | 中国移动通信集团浙江有限公司 | 告警合并方法、装置、计算设备及计算机存储介质 |
CN114297453A (zh) * | 2021-12-30 | 2022-04-08 | 中国电信股份有限公司 | 告警预测方法、装置、电子设备及存储介质 |
CN115086148A (zh) * | 2022-07-15 | 2022-09-20 | 中国电信股份有限公司 | 光网络告警处理方法、系统、设备及存储介质 |
-
2023
- 2023-01-09 CN CN202310023615.5A patent/CN115766401B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340422A (zh) * | 2011-10-28 | 2012-02-01 | 青岛海信传媒网络技术有限公司 | 告警的处理方法和系统 |
WO2021223665A1 (zh) * | 2020-05-08 | 2021-11-11 | 华为技术有限公司 | 一种减少无效告警的方法及装置 |
CN114124654A (zh) * | 2020-08-10 | 2022-03-01 | 中国移动通信集团浙江有限公司 | 告警合并方法、装置、计算设备及计算机存储介质 |
CN114036022A (zh) * | 2021-11-08 | 2022-02-11 | 天翼数字生活科技有限公司 | 一种监控告警处理方法、装置、设备和介质 |
CN114116414A (zh) * | 2021-11-19 | 2022-03-01 | 中国工商银行股份有限公司 | 告警方法、装置、非易失性存储介质以及电子设备 |
CN114297453A (zh) * | 2021-12-30 | 2022-04-08 | 中国电信股份有限公司 | 告警预测方法、装置、电子设备及存储介质 |
CN115086148A (zh) * | 2022-07-15 | 2022-09-20 | 中国电信股份有限公司 | 光网络告警处理方法、系统、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116155694A (zh) * | 2023-04-04 | 2023-05-23 | 深圳中正信息科技有限公司 | 物联设备的管理方法、设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115766401B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830837B (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN111680535B (zh) | 在视频监控中实时预测一个或多个潜在威胁的方法和系统 | |
CN113865587A (zh) | 用于监控现场设备的方法、电子设备和计算机程序产品 | |
CN115357470B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN115766401B (zh) | 工业告警信息解析方法、装置、电子设备与计算机介质 | |
CN113449773A (zh) | 模型更新方法、装置、存储介质及电子设备 | |
WO2023056316A1 (en) | System and method for autonomous robots for perimeter protection | |
CN116707965A (zh) | 一种威胁检测方法、装置、存储介质以及电子设备 | |
CN115082813A (zh) | 检测方法、无人机、检测系统及介质 | |
CN112232326A (zh) | 行驶信息生成方法、装置、电子设备和计算机可读介质 | |
CN114446002B (zh) | 火灾在线监测方法、装置、介质及系统 | |
CN114333214A (zh) | 用于储油罐的火灾预警方法、装置、电子设备及介质 | |
CN113726779A (zh) | 规则误报测试方法、装置、电子设备及计算机存储介质 | |
CN116137073B (zh) | 电力物资、设备材料远程智能抽检方法、电子设备和介质 | |
CN115941357B (zh) | 基于工业安全的流量日志检测方法、装置与电子设备 | |
CN117824974B (zh) | 交换机跌落测试方法、装置、电子设备与计算机可读介质 | |
CN111882815A (zh) | 一种智能的安防消防一体化方法及系统 | |
CN115546677B (zh) | 基建现场信息处理方法、装置、设备和计算机可读介质 | |
CN110991312A (zh) | 生成检测信息的方法、装置、电子设备和介质 | |
CN116189396B (zh) | 电器安全保护方法、装置、电子设备和计算机可读介质 | |
CN117041331B (zh) | 一种消防报警系统及其方法 | |
CN116824348B (zh) | 隐患信息生成方法、装置、电子设备和计算机可读介质 | |
CN117690063B (zh) | 电缆线路检测方法、装置、电子设备与计算机可读介质 | |
US20230408476A1 (en) | Apparatuses, computer-implemented methods, and computer program products for accurate explosion predicting and warning | |
CN115376261B (zh) | 消防提示信息生成方法、装置、设备和计算机可读介质 |
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 |