CN116092014A - 一种基于物联网设备的智能巡检控制方法及系统 - Google Patents
一种基于物联网设备的智能巡检控制方法及系统 Download PDFInfo
- Publication number
- CN116092014A CN116092014A CN202310279155.2A CN202310279155A CN116092014A CN 116092014 A CN116092014 A CN 116092014A CN 202310279155 A CN202310279155 A CN 202310279155A CN 116092014 A CN116092014 A CN 116092014A
- Authority
- CN
- China
- Prior art keywords
- result
- inspection
- image acquisition
- main body
- matching
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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]
Abstract
本发明公开了一种基于物联网设备的智能巡检控制方法及系统,涉及数据处理技术领域,该方法包括:通过图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;构建巡检环境特征数据库;识别初始环境识别,生成初始环境特征;识别采集位置,结合初始环境特征匹配巡检环境特征数据库;根据初始匹配结果进行主体异常识别,当不能执行主体异常识别时,生成反馈控制数据,控制所述辅助控制单元进行采集补偿,生成新增巡检图像采集结果;结合巡检环境特征数据库进行巡检预警。本发明解决了现有技术存在巡检过程对于异常情况识别精度低,巡检控制质量差的技术问题,达到了提高巡检识别准确度,保证巡检质量的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于物联网设备的智能巡检控制方法及系统。
背景技术
随着信息化技术的飞速发展,新技术不断涌现,通过利用物联网设备对工厂、园区、输电线路等区域进行巡查,发现安全漏洞,从而保证区域正常工作。
目前,通过利用物联感知技术,通过物联网设备进行信息采集,发现区域内的安全隐患,形成巡检结果,将巡检结果发送至工作人员,对巡检结果中发现的问题进行跟踪处理。然而,随着生产要求的提高,每个区域内的巡查点位以及巡查对象数量众多,在进行巡查的过程中,容易漏检,导致引发安全事故。现有技术存在巡检过程对于异常情况识别精度低,巡检控制质量差的技术问题。
发明内容
本申请提供了一种基于物联网设备的智能巡检控制方法及系统,用于针对解决现有技术存在巡检过程对于异常情况识别精度低,巡检控制质量差的技术问题。
鉴于上述问题,本申请提供了一种基于物联网设备的智能巡检控制方法及系统。
本申请的第一个方面,提供了一种基于物联网设备的智能巡检控制方法,其中,所述方法应用于智能巡检控制系统,所述智能巡检控制系统与图像采集单元、辅助控制单元通信连接,所述方法包括:
通过所述图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
通过所述反馈控制数据控制所述辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
本申请的第二个方面,提供了一种基于物联网设备的智能巡检控制系统,所述系统包括:
图像采集结果获得模块,所述图像采集结果获得模块用于通过图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
特征数据库控制模块,所述特征数据库控制模块用于构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
初始环境特征生成模块,所述初始环境特征生成模块用于对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
初始匹配结果生成模块,所述初始匹配结果生成模块用于对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
控制数据生成模块,所述控制数据生成模块用于通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
新增图像采集模块,所述新增图像采集模块用于通过所述反馈控制数据控制辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
巡检预警模块,所述巡检预警模块用于通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
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:
本申请通过图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果,然后构建巡检环境特征数据库,其中,巡检环境特征数据库带有位置标识,进而对实时巡检图像采集结果进行初始环境识别,生成初始环境特征,通过对实时巡检图像采集结果进行采集位置识别,基于位置识别结果和初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果,然后通过初始匹配结果对实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于初始匹配结果生成反馈控制数据,进而通过反馈控制数据控制辅助控制单元进行采集补偿,并通过图像采集单元重新进行图像采集,生成新增巡检图像采集结果,然后通过巡检环境特征数据库和新增巡检图像采集结果进行巡检预警。达到了提高巡检预警的准确性,提高执行主体的识别精度的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于物联网设备的智能巡检控制方法流程示意图;
图2为本申请实施例提供的一种基于物联网设备的智能巡检控制方法中基于调用特征库匹配结果和双识别匹配层完成匹配识别的流程示意图;
图3为本申请实施例提供的一种基于物联网设备的智能巡检控制方法中主体异常辅助认证的流程示意图;
图4为本申请实施例提供的一种基于物联网设备的智能巡检控制系统结构示意图。
附图标记说明:图像采集结果获得模块11,特征数据库控制模块12,初始环境特征生成模块13,初始匹配结果生成模块14,控制数据生成模块15,新增图像采集模块16,巡检预警模块17。
具体实施方式
本申请通过提供了一种基于物联网设备的智能巡检控制方法,用于针对解决现有技术存在巡检过程对于异常情况识别精度低,巡检控制质量差的技术问题。
下面将结合本申请实施例中的附图,对本申请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作出创造性劳动的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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种基于物联网设备的智能巡检控制方法,其中,所述方法应用于智能巡检控制系统,所述智能巡检控制系统与图像采集单元、辅助控制单元通信连接,所述方法包括:
步骤S100:通过所述图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
进一步的,本申请实施例步骤S100还包括:
步骤S110:对所述实时巡检图像采集结果进行图像采集评价,生成图像采集评价结果;
步骤S120:设定设备优化维护周期;
步骤S130:当满足所述设备优化维护周期或图像采集评价结果不能满足预定需求时,则进行所述图像采集单元设备优化。
具体而言,所述图像采集单元是对巡检过程进行实时图像采集的功能单元,包括图像采集设备、图像传输子单元等。其中,所述图像采集设备是用于执行图像采集的装置,包括摄像机、红外扫描仪等。所述图像传输子单元是用于将图像采集设备采集到的图像数据传输至系统中的子单元。通过进行实时巡检图像采集,得到所述实时巡检图像采集结果。其中,所述实时巡检图像采集结果用于为物联网设备在巡检过程中获得的巡检结果提供支撑材料以及分析依据。由此,实现了为分析巡检过程提供分析材料的技术效果。
具体的,所述图像采集评价是对所述实时巡检图像采集结果的质量进行评价。优选的,从图片清晰度、图像完整度等多个维度指标,对所述实时巡检图像采集结果进行评价,根据获得的多个评价结果,按照预设权重占比进行加权计算,得到图像采集评价结果。所述预设权重占比由工作人员自行设定,在此不做限制。所述设备优化维护周期是相邻两次对巡检设备进行养护的间隔时间段。当满足所述设备优化维护周期时,表明此时需要对设备进行定期维护。
具体的,当满足所述设备优化维护周期,图像采集评价结果能满足预定需求时,需要对图像采集单元设备进行优化;当不满足所述设备优化维护周期,图像采集评价结果不能满足预定需求时,由于采集到的质量不能满足要求,此时也需要对图像采集单元设备进行优化;当满足所述设备优化维护周期,图像采集评价结果不能满足预定需求时,需要对图像采集单元设备进行优化。由此,达到了从分析源头把控巡检图像质量,避免由于图像质量问题导致巡检控制精度低下的技术效果。
步骤S200:构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
具体而言,所述巡检环境特征数据库不仅仅是对与巡检环境特征相关的数据进行存储的数据库,同时包含智能调用该数据库的处理模型,且,所述巡检环境特征数据库具有位置标识。通过对数据进行位置标识,可以对巡检区域的不同巡检位置数据进行归类,从而提高数据待调取的效率。
步骤S300:对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
具体而言,基于所述实时巡检图像采集结果进行巡检的初始环境识别,得到所述初始环境特征。其中,所述初始环境特征是对巡检过程中的环境进行描述的特征,包括巡检对象运行数据、巡检对象温度数据、巡检对象湿度特征、巡检对象轮廓等。通过生成所述初始环境特征对巡检获得的实时数据进行特征采集,为后续分析巡检对象以及巡检事件提供依据。
步骤S400:对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
具体而言,通过根据所述实时巡检图像采集结果中的定位信息,识别采集位置,得到所述位置识别结果。其中,所述位置识别结果反映了当前巡检的区域位置,为后续确定识别主体做铺垫。通过所述位置识别结果与所述巡检环境特征数据库中的位置标识进行匹配,缩小巡检对象在数据库中对应数据的范围,获得一次匹配结果,进而,以所述初始环境特征为匹配依据,在一次匹配结果中进行二次匹配,得到一次匹配结果中的巡检环境特征数据与初始环境特征成功匹配的结果,设定为所述初始匹配结果。
步骤S500:通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
进一步的,如图2所示,本申请实施例步骤S500还包括:
步骤S510:搭建双识别匹配层,其中,第一识别匹配层为主体识别匹配层,第二识别匹配层为环境控制优化层;
步骤S520:将所述双识别匹配层与所述巡检环境特征数据库关联;
步骤S530:当通过所述巡检环境特征数据库执行数据匹配时,则根据所述位置识别结果和所述初始环境特征进行所述巡检环境特征数据库的调用特征库匹配;
步骤S540:基于调用特征库匹配结果和所述双识别匹配层完成匹配识别。
进一步的,本申请实施例步骤S500还包括:
步骤S550:通过所述特征库匹配结果和所述主体识别匹配层进行所述实时巡检图像采集结果的主体特征识别,获得主体特征识别结果;
步骤S560:对所述主体特征识别结果进行主体清晰度判定;
步骤S570:当所述主体清晰度可以满足预设清晰度阈值时,则通过所述主体识别匹配层输出主体异常识别结果;
步骤S580:通过所述主体异常识别结果进行巡检预警。
进一步的,本申请实施例步骤S580还包括:
步骤S581:当所述主体清晰度不能满足所述预设清晰度阈值时,则通过所述环境控制优化层和所述特征库匹配结果进行所述实时巡检图像采集结果的环境特征识别,获得环境特征匹配结果;
步骤S582:基于所述主体清晰度和所述环境特征匹配结果生成所述反馈控制数据。
具体而言,所述双识别匹配层是由两层识别匹配层构成,分别是主体识别匹配层和环境控制优化层。其中,所述主体识别匹配层是对特征对应的主体进行识别的网络层,用于确定主体特征。所述环境控制优化层是对巡检过程中的环境,如光线、信号等特征进行反馈优化,从而提高主体清晰度的网络层。
具体的,所述双识别匹配层是以BP神经网络模型为基础框架,包括输入层、环境控制优化层、主体识别匹配层、输出层。其中,所述主体识别匹配层用于对采集到的实时巡检图像采集结果分析识别主体清晰度是否满足要求,若满足,则直接根据主体异常识别结果进行巡检预警;若不满足,则通过环境控制优化层进行环境特征数据反馈,对识别主体进行重新采集,直至识别主体准确度满足要求。获取样本处理数据,即样本实时巡检图像采集结果、样本主体异常识别结果和样本环境特征匹配结果。将样本处理数据作为训练数据对所述处理模型进行训练,直至双识别匹配层的输出准确度满足要求,达到收敛,从而得到训练完成的双识别匹配层。由此,达到了对巡检进行智能识别,并基于识别结果进行反馈控制,优化巡检过程,提高巡检智能化程度的技术效果。
具体的,通过将所述双识别匹配层与所述巡检环境特征数据库相关联,不仅可以判断识别主体是否清晰,而且可以根据清晰度判断结果对巡检过程中的巡检环境进行反馈优化,直接从采集阶段保证数据、图像的准确度,从而实现避免由于数据、图像模糊,导致巡检控制出现漏洞、错检、漏检的目标。
具体的,通过以所述初始匹配结果为依据对所述实时巡检图像采集结果进行识别主体的异常分析,进而借助双识别匹配层以及巡检环境特征数据库,以所述位置识别结果和所述初始环境特征在所述巡检环境特征数据库中进行数据匹配,以位置识别先锁定相关数据范围,在以所述初始环境特征在相关数据范围内进行数据特征匹配,根据匹配的结果得到调用特征库匹配。通过进行智能化的巡检反馈优化,以及巡检预警,达到了提高巡检智能化程度的技术效果。
具体的,通过根据所述特征库匹配结果和所述主体识别匹配层,对获得的所述实时巡检图像采集结果中的巡检主体进行特征识别。所述主体特征识别结果是对识别主体的外部轮廓、类型特征进行识别后得到的。通过判断根据主体特征识别结果是否可以清晰判断出主体,即根据主体特征识别结果反推主体,根据反推结果与主体之间的差异度进行主体清晰度判定。所述预设清晰度阈值是预先设置的主体清晰度满足的最低值。所述主体异常识别结果是对主体异常情况进行分析,判断主体是否存在异常,当主体存在异常,则根据所述主体异常识别结果进行巡检预警。
具体的,所述环境特征匹配结果是在主体清晰度不能满足所述预设清晰度阈值时,将实时巡检图像采集结果中的环境特征与特征库匹配结果中的环境特征进行匹配后得到环境特征差异度。进而,根据所述主体清晰度和所述环境特征匹配结果作为反馈优化的依据,得到所述反馈控制数据。其中,所述反馈控制数据是对巡检过程中的环境进行优化控制的数据,包括灯光亮度、网络流量设置、设备级别更新值等。优选的,通过根据主体清晰度的大小确定反馈控制数据的调整幅度,以所述环境特征匹配结果确定需要进行优化控制的对象,根据调整幅度确定对优化控制对象进行参数调整的数据大小。
步骤S600:通过所述反馈控制数据控制所述辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
进一步的,如图3所示,本申请实施例步骤S600还包括:
步骤S610:对所述新增巡检图像采集结果执行主体识别,当仍不能执行主体异常识别时,则根据所述位置识别结果关联采集单元;
步骤S620:通过所述采集单元对所述位置识别结果执行定点位置图像采集,获得关联图像采集结果;
步骤S630:通过所述关联图像采集结果进行主体异常的辅助认证。
具体而言,所述辅助控制单元是用于进行根据反馈控制数据执行采集补偿的功能单元,由巡检辅助设备构成,巡检辅助设备包括灯光补偿器、图像镜头、温湿度调节器等设备。执行采集补偿后,利用图像采集单元重新采集巡检的图像,得到所述新增巡检图像采集结果。其中,所述新增巡检图像采集结果是进行补偿优化后,进行巡检的画面图像。对所述新增巡检图像采集结果执行主体识别,若主体清晰度仍不能满足要求,则根据所述位置识别结果确定采集位置,与采集位置的采集单元进行关联。其中,所述采集单元是对主体设立的周围相关环境进行采集的图像采集单元,通过与所述采集单元关联,获取采集单元对所述位置识别结果执行定点位置图像的采集,得到所述关联图像采集结果。所述关联图像采集结果中反映了在定点位置的主体情况,以此对主体异常进行辅助认证,确定主体异常识别情况。
步骤S700:通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
进一步的,本申请实施例步骤S700还包括:
步骤S710:根据巡检预警等级识别结果匹配预警方案;
步骤S720:通过所述预警方案执行预警,并生成连续监督指令;
步骤S730:通过所述连续监督指令控制对主体进行连续监测,并基于连续监测结果构建预警数据库。
具体而言,通过根据所述巡检环境特征数据库以及新增巡检图像采集结果中的主体异常识别结果,进行巡检异常的预警。根据主体异常识别结果中的异常主体,以及巡检环境特征,确定预警方案。通过根据巡检环境特征数据库中应该有的环境特征,以及新增巡检图像采集结果中识别的主体异常对应的特征,确定之间的差异程度,根据差异程度确定巡检预警等级。其中,所述巡检预警等级包括一级、二级和三级。其中,一级对应的风险等级最高,与人身安全风险相关;二级与设备安全相关;三级对应的风险等级最低,与短暂的区域停止工作相关。通过确定的巡检预警等级对应的风险程度,确定对应的预警方案。其中,所述预警方案是对巡检区域内的异常情况进行警示的方案。所述连续监督指令是对异常主体进行连续监测的命令。通过根据连续检测获得的数据,即连续检测结果进行汇总,得到对异常主体进行预警后的预警数据库。通过构建所述预警数据库为处理巡检异常提供依据。
综上所述,本申请实施例至少具有如下技术效果:
本申请对巡检区域内利用图像采集单元对巡检过程中进行实时图像采集,为分析巡检过程提供图像依据,然后通过利用带有位置标识的巡检环境特征数据库,建立异常识别的比对对象,且,通过利用所述位置标识为后续识别不清楚时,提供进一步精细化识别定位的依据,通过将实时巡检图像采集结果中反映的初始环境特征进行位置提取,并以此为依据与数据库中的数据进行匹配,根据匹配的结果进行主体的异常识别,当主体清晰度不够时,则不能执行异常识别,需要对巡检过程进行反馈优化,优化后重新进行图像采集,确定符合主体清晰度要求的新增巡检图像采集结果,从而进行巡检预警。达到了提高巡检预警的智能化程度和预警质量的技术效果。
实施例二
基于与前述实施例中一种基于物联网设备的智能巡检控制方法相同的发明构思,如图4所示,本申请提供了一种基于物联网设备的智能巡检控制系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
图像采集结果获得模块11,所述图像采集结果获得模块11用于通过图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
特征数据库控制模块12,所述特征数据库控制模块12用于构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
初始环境特征生成模块13,所述初始环境特征生成模块13用于对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
初始匹配结果生成模块14,所述初始匹配结果生成模块14用于对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
控制数据生成模块15,所述控制数据生成模块15用于通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
新增图像采集模块16,所述新增图像采集模块16用于通过所述反馈控制数据控制辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
巡检预警模块17,所述巡检预警模块17用于通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
进一步的,所述系统还包括:
识别匹配层搭建单元,所述识别匹配层搭建单元用于搭建双识别匹配层,其中,第一识别匹配层为主体识别匹配层,第二识别匹配层为环境控制优化层;
关联单元,所述关联单元用于将所述双识别匹配层与所述巡检环境特征数据库关联;
调用特征库匹配单元,所述调用特征库匹配单元用于当通过所述巡检环境特征数据库执行数据匹配时,则根据所述位置识别结果和所述初始环境特征进行所述巡检环境特征数据库的调用特征库匹配;
匹配识别单元,所述匹配识别单元用于基于调用特征库匹配结果和所述双识别匹配层完成匹配识别。
进一步的,所述系统还包括:
主体识别结果获得单元,所述主体识别结果获得单元用于通过所述特征库匹配结果和所述主体识别匹配层进行所述实时巡检图像采集结果的主体特征识别,获得主体特征识别结果;
清晰度判定单元,所述清晰度判定单元用于对所述主体特征识别结果进行主体清晰度判定;
主体异常输出单元,所述主体异常输出单元用于当所述主体清晰度可以满足预设清晰度阈值时,则通过所述主体识别匹配层输出主体异常识别结果;
预警单元,所述预警单元用于通过所述主体异常识别结果进行巡检预警。
进一步的,所述系统还包括:
环境特征识别单元,所述环境特征识别单元用于当所述主体清晰度不能满足所述预设清晰度阈值时,则通过所述环境控制优化层和所述特征库匹配结果进行所述实时巡检图像采集结果的环境特征识别,获得环境特征匹配结果;
反馈控制数据生成单元,所述反馈控制数据生成单元用于基于所述主体清晰度和所述环境特征匹配结果生成所述反馈控制数据。
进一步的,所述系统还包括:
预警方案匹配单元,所述预警方案匹配单元用于根据巡检预警等级识别结果匹配预警方案;
监督指令生成单元,所述监督指令生成单元用于通过所述预警方案执行预警,并生成连续监督指令;
预警数据库构建单元,所述预警数据库构建单元用于通过所述连续监督指令控制对主体进行连续监测,并基于连续监测结果构建预警数据库。
进一步的,所述系统还包括:
关联采集单元,所述关联采集单元用于对所述新增巡检图像采集结果执行主体识别,当仍不能执行主体异常识别时,则根据所述位置识别结果关联采集单元;
关联采集结果获得单元,所述关联采集结果获得单元用于通过所述采集单元对所述位置识别结果执行定点位置图像采集,获得关联图像采集结果;
辅助认证单元,所述辅助认证单元用于通过所述关联图像采集结果进行主体异常的辅助认证。
进一步的,所述系统还包括:
评价结果生成单元,所述评价结果生成单元用于对所述实时巡检图像采集结果进行图像采集评价,生成图像采集评价结果;
维护周期设定单元,所述维护周期设定单元用于设定设备优化维护周期;
设备优化单元,所述设备优化单元用于当满足所述设备优化维护周期或图像采集评价结果不能满足预定需求时,则进行所述图像采集单元设备优化。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于物联网设备的智能巡检控制方法,其特征在于,所述方法应用于智能巡检控制系统,所述智能巡检控制系统与图像采集单元、辅助控制单元通信连接,所述方法包括:
通过所述图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
通过所述反馈控制数据控制所述辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
搭建双识别匹配层,其中,第一识别匹配层为主体识别匹配层,第二识别匹配层为环境控制优化层;
将所述双识别匹配层与所述巡检环境特征数据库关联;
当通过所述巡检环境特征数据库执行数据匹配时,则根据所述位置识别结果和所述初始环境特征进行所述巡检环境特征数据库的调用特征库匹配;
基于调用特征库匹配结果和所述双识别匹配层完成匹配识别。
3.如权利要求2所述的方法,其特征在于,所述方法包括:
通过所述特征库匹配结果和所述主体识别匹配层进行所述实时巡检图像采集结果的主体特征识别,获得主体特征识别结果;
对所述主体特征识别结果进行主体清晰度判定;
当所述主体清晰度可以满足预设清晰度阈值时,则通过所述主体识别匹配层输出主体异常识别结果;
通过所述主体异常识别结果进行巡检预警。
4.如权利要求3所述的方法,其特征在于,所述方法包括:
当所述主体清晰度不能满足所述预设清晰度阈值时,则通过所述环境控制优化层和所述特征库匹配结果进行所述实时巡检图像采集结果的环境特征识别,获得环境特征匹配结果;
基于所述主体清晰度和所述环境特征匹配结果生成所述反馈控制数据。
5.如权利要求1所述的方法,其特征在于,所述方法包括:
根据巡检预警等级识别结果匹配预警方案;
通过所述预警方案执行预警,并生成连续监督指令;
通过所述连续监督指令控制对主体进行连续监测,并基于连续监测结果构建预警数据库。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述新增巡检图像采集结果执行主体识别,当仍不能执行主体异常识别时,则根据所述位置识别结果关联采集单元;
通过所述采集单元对所述位置识别结果执行定点位置图像采集,获得关联图像采集结果;
通过所述关联图像采集结果进行主体异常的辅助认证。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述实时巡检图像采集结果进行图像采集评价,生成图像采集评价结果;
设定设备优化维护周期;
当满足所述设备优化维护周期或图像采集评价结果不能满足预定需求时,则进行所述图像采集单元设备优化。
8.一种基于物联网设备的智能巡检控制系统,其特征在于,所述系统包括:
图像采集结果获得模块,所述图像采集结果获得模块用于通过图像采集单元进行实时巡检图像采集,获得实时巡检图像采集结果;
特征数据库控制模块,所述特征数据库控制模块用于构建巡检环境特征数据库,其中,所述巡检环境特征数据库带有位置标识;
初始环境特征生成模块,所述初始环境特征生成模块用于对所述实时巡检图像采集结果进行初始环境识别,生成初始环境特征;
初始匹配结果生成模块,所述初始匹配结果生成模块用于对所述实时巡检图像采集结果进行采集位置识别,基于位置识别结果和所述初始环境特征进行巡检环境特征数据库的数据匹配,生成初始匹配结果;
控制数据生成模块,所述控制数据生成模块用于通过所述初始匹配结果对所述实时巡检图像采集结果进行主体异常识别,当不能执行主体异常识别时,则基于所述初始匹配结果生成反馈控制数据;
新增图像采集模块,所述新增图像采集模块用于通过所述反馈控制数据控制辅助控制单元进行采集补偿,并通过所述图像采集单元重新进行图像采集,生成新增巡检图像采集结果;
巡检预警模块,所述巡检预警模块用于通过所述巡检环境特征数据库和所述新增巡检图像采集结果进行巡检预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279155.2A CN116092014A (zh) | 2023-03-22 | 2023-03-22 | 一种基于物联网设备的智能巡检控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279155.2A CN116092014A (zh) | 2023-03-22 | 2023-03-22 | 一种基于物联网设备的智能巡检控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116092014A true CN116092014A (zh) | 2023-05-09 |
Family
ID=86187142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310279155.2A Pending CN116092014A (zh) | 2023-03-22 | 2023-03-22 | 一种基于物联网设备的智能巡检控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116092014A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543357A (zh) * | 2023-07-05 | 2023-08-04 | 南通玖方新材料科技有限公司 | 一种太阳能光伏载具的表面缺陷识别预警方法及系统 |
CN116719969A (zh) * | 2023-08-10 | 2023-09-08 | 箭牌智能科技(张家港)有限公司 | 基于物联网的智能家居交互数据分析方法及系统 |
-
2023
- 2023-03-22 CN CN202310279155.2A patent/CN116092014A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116543357A (zh) * | 2023-07-05 | 2023-08-04 | 南通玖方新材料科技有限公司 | 一种太阳能光伏载具的表面缺陷识别预警方法及系统 |
CN116543357B (zh) * | 2023-07-05 | 2023-11-21 | 南通玖方新材料股份有限公司 | 一种太阳能光伏载具的表面缺陷识别预警方法及系统 |
CN116719969A (zh) * | 2023-08-10 | 2023-09-08 | 箭牌智能科技(张家港)有限公司 | 基于物联网的智能家居交互数据分析方法及系统 |
CN116719969B (zh) * | 2023-08-10 | 2023-10-24 | 箭牌智能科技(张家港)有限公司 | 基于物联网的智能家居交互数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116092014A (zh) | 一种基于物联网设备的智能巡检控制方法及系统 | |
US11941868B2 (en) | Inference apparatus, inference method, and computer-readable storage medium storing an inference program | |
CN115833400B (zh) | 一种变电站电力设备的监测预警方法及系统 | |
JP2013541715A (ja) | 製造されたウェブ製品のデジタルサンプルに対する評価のコンピュータ支援割り当て | |
CN115527203B (zh) | 一种基于物联网的谷物干燥远程控制方法及系统 | |
KR102330055B1 (ko) | 드론을 이용한 구조물의 변화 검출 방법 및 시스템 | |
CN116719293B (zh) | 一种冷轧钢带的生产监测方法及系统 | |
CN117319451B (zh) | 基于多模态大数据的城市级消防物联网监管系统及其方法 | |
CN115186850B (zh) | 一种海底电缆运行环境的动态监测方法及系统 | |
CN111950577A (zh) | 一种点检方法及装置 | |
CN115035328A (zh) | 转炉图像增量自动机器学习系统及其建立训练方法 | |
JP2000039914A (ja) | プラント監視装置 | |
CN116151042B (zh) | 一种基于多维数据分析的起重机监测维护方法及系统 | |
CN113361686A (zh) | 一种多层异构多模态卷积神经网络集成式机器人巡检方法 | |
CN113379135A (zh) | 基于云边协同计算的智能生产线产品质量低延迟集成预测方法和系统 | |
CN112200251A (zh) | 一种基于多尺度卷积神经网络的监测系统数据评估方法 | |
CN115481941A (zh) | 一种多功能区联合的智能化安防管理方法及系统 | |
CN114662619B (zh) | 基于多源数据融合的桥梁监测系统 | |
CN116245418A (zh) | 一种基于数据挖掘的智慧工地安全风险评估方法 | |
CN113095160A (zh) | 基于人工智能和5g的电力系统人员安全行为识别方法及系统 | |
CN113596229B (zh) | 一种基于云化架构的数字家庭的智能手机 | |
CN114399024B (zh) | 油气浓度大数据智能检测系统 | |
CN115576288B (zh) | 一种过滤材料的生产控制方法和系统 | |
Wang et al. | Image Recognition Technology and Digital Twin in the Power Industry | |
EP4006778A1 (en) | System for analysing, monitoring and diagnosing, in automated, current and predictive way, the condition of buildings and/or architectural structures and operation method thereof |
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 |