CN116228023A - 减少基建场地碳排放量的方法、设备与介质 - Google Patents
减少基建场地碳排放量的方法、设备与介质 Download PDFInfo
- Publication number
- CN116228023A CN116228023A CN202310220134.3A CN202310220134A CN116228023A CN 116228023 A CN116228023 A CN 116228023A CN 202310220134 A CN202310220134 A CN 202310220134A CN 116228023 A CN116228023 A CN 116228023A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- site monitoring
- foundation
- sequence
- site
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 230
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 230
- 238000010276 construction Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 153
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000005856 abnormality Effects 0.000 claims abstract description 21
- 238000005507 spraying Methods 0.000 claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 34
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 2
- 239000000725 suspension Substances 0.000 abstract description 2
- 239000000428 dust Substances 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 239000003595 mist Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 239000002002 slurry Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Food Science & Technology (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Combustion & Propulsion (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了减少基建场地碳排放量的方法、设备与介质。该方法的一具体实施方式包括：对基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列；对基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列；基于基建场地监测参照图像序列和基建场地监测图像序列，生成基建场地异常识别信息序列；根据基建场地异常识别信息序列，控制喷洒设备进行喷洒操作；响应于确定碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低基建场地监测信息对应的每个基建施工设备的运行功率。该实施方式既减少了碳排放量，又避免暂停施工所造成的施工进度的延误。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及减少基建场地碳排放量的方法、设备与介质。
背景技术
建筑作为能源消费三大领域(工业、交通、建筑)之一，其节能减排成为重点任务。大量用能单位及建筑用能需要满足碳排限额指标，即年度总排放量要求。对于建筑碳排限额管理，还需要对日常运行进行监管、用能指导，并及时发现碳排超限风险。目前，为了减少建筑场地的碳排放量，通常采用的方式为：定期对建筑场地的碳排放量进行监测，当超出碳排限额指标时，对建筑场地进行暂停施工处理。
然而，采用上述方式，通常会存在以下技术问题：
第一，对建筑场地进行暂停施工，容易延误建筑场地的施工进度，且部分施工设备每次关闭和开启会消耗较多的电量，更容易造成碳排放量超标；
第二，未对建筑场地的灰尘浓度进行实时检测，当建筑场地的灰尘浓度较大时，容易进一步造成环境污染；
第三，定期对建筑场地的碳排放量进行监测，可能导致监测的碳排放量不准确，难以及时减少建筑场地的碳排量的排放。
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减少基建场地碳排放量的方法、计算机设备和计算机可读存储介质，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减少基建场地碳排放量的方法，该方法包括：接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集，其中，上述基建场地监测信息集中的基建场地监测信息包括场地标识、视频流与碳排放监测信息，上述碳排放监测信息包括碳排放量曲线；对于上述基建场地监测信息集中的每个基建场地监测信息，执行如下处理步骤：对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列；对上述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列；基于上述基建场地监测参照图像序列和上述基建场地监测图像序列，生成基建场地异常识别信息序列；根据上述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作；确定上述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值；响应于确定上述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。
第二方面，本公开还提供一种计算机设备，上述计算机设备包括处理器、存储器、以及存储在上述存储器上并可被上述处理器执行的计算机程序，其中上述计算机程序被上述处理器执行时，实现如上述第一方面任一实现方式所描述的方法。
第三方面，本公开还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有计算机程序，其中上述计算机程序被处理器执行时，实现如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减少基建场地碳排放量的方法，避免了建筑场地的施工进度的延误，减少了部分施工设备因频繁关闭和开启消耗的电量，减少了碳排放量。具体来说，容易造成碳排放量超标的原因在于：对建筑场地进行暂停施工，容易延误建筑场地的施工进度，且部分施工设备每次关闭和开启会消耗较多的电量。基于此，本公开的一些实施例的减少基建场地碳排放量的方法，首先，接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集。其中，上述基建场地监测信息集中的基建场地监测信息包括场地标识、视频流与碳排放监测信息，上述碳排放监测信息包括碳排放量曲线。由此，便于根据碳排放监测信息，实时调整基建场地的施工设备的运行功率。其次，对于上述基建场地监测信息集中的每个基建场地监测信息，执行如下处理步骤：首先，对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列。其次，对上述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列。由此，便于确定基建场地是否存在尘雾。接着，基于上述基建场地监测参照图像序列和上述基建场地监测图像序列，生成基建场地异常识别信息序列。然后，根据上述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作。由此，可以减少施工场地的灰尘，减少了灰尘污染。再然后，确定上述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值。最后，响应于确定上述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。由此，当碳排放量较大时，可以降低基建施工设备的运行功率。从而，既减少了碳排放量，又避免暂停施工所造成的施工进度的延误。
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是根据本公开的减少基建场地碳排放量的方法的一些实施例的流程图；
图2是本公开实施例提供的一种计算机设备的结构示意性框图。
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是根据本公开的减少基建场地碳排放量的方法的一些实施例的流程图。示出了根据本公开的减少基建场地碳排放量的方法的一些实施例的流程100。该减少基建场地碳排放量的方法，包括以下步骤：
步骤101，接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集。
在一些实施例中，减少基建场地碳排放量的方法的执行主体(例如服务器)可以通过有线连接或无线连接的方式接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集。其中，上述基建场地监测信息集中的基建场地监测信息包括场地标识、视频流与碳排放监测信息，上述碳排放监测信息包括碳排放量曲线。这里，目标基建场地可以是指当前处于建设中的建筑工地。各个场地监测设备可以是目标基建场地中不同区域的场地监测设备。即，一个区域对应一个场地监测设备。场地监测设备可以是指服务器。即，每个场地监测设备可以通过关联的区域监控设备(摄像头)以及碳排放监控设备(碳排放检测仪)进行基建场地监测信息的采集。基建场地监测信息可以是一段时间内监测的信息。场地标识可以是指区域标识。即，一场地标识对应一视频流、碳排放监测信息。视频流可以是指一段时间内拍摄的区域视频。碳排放量曲线可以是指一段时间内碳排放量的变化曲线。
步骤102，对于上述基建场地监测信息集中的每个基建场地监测信息，执行如下处理步骤：
步骤1021，对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列。
在一些实施例中，上述执行主体可以对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列。
实践中，上述执行主体可以通过以下步骤对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列：
第一步，对上述视频流中的每一帧图像进行亮度检测，以生成图像亮度检测信息序列。
实践中，上述第一步，可以包括以下子步骤：
第一子步骤，对上述图像进行灰度化处理，以生成基建场地灰度图像。其中，可以通过二值化函数对图像进行灰度化处理。
第二子步骤，确定上述基建场地灰度图像的灰度均值。可以通过预设的图像处理函数，确定上述基建场地灰度图像的灰度均值。图像处理函数可以是计算机视觉库中的函数。
第三子步骤，响应于确定上述灰度均值不等于预设灰度均值点，确定上述基建场地灰度图像的灰度差值和色偏值。灰度均值不等于预设灰度均值点表征图像亮度存在异常。可以通过预设的视频清晰度函数(视频清晰度函数)确定上述基建场地灰度图像的灰度差值和色偏值，以进一步确定图像亮度是否异常。
第四子步骤，响应于确定上述灰度差值大于预设灰度差值、上述色偏值不满足预设色偏条件，生成表征亮度异常的图像亮度检测信息。预设色偏条件可以是色偏值不为0。
第五子步骤，响应于确定上述灰度差值大于预设灰度差值、上述色偏值满足预设色偏条件，生成表征亮度正常的图像亮度检测信息。
第二步，对上述视频流中的每一帧图像进行模糊度检测，以生成图像模糊度检测信息序列。首先，可以确定每一帧图像对应的基建场地灰度图像的灰度方差值。然后，响应于灰度方差值大于预设方差阈值，生成表征图像模糊度正常的图像模糊度检测信息。响应于灰度方差值小于等于预设方差阈值，则生成表征图像模糊度异常的图像模糊度检测信息。
第三步，将上述图像亮度检测信息序列与图像模糊度检测信息序列中满足预设图像质量条件的图像亮度检测信息和图像模糊度检测信息对应的图像确定为基建场地监测图像，得到基建场地监测图像序列。其中，预设图像质量条件可以是指图像亮度检测信息表征图像亮度正常、且图像模糊度检测信息表征图像模糊度正常。
步骤1022，对上述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列。
在一些实施例中，上述执行主体可以对上述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列。
实践中，上述执行主体可以将上述基建场地监测图像序列中对应预设时长的基建场地监测图像确定为基建场地监测参照图像，得到基建场地监测参照图像序列。其中，预设时长可以是预先设定的用于划分时间段的时长。例如，以基建场地图像序列中的某一个基建场地图像对应的时间点为起点，可以将经过预设时长后的时刻对应的基建场地图像确定为基建场地参照图像。
步骤1023，基于上述基建场地监测参照图像序列和上述基建场地监测图像序列，生成基建场地异常识别信息序列。
在一些实施例中，上述执行主体可以基于上述基建场地监测参照图像序列和上述基建场地监测图像序列，生成基建场地异常识别信息序列。
实践中，上述执行主体可以通过以下步骤生成基建场地异常识别信息序列：
第一步，对于上述基建场地监测参照图像序列中的每个基建场地监测参照图像，执行以下生成步骤：
第一子步骤，以上述基建场地监测参照图像为起始状态图像，对上述基建场地监测图像序列中、与上述基建场地监测参照图像处于同一时间间隔内的各个基建场地监测图像进行基建场地状态变化识别，以生成基建场地识别信息组。其中，上述基建场地识别信息组中的每个基建场地识别信息包括：基建场地能见度变化指数和基建场地颜色检测信息。基建场地能见度变化指数可以是指基建场地监测图像与基建场地监测参照图像中的能见度的变化值。基建场地颜色检测信息可以是指检测出的基建场地当前空气中的烟雾的颜色信息。实践中，可以通过预先训练的基建场地识别模型对上述基建场地监测图像序列中、与上述基建场地监测参照图像处于同一时间间隔内的各个基建场地监测图像进行基建场地状态变化识别。例如，基建场地识别模型可以是CNN卷积神经网络模型。这里，基建场地能见度变化指数可以表示基建场地是否存在尘雾。即，可以通过基建场地识别模型进行识别。
第二子步骤，根据上述基建场地识别信息组，生成基建场地异常识别信息组。
实践中，对于上述基建场地识别信息组中的每个基建场地识别信息，执行如下处理步骤：
1、确定上述基建场地识别信息包括的基建场地能见度变化指数是否小于0。
2、响应于确定上述基建场地识别信息包括的基建场地能见度变化指数小于0，对上述基建场地识别信息添加上尘雾标签，以生成第一标记基建场地识别信息。
3、响应于上述基建场地识别信息包括的基建场地颜色检测信息表征的场地颜色为预设颜色，对上述第一标记基建场地识别信息添加上着火标签，以生成第二标记基建场地识别信息，作为基建场地异常识别信息。预设颜色可以是指火光的颜色。
第二步，将所生成的基建场地异常识别信息组中的各个基建场地异常识别信息按照时序进行组合，以生成基建场地异常识别信息序列。
上述第一步-第二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“未对建筑场地的灰尘浓度进行实时检测，当建筑场地的灰尘浓度较大时，容易进一步造成环境污染”。首先，对于上述基建场地监测参照图像序列中的每个基建场地监测参照图像，执行以下生成步骤：以上述基建场地监测参照图像为起始状态图像，对上述基建场地监测图像序列中、与上述基建场地监测参照图像处于同一时间间隔内的各个基建场地监测图像进行基建场地状态变化识别，以生成基建场地识别信息组，其中，上述基建场地识别信息组中的每个基建场地识别信息包括：基建场地能见度变化指数和基建场地颜色检测信息。由此，便于确定基建场地是否尘雾过大。接着，对于上述基建场地识别信息组中的每个基建场地识别信息，执行如下处理步骤：确定上述基建场地识别信息包括的基建场地能见度变化指数是否小于0；响应于确定上述基建场地识别信息包括的基建场地能见度变化指数小于0，对上述基建场地识别信息添加上尘雾标签，以生成第一标记基建场地识别信息。由此，可以在确定基建场地存在尘雾时，添加上尘雾标签。然后，响应于上述基建场地识别信息包括的基建场地颜色检测信息表征的场地颜色为预设颜色，对上述第一标记基建场地识别信息添加上着火标签，以生成第二标记基建场地识别信息，作为基建场地异常识别信息。由此，可以在确定基建场地存在尘雾或火灾之后，可以控制喷洒设备进行喷水。从而，降低了基建场地的灰尘，减少了环境污染。
步骤1024，根据上述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作。
在一些实施例中，上述执行主体可以根据上述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作。相关联的喷洒设备可以是指与上述执行主体通信连接的喷水设备。例如，当基建场地异常识别信息表示基建场地存在尘雾，则控制喷洒设备对施工场地喷洒水雾。当基建场地异常识别信息表示基建场地着火，则控制喷洒设备对施工场地着火地点进行喷水。
步骤1025，确定上述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值。
在一些实施例中，上述执行主体可以确定上述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值。这里，对于预设碳排放量的设定，不作限定。
步骤1026，响应于确定上述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。
在一些实施例中，上述执行主体可以响应于确定上述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。基建施工设备可以是基建场地监测信息对应的区域内的施工设备。
实践中，上述执行主体可以通过以下步骤降低上述基建场地监测信息对应的每个基建施工设备的运行功率：
第一步，实时获取目标监测设备采集的上述基建施工设备的碳排放日志序列。这里，目标监测设备可以是设定的某一区域的参考监测设备(例如，目标监测设备可以是碳排放监测仪)。即，可以通过目标监测设备进一步确定该区域的基建施工设备的实际碳排放量。碳排放日志序列可以是采集的基建施工设备在一段时间内的各个碳排放量信息。基建施工设备可以包括但不限于：柴油打桩机、蒸汽锤、自由落锤打桩机、机械式静力压桩机、取土成孔机械、高压钻孔设备、搅浆机、灌浆泵、水泥上料机、高压水泵和水管、空气压缩机、喷射装置、浆液回收设施。
第二步，对上述碳排放日志序列中的各个碳排放日志进行模板提取处理，以生成碳排放日志模板信息序列。其中，上述碳排放日志模板信息序列中的碳排放日志模板信息可以包括：日志文本单词集。可以通过预设的日志模板提取算法(例如，Drain基于深度树的在线实时日志解析算法)，对碳排放日志序列中的各个碳排放日志进行模板提取处理。
第三步，对上述碳排放日志模板信息序列中的每个碳排放日志模板信息进行特征提取处理，以生成碳排放日志模板向量，得到碳排放日志模板向量序列。
实践中，上述第三步，可以包括以下子步骤：
第一子步骤，基于上述碳排放日志模板信息包括的日志文本单词集，生成日志模板向量集。例如，可以将日志文本单词集输入至通过预先训练的词向量生成模型中，得到日志模板向量集。词向量生成模型可以是word2vector(词向量)模型。
第二子步骤，对上述日志文本单词集中的各个日志文本单词进行词性提取处理，得到日志文本词性信息集。例如，可以通过预设的词性提取模型(stanford core nlp模型)对上述日志文本单词集中的各个日志文本单词进行词性提取处理，得到日志文本词性信息集。
第三子步骤，基于预设的词性权重对照表和上述日志文本词性信息集，对上述日志模板向量集中的各个日志模板向量进行加权求和处理，得到碳排放日志模板向量。这里，预设的词性权重对照表可以表征不同单词词性信息与预设的权重系数值之间的对应关系。
第四步，对上述碳排放日志模板向量序列进行检测处理，得到检测结果。
实践中，上述第四步，可以包括以下子步骤：
第一子步骤，将上述碳排放日志模板向量序列中最后一个碳排放日志模板向量确定为第一碳排放日志模板向量。其中，上述第第一碳排放日志模板向量可以表征目标监测设备采集的上述基建施工设备的最新的碳排放日志信息，可以用来和模型预测的日志向量进行对比以确定上述第一碳排放日志模板向量对应的碳排放日志信息是否为异常碳排放日志信息。
第二子步骤，删除上述碳排放日志模板向量序列中的第一碳排放日志模板向量，得到目标碳排放日志模板向量序列。
第三子步骤，将上述目标碳排放日志模板向量序列输入至预先训练的日志序列检测模型中，得到第二碳排放日志模板向量。其中，上述预先训练的日志序列检测模型可以是以目标碳排放日志模板向量序列为输入，以第二碳排放日志模板向量为输出的模型。上述预先训练的日志序列检测模型可以包括：语义提取模型和日志预测模型。例如，上述语义提取模型可以是TextCNN(Text Convolutional Neural Network，文本卷积神经网络)模型。上述日志预测模型可以是单向LSTM(Long Short Term Memory，长短期记忆)网络模型。
第四子步骤，将上述第一碳排放日志模板向量和上述第二碳排放日志模板向量的距离值确定为模板向量距离值。
第五子步骤，基于上述模板向量距离值，生成检测结果。即，当模板向量距离值小于预设阈值时，生成表征无异常的检测结果。
第五步，响应于确定上述检测结果表征无异常，确定上述碳排放日志序列中是否存在符合异常条件的碳排放日志。异常条件可以是：碳排放日志表征的碳排放量大于等于预设碳排放量。
第六步，响应于确定上述碳排放日志序列中存在符合异常条件的碳排放日志，降低上述基建施工设备的运行功率。例如，可以将基建施工设备的运行功率降低至最低运行功率。
上述第一步-第六步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“定期对建筑场地的碳排放量进行监测，可能导致监测的碳排放量不准确，难以及时减少建筑场地的碳排量的排放”。首先，获取目标监测设备采集的上述基建施工设备的碳排放日志序列。由此，便于进一步确定基建施工设备的碳排放量。其次，对上述碳排放日志序列中的各个碳排放日志进行模板提取处理，以生成碳排放日志模板信息序列。接着，对上述碳排放日志模板信息序列中的每个碳排放日志模板信息进行特征提取处理，以生成碳排放日志模板向量，得到碳排放日志模板向量序列。再接着，对上述碳排放日志模板向量序列进行检测处理，得到检测结果。由此，可以确定碳排放日志是否乱码。从而，便于后续进行解析。然后，响应于确定上述检测结果表征无异常，确定上述碳排放日志序列中是否存在符合异常条件的碳排放日志。最后，响应于确定上述碳排放日志序列中存在符合异常条件的碳排放日志，降低上述基建施工设备的运行功率。由此，可以实时对建筑场地的碳排放量进行监测。从而，及时降低上述基建施工设备的运行功率，以减少建筑场地的碳排量的排放。
可选地，响应于确定上述碳排放量曲线中不存在大于等于预设碳排放量的碳排放量数值，将上述碳排放量曲线输入至预先训练的碳排放量预测模型中，得到碳排放量预测曲线。
在一些实施例中，上述执行主体可以响应于确定上述碳排放量曲线中不存在大于等于预设碳排放量的碳排放量数值，将上述碳排放量曲线输入至预先训练的碳排放量预测模型中，得到碳排放量预测曲线。这里，预先训练的碳排放量预测模型可以是预先训练的以碳排放量曲线为输入，以碳排放量预测曲线为输出的神经网络模型。例如，碳排放量预测模型可以是卷积神经网络模型。碳排放量曲线对应的时长与碳排放量预测曲线的时长相同。
可选地，响应于确定上述碳排放量预测曲线中存在大于等于预设碳排放量的碳排放量预测值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。
在一些实施例中，上述执行主体可以响应于确定上述碳排放量预测曲线中存在大于等于预设碳排放量的碳排放量预测值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。
可选地，上述碳排放量预测模型是通过以下步骤训练得到的：
第一步，获取碳排放量曲线样本集。
第二步，确定初始碳排放量预测模型。其中，上述初始碳排放量预测模型包括第一碳排放量预测网络与第二碳排放量预测网络。
第三步，对上述碳排放量曲线样本集进行拆分，得到碳排放量曲线样本组集。其中，上述碳排放量曲线样本组集包括第一碳排放量曲线样本组与第二碳排放量曲线样本组。
第四步，将上述第一碳排放量预测网络部署在第一预设服务器中，以及将上述第一碳排放量曲线样本组同步至上述第一预设服务器中。其中，上述第一预设服务器中设定了第一预设数量个处理器节点。
第五步，将上述第一碳排放量预测网络对应的网络参数集拆分为第一网络参数组集。其中，上述第一网络参数组集包括的第一网络参数组的数量为第一预设数量。
第六步，将上述第一网络参数组集中的每个第一网络参数组传输至对应的处理器节点中，以及控制上述第一预设服务器对上述第一碳排放量预测网络进行训练，得到训练后的第一碳排放量预测网络。训练可以参见深度神经网络的训练方式，在此不在赘述。
第七步，将上述第二碳排放量预测网络部署在第二预设服务器中，以及将上述第二碳排放量曲线样本组同步至上述第二预设服务器中。这里，第七步中的具体实施方式可以参见第三步-第五步中的描述，在此不再赘述。
第八步，控制上述第二预设服务器对上述第二碳排放量预测网络进行训练，得到训练后的第二碳排放量预测网络。
第九步，将训练后的第一碳排放量预测网络与第二碳排放量预测网络组合为碳排放量预测模型。
由此，可以通过训练的碳排放量预测模型对基建场地的碳排放量进行预测。从而，可以提前减少碳排放量。此外，由于对碳排放量预测模型的各个网络分别进行训练，提升了模型训练速度。
图2为本公开实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
如图2所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种减少基建场地碳排放量的方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种减少基建场地碳排放量的方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图2中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，上述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集，其中，上述基建场地监测信息集中的基建场地监测信息包括场地标识、视频流与碳排放监测信息，上述碳排放监测信息包括碳排放量曲线；对于上述基建场地监测信息集中的每个基建场地监测信息，执行如下处理步骤：对上述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列；对上述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列；基于上述基建场地监测参照图像序列和上述基建场地监测图像序列，生成基建场地异常识别信息序列；根据上述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作；确定上述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值；响应于确定上述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低上述基建场地监测信息对应的每个基建施工设备的运行功率。
本公开实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有计算机程序，上述计算机程序中包括程序指令，上述程序指令被执行时所实现的方法可参照本公开减少基建场地碳排放量的方法的各个实施例。
其中，上述计算机可读存储介质可以是前述实施例上述的计算机设备的内部存储单元，例如上述计算机设备的硬盘或内存。上述计算机可读存储介质也可以是上述计算机设备的外部存储设备，例如上述计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种减少基建场地碳排放量的方法，包括：
接收目标基建场地内的各个场地监测设备发送的基建场地监测信息，得到基建场地监测信息集，其中，所述基建场地监测信息集中的基建场地监测信息包括场地标识、视频流与碳排放监测信息，所述碳排放监测信息包括碳排放量曲线；
对于所述基建场地监测信息集中的每个基建场地监测信息，执行如下处理步骤：
对所述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列；
对所述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列；
基于所述基建场地监测参照图像序列和所述基建场地监测图像序列，生成基建场地异常识别信息序列；
根据所述基建场地异常识别信息序列，控制相关联的喷洒设备进行喷洒操作；
确定所述基建场地监测信息包括的碳排放量曲线中是否存在大于等于预设碳排放量的碳排放量数值；
响应于确定所述碳排放量曲线中存在大于等于预设碳排放量的碳排放量数值，降低所述基建场地监测信息对应的每个基建施工设备的运行功率。
2.根据权利要求1所述的方法，其中，所述对所述基建场地监测信息包括的视频流进行检测处理，以生成基建场地监测图像序列，包括：
对所述视频流中的每一帧图像进行亮度检测，以生成图像亮度检测信息序列；
对所述视频流中的每一帧图像进行模糊度检测，以生成图像模糊度检测信息序列；
将所述图像亮度检测信息序列与图像模糊度检测信息序列中满足预设图像质量条件的图像亮度检测信息和图像模糊度检测信息对应的图像确定为基建场地监测图像，得到基建场地监测图像序列。
3.根据权利要求1所述的方法，其中，所述对所述基建场地监测图像序列中的各个基建场地监测图像进行筛选处理，得到基建场地监测参照图像序列，包括：
将所述基建场地监测图像序列中对应预设时长的基建场地监测图像确定为基建场地监测参照图像，得到基建场地监测参照图像序列。
4.根据权利要求1所述的方法，其中，所述降低所述基建场地监测信息对应的每个基建施工设备的运行功率，包括：
获取目标监测设备采集的所述基建施工设备的碳排放日志序列；
对所述碳排放日志序列中的各个碳排放日志进行模板提取处理，以生成碳排放日志模板信息序列；
对所述碳排放日志模板信息序列中的每个碳排放日志模板信息进行特征提取处理，以生成碳排放日志模板向量，得到碳排放日志模板向量序列；
对所述碳排放日志模板向量序列进行检测处理，得到检测结果；
响应于确定所述检测结果表征无异常，确定所述碳排放日志序列中是否存在符合异常条件的碳排放日志；
响应于确定所述碳排放日志序列中存在符合异常条件的碳排放日志，降低所述基建施工设备的运行功率。
5.根据权利要求1所述的方法，其中，所述方法还包括：
响应于确定所述碳排放量曲线中不存在大于等于预设碳排放量的碳排放量数值，将所述碳排放量曲线输入至预先训练的碳排放量预测模型中，得到碳排放量预测曲线；
响应于确定所述碳排放量预测曲线中存在大于等于预设碳排放量的碳排放量预测值，降低所述基建场地监测信息对应的每个基建施工设备的运行功率。
6.一种计算机设备，其中，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1-5中任一所述的方法的步骤。
7.一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至5中任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310220134.3A CN116228023A (zh) | 2023-03-02 | 2023-03-02 | 减少基建场地碳排放量的方法、设备与介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310220134.3A CN116228023A (zh) | 2023-03-02 | 2023-03-02 | 减少基建场地碳排放量的方法、设备与介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116228023A true CN116228023A (zh) | 2023-06-06 |
Family
ID=86587114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310220134.3A Pending CN116228023A (zh) | 2023-03-02 | 2023-03-02 | 减少基建场地碳排放量的方法、设备与介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116228023A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933045A (zh) * | 2023-09-15 | 2023-10-24 | 山东益来环保科技有限公司 | 基于温室气体的碳排放监测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208043119U (zh) * | 2018-04-16 | 2018-11-02 | 广西越知网络股份有限公司 | 一种多功能智能型扬尘噪音监测采集系统 |
| CN109358163A (zh) * | 2018-11-08 | 2019-02-19 | 四川坤翔科技有限公司 | 基于大数据的建筑工地大数据扬尘评估方法 |
| CN109471359A (zh) * | 2017-09-08 | 2019-03-15 | 国网木星（北京）科技有限公司 | 能源管理系统碳排放量监测方法及系统 |
| CN114324747A (zh) * | 2021-12-01 | 2022-04-12 | 安捷中科(北京)数据科技有限公司 | 广域碳排放实时监测方法及系统 |
| CN114819648A (zh) * | 2022-04-24 | 2022-07-29 | 咏恒科技(北京)有限公司 | 基于区块链的碳排放管控方法、装置、电子设备和介质 |
| CN115409338A (zh) * | 2022-08-17 | 2022-11-29 | 安徽南国冷热综合能源有限公司 | 一种空调碳排放智能监管系统 |
-
2023
- 2023-03-02 CN CN202310220134.3A patent/CN116228023A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109471359A (zh) * | 2017-09-08 | 2019-03-15 | 国网木星（北京）科技有限公司 | 能源管理系统碳排放量监测方法及系统 |
| CN208043119U (zh) * | 2018-04-16 | 2018-11-02 | 广西越知网络股份有限公司 | 一种多功能智能型扬尘噪音监测采集系统 |
| CN109358163A (zh) * | 2018-11-08 | 2019-02-19 | 四川坤翔科技有限公司 | 基于大数据的建筑工地大数据扬尘评估方法 |
| CN114324747A (zh) * | 2021-12-01 | 2022-04-12 | 安捷中科(北京)数据科技有限公司 | 广域碳排放实时监测方法及系统 |
| CN114819648A (zh) * | 2022-04-24 | 2022-07-29 | 咏恒科技(北京)有限公司 | 基于区块链的碳排放管控方法、装置、电子设备和介质 |
| CN115409338A (zh) * | 2022-08-17 | 2022-11-29 | 安徽南国冷热综合能源有限公司 | 一种空调碳排放智能监管系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116933045A (zh) * | 2023-09-15 | 2023-10-24 | 山东益来环保科技有限公司 | 基于温室气体的碳排放监测系统 |
| CN116933045B (zh) * | 2023-09-15 | 2023-12-05 | 山东益来环保科技有限公司 | 基于温室气体的碳排放监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113872328B (zh) | 基于神经网络的变电站远程智能巡检方法及系统 | |
| CN113283630A (zh) | 空气质量预测方法、装置、设备和计算机可读存储介质 | |
| CN112685950B (zh) | 一种海洋时序观测数据的异常检测方法、系统和设备 | |
| CN111741002B (zh) | 一种网络入侵检测模型的训练方法和装置 | |
| CN116228023A (zh) | 减少基建场地碳排放量的方法、设备与介质 | |
| CN107567083A (zh) | 进行省电优化处理的方法和装置 | |
| CN103744977A (zh) | 一种云计算系统平台中的监控方法及系统 | |
| CN113177469A (zh) | 人体属性检测模型的训练方法、装置、电子设备及介质 | |
| CN110869942A (zh) | 自馈深度学习方法和系统 | |
| CN111383128A (zh) | 一种用于监测电网嵌入式终端设备运行状态的方法及系统 | |
| CN114463948A (zh) | 一种地质灾害监测预警方法及系统 | |
| CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
| CN115545058A (zh) | 一种水表数据分析方法、系统及可读存储介质 | |
| CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
| CN117041019A (zh) | 内容分发网络cdn的日志分析方法、装置及存储介质 | |
| CN104574729B (zh) | 一种报警方法、装置及系统 | |
| CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
| CN117077854B (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
| CN113240152A (zh) | 智能笼舍的活禽喂养的环境监测方法、设备以及介质 | |
| CN117274177A (zh) | 一种基于图像识别的输电线路防外破方法及装置 | |
| CN117520664A (zh) | 一种基于图神经网络的舆情检测方法及系统 | |
| CN115641360A (zh) | 基于人工智能的电池检测方法、装置和电子设备 | |
| CN112764791B (zh) | 一种增量更新的恶意软件检测方法及系统 | |
| CN115631184A (zh) | 基于决策树的输电线路故障分析方法、装置、设备及存储介质 | |
| CN114387544A (zh) | 一种高空抛物检测方法、系统、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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240314 Address after: Room 266, 2nd Floor, No. 9 Guangyuan West Street, Zhangjiawan Town, Tongzhou District, Beijing, 101113 Applicant after: Beijing Zhongtian North Construction Co.,Ltd. Country or region after: China Address before: No.65, Wuning East Road, Dongyang City, Jinhua City, Zhejiang Province 3222199 Applicant before: ZHONGTIAN CONSTRUCTION GROUP Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right |