CN116612552A - 基于物联网的农业机械生产用智能监测方法及系统 - Google Patents
基于物联网的农业机械生产用智能监测方法及系统 Download PDFInfo
- Publication number
- CN116612552A CN116612552A CN202310871544.4A CN202310871544A CN116612552A CN 116612552 A CN116612552 A CN 116612552A CN 202310871544 A CN202310871544 A CN 202310871544A CN 116612552 A CN116612552 A CN 116612552A
- Authority
- CN
- China
- Prior art keywords
- production
- check
- agricultural machine
- operation time
- internet
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims description 38
- 238000013507 mapping Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/08—Registering or indicating the production of the machine either with or without registering working or idle time
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Human Resources & Organizations (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例涉及物联网技术领域，公开了基于物联网的农业机械生产用智能监测方法及系统，该方法首先获取目标农业机械的机械类型；然后基于所述农业机械的类型确定需要生产查定的关键机械部位；再根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；最后接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。也即，根据农业机械的类型确定哪些机械部位需要被重点监测，如此，可以兼顾农业机械的生产查定效率及准确性。
Description
技术领域
本发明涉及物联网技术领域，具体涉及基于物联网的农业机械生产用智能监测方法及系统。
背景技术
农业机械的生产查定是指在机械设备在推广、出厂试验过程中，按规定的操作程序、试验方法和判定内容，对农业机械样机连续进行相应要求时间的跟踪，以获取相关数据的活动。
目前农业机械生产查定的主要方法通过人工检测，通过专业的检测员驾驶农业机械进行为期18小时作业检测，在作业过程中记录农业机械产品的启动状态、工作状态等指标，并通过人工计算分析采集数据的方式生成农业机械产品检测报告。这种方法存在着诸多弊端，如（1）检测效率低：每台农业机械需要全程人工进行检测，专业检测员必须全程跟进检测过程，效率低下；
（2）时效性与准确性弱：由于人工检测的局限性，导致数据检测频率低，无法实时处理、反馈，并且在数据采集过程中存在大量人工误差，无法保证数据准确性。
发明内容
本发明的主要目的是提供基于物联网的农业机械生产用智能监测方法及系统，旨在解决现有技术中对农业机械进行生产查定效率低、准确性差的问题。
为实现上述目的，第一方面，本申请实施例中提供了基于物联网的农业机械生产用智能监测方法，包括：
获取目标农业机械的基本信息，其中，所述基本信息包括农业机械的类型；
基于所述农业机械的类型确定需要生产查定的关键机械部位；
根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；
接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。
优选地，所述基于所述农业机械的类型确定需要生产查定的关键机械部位，包括：
当所述农业机械的类型满足预设条件时，将农业机械上预先标定的所有机械部位作为需要生产查定的关键机械部位；
当所述农业机械的类型不满足预设条件时，触发随机选择指令，并根据触发的选择指令，随机选择预设个数的机械部位作为需要生产查定的关键机械部位。
优选地，所述触发随机选择指令，包括：
获取历史生产查定的机械部位查定映射表，所述机械部位查定映射表包括历史查定的机械部位及其对应的历史故障率；
根据所述机械部位查定映射表确定随机选择的概率，其中机械部位的历史故障率越大，其被选择作为需要生产查定的关键机械部位的概率越大。
优选地，所述根据所述机械部位查定映射表确定随机选择的概率，包括：
当机械部位的历史故障率大于等于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率大于等于预设概率；
当机械部位的历史故障率小于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率小于预设概率。
优选地，所述接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
将所述运转参数输入至生产查定检测模型进行模型查定得到机械有效度K；
当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
所述生产查定检测模型满足如下表达式：K=[（作业时间T1/工作时间T）+（作业时间T2/工作时间T）+…+（作业时间Tn/工作时间T）]/n，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间。
优选地，所述接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
将所述运转参数输入至根据历史查定数据预先训练的生产查定检测模型进行模型查定得到机械有效度K；
当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
所述生产查定检测模型满足如下表达式：K=（作业时间T1/工作时间T）*P1+（作业时间T2/工作时间T）*P2+…+（作业时间Tn/工作时间T）*Pn+K0，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间，Pn为根据历史查定数据得到的权重系数，K0为补偿量。
优选地，当所述有效度K小于预设值时，还包括：
重新获取运转参数并将所述运转参数输入至生产查定检测模型进行模型查定。
优选地，所述获取目标农业机械的基本信息之前还包括：
获取农业机械生产查定的优先级顺序；
基于所述优先级顺序确定农业机械生产查定的目标农业机械。
优选地，所述获取农业机械生产查定的优先级顺序，包括：
获取农户在先使用的投诉和/或维保信息；
基于所述投诉或维保信息确定农业机械的优先级顺序，其中，投诉越多，其优先级越高，或者维保次数越多，其优先级越高。
第二方面，本申请实施例中还提供了基于物联网的农业机械生产用智能监测系统，包括：
获取模块，用于获取农业机械的基本信息；
确定模块，用于根据农业机械的类型确定需要生产查定的关键机械部位；
启动模块，用于启动相应的物联网监测设备；
处理模块，用于对机械运转数据进行农业机械生产查定。
第三方面，本申请实施例中还提供了一种电子设备，包括处理器及存储器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如第一方面所述的基于物联网的农业机械生产用智能监测方法。
区别于现有技术，本申请实施例提供的基于物联网的农业机械生产用智能监测方法，首先获取目标农业机械的机械类型；然后基于所述农业机械的类型确定需要生产查定的关键机械部位；再根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；最后接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。也即，根据农业机械的类型确定哪些机械部位需要被重点监测，如此，可以兼顾农业机械的生产查定效率及准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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示出的结构获得其他的附图。
图1为本申请一实施例中基于物联网的农业机械生产用智能监测方法的流程示意图；
图2为本申请一实施例中步骤S200的流程示意图；
图3为本申请一实施例中触发随机选择指令的流程示意图；
图4为本申请一实施例中步骤S222的流程示意图；
图5为本申请一实施例中步骤S400的流程示意图；
图6为本申请一实施例中步骤S400的流程示意图；
图7为本申请实施例中基于物联网的农业机械生产用智能监测系统的模块结构示意图；
图8为本申请实施例提供的电子设备的硬件结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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的一部分实施例，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他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中的“和/或”包括三个方案，以A和/或B为例，包括A技术方案、B技术方案，以及A和B同时满足的技术方案；另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
农业机械的生产查定是指在机械设备在推广、出厂试验过程中，按规定的操作程序、试验方法和判定内容，对农业机械样机连续进行相应要求时间的跟踪，以获取相关数据的活动。更具体地，农业机械的生产查定是指对农业机械的机械部件（例如发动机、车轮及犁、耕具等）进行连续作业时长的性能测试，以此来判断是否满足出厂条件；因此，农业机械生产查定也称为农业机械的过程监测。
发明人发现，目前农业机械生产查定的主要方法通过人工检测，通过专业的检测员驾驶农业机械进行为期18小时作业检测，在作业过程中记录农业机械产品的启动状态、工作状态等指标，并通过人工计算分析采集数据的方式生成农业机械产品检测报告。这种方法存在着诸多弊端，如（1）检测效率低：每台农业机械需要全程人工进行检测，专业检测员必须全程跟进检测过程，效率低下；（2）时效性与准确性弱：由于人工检测的局限性，导致数据检测频率低，无法实时处理、反馈，并且在数据采集过程中存在大量人工误差，无法保证数据准确性。
针对上述问题，本申请实施例提供了基于物联网的农业机械生产用智能监测方法，以下将主要描述基于物联网的农业机械生产用智能监测方法的具体步骤，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。请参阅附图1，所述基于物联网的农业机械生产用智能监测方法包括：
S100、获取目标农业机械的基本信息，其中，所述基本信息包括农业机械的类型；
农业机械的基本信息有多种，如机械类型、出厂时间、生产厂家等，不同的基本信息可以作为不同的参考信息；获取目标农业机械类型的方式有多种，例如，可以通过人工观察，测试人员将农业机械的类型输入至检测系统中；也可以通过图像识别，测试人员拍摄需要进行产品查定的农业机械输入至检测系统，系统即可识别出农业机械的类型；还可以是扫码获取，出厂时将机械类型与二维码进行绑定，检测时通过扫描二维码即可获取该农业机械的类型，本申请实施例为二维码获取的方式，方便快捷。
S200、基于所述农业机械的类型确定需要生产查定的关键机械部位；
可以理解，不同的机械类型，其产品成熟度、机械部件也不尽相同，需要进行生产查定的机械部位也不同，例如，针对新开发的农业机械，需要对所有的机械部位都进行可靠性检测，而针对比较成熟的农业机械，可以仅对容易出现故障的机械部位进行检测。
S300、根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；
在确定了需要进行生产查定的关键机械部位之后，系统启动相应位置的物联网监测设备进行监测获取各个机械部位的运转参数，物联网监测设备可以是姿态传感器、霍尔传感器、雷达、高清摄像头等设备，例如，姿态传感器与霍尔传感器可以对被测农业机械的农机抬升角度及农具旋转速度进行检测；系统可以根据农机抬升角度及农具旋转速度来确定该农业机械是否能够正常作业，并基于此计算出能够正常作业的时长。
S400、接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。
系统存储有预先训练的生产查定检测模型，物联网监测设备获取获取后会主动上传至该检测模型中进行模型查定，并输出查定的结果，当农业机械的有效度达到预设阈值时，说明该农业机械符合可靠性标准，可以出厂使用；当农业机械的有效度未达到预设阈值时，说明该农业机械不符合可靠性标准，该农业机械可靠性较差，不可以出厂使用。
本申请实施例提供的基于物联网的农业机械生产用智能监测方法，首先获取目标农业机械的机械类型；然后基于所述农业机械的类型确定需要生产查定的关键机械部位；再根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；最后接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。也即，根据农业机械的类型确定哪些机械部位需要被重点监测，如此，可以提高农业机械的生产查定效率及准确性。
在其他实施例中，为保证农业机械生产查定的管理效率，所述步骤S100:获取目标农业机械的基本信息之前还包括：
S010、获取农业机械生产查定的优先级顺序；
S020、基于所述优先级顺序确定农业机械生产查定的目标农业机械。
具体地，在农业机械生产查定过程中按照优先级顺序来进行生产查定，优先级顺序可以根据农业机械的出厂时间来确定，出厂时间越早其进行生产查定的优先级越高；或者可以根据客户下单时间的先后顺序进行确定，客户下单时间越早，其进行生产查定的优先级越高。也可以根据用户对某个农业机械的投诉建议或者维保次数来确定优先级，投诉次数越多，其性能越差，越需要进行生产查定，因此其优先级越高，同理维保次数越多，其优先级也越高。
为提高农业机械生产查定的时效性，本申请实施例对不同的农业机械进行针对性的生产查定，即对关键机械部位进行可靠性查定检测，请参阅附图2，在一实施例中，所述步骤S200：基于所述农业机械的类型确定需要生产查定的关键机械部位，包括：
S210、当所述农业机械的类型满足预设条件时，将农业机械上预先标定的所有机械部位作为需要生产查定的关键机械部位；
S220、当所述农业机械的类型不满足预设条件时，触发随机选择指令，并根据触发的选择指令，随机选择预设个数的机械部位作为需要生产查定的关键机械部位。
具体地，不同的农业机械其产品成熟度、机械部件也不尽相同，需要进行生产查定的机械部位也不同，本申请实施例中，针对新开发的农业机械，所有的机械部件（生产商设定的存在故障风险的部件）均被确定为关键机械部位，即对所有的机械部位都进行可靠性检测；而针对比较成熟的农业机械，
由于产品比较成熟，性能比较稳定，随机确定需要进行生产查定的机械部位来进行查定检测，即通过随机抽查的方式进行可靠性检测，随机抽查可以随机抽查一个或几个机械部位作为关键机械部位来进行检测。
在其他实施例中，针对比较成熟的农业机械，还可以仅对容易出现故障的机械部位进行生产查定，以进一步提高生产查定的时效性。
请参阅附图3，在一实施例中，所述触发随机选择指令，包括：
S221、获取历史生产查定的机械部位查定映射表，所述机械部位查定映射表包括历史查定的机械部位及其对应的历史故障率；
S222、根据所述机械部位查定映射表确定随机选择的概率，其中机械部位的历史故障率越大，其被选择作为需要生产查定的关键机械部位的概率越大。
具体地，本申请实施例根据历史生产查定的机械部位故障情况来确定机械部件的随机选择概率，当某个机械部位的故障率越大，其被选择作为关键机械部位进行生产查定的概率越大，如在历史生产查定过程中履带轮、耕具、犁具的故障率分别为30%、20%、20%，那么，在农业机械的生产查定程序中履带轮被选择作为关键机械部位的概率要大于耕具、犁具的概率。
请参阅附图4，在一实施例中，所述步骤S222:根据所述机械部位查定映射表确定随机选择的概率，包括：
S2221、当机械部位的历史故障率大于或等于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率大于或等于预设概率；
S2222、当机械部位的历史故障率小于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率小于预设概率。
具体地，在历史生产查定过程中，当某个机械部位的历史故障率越大，其性能及可靠性越差，因此，本申请实施例中，当机械部位的历史故障率大于或等于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率大于或等于预设概率；例如，预设故障率为40%，预设概率为60%，即对于历史故障概率超过40%的机械部位，设定其被选择作为生产查定的关键机械部位的概率大于60%，以此来提高历史故障率大的机械部位被选择的概率，从而使得生产查定更精准，时效更高。
请参阅附图5，在一实施例中，所述步骤S400:接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
S410、将所述运转参数输入至生产查定检测模型进行模型查定得到机械有效度K；
S420、当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
S430、当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
其中，所述生产查定检测模型满足如下表达式：K=[（作业时间T1/工作时间T）+（作业时间T2/工作时间T）+…+（作业时间Tn/工作时间T）]/n，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间。
具体地，系统首先获取各个机械部位的运转参数后通过系统判断、识别、计算得出各个机械部位的实际作业时长，即有效的作业时长（各运转参数符合预设的参数要求，当某个运转参数不符合要求时，即不计算为作业时长），然后将各个机械部位的作业时长及农业机械的工作时长输入至生产查定检测模型中进行模型查定得到机械有效度，本申请实施例对所有参与查定的机械部位进行有效度平均得到该农业机械的最终有效度K，如果机械有效度K大于或等于98%，说明该农业机械整体可靠性良好，符合生产查定的标准，为合格机械产品；如果机械有效度K小于98%，说明该农业机械存在某个或所有机械部位不稳定的情况，不符合生产查定的标准，为不合格机械产品。
请参阅附图6，为提高农业机械生产查定的精准性，在另一实施例中，所述步骤S400:接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
S440、将所述运转参数输入至根据历史查定数据预先训练的生产查定检测模型进行模型查定得到机械有效度K；
S450、当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
S460、当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
其中，所述生产查定检测模型满足如下表达式：K=（作业时间T1/工作时间T）*P1+（作业时间T2/工作时间T）*P2+…+（作业时间Tn/工作时间T）*Pn+K0，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间，Pn为根据历史查定数据得到的权重系数，K0为补偿量，K0的值根据历史查定的结果进行确定。
具体地，本申请实施例中，在生产查定检测模型训练过程中，采用历史查定的数据来作为生产查定检测模型的局部权重，当某个机械部位的历史故障率越大时，在计算农业机械的整体有效度K时的权重也越大，通过利用历史数据来判断哪些机械部位容易发生故障，以增大其计算权重，从而提高生产查定的准确性；例如，前一个月的历史生产查定过程中，履带轮、耕具、犁具发生的故障分别为5次、2次、3次，那么履带轮、耕具、犁具分别参与有效度K值的计算权重分别为50%、20%、30%；在其他的实施例中，当需要将标记号A、B、C、D的机械部位作为关键机械部位来进行生产查定检测时，系统获取历史查定的数据（如A、B、C、D分别故障6次、2次、1次、1次），通过该历史查定数据即可得到对应的权重系统（60%，20%，10%，10%），从而得到生产查定检测模型；最后基于该模型计算得到该农业机械的最终有效度K，如果机械有效度K大于或等于98%，说明该农业机械整体可靠性良好，符合生产查定的标准，为合格机械产品；如果机械有效度K小于98%，说明该农业机械存在某个或所有机械部位不稳定的情况，不符合生产查定的标准，为不合格机械产品。
需要说明的是，当某个型号的农业机械在历史查定过程中，得到的机械有效度K满足出厂标准的概率大于预设值时，设置补偿量K0，K0的值为1%-5%，因此，在某次的生产查定中，即使按照标准查定方式（不进行补偿）得到的有效度K值小于标准值，但是由于其历史查定过程中具有优良的表现，因此，本次生产查定得到的结果可以适当放行（适当进行K0补偿），让原本不能通过生产查定的农业机械可以通过生产查定，以减少因查定不合格而产生的后续进一步检测、维修等工作；当某个型号的农业机械在历史查定过程中，得到的机械有效度K满足出厂标准的概率小于预设值时，不设置补偿量K0，可以理解K0等于0，即某个型号的农业机械在历史查定过程中具有较差的表现时，其按照正常的查定标准进行。
在其他实施例中，当所述有效度K小于预设值时，还包括：重新获取运转参数并将所述运转参数输入至生产查定检测模型进行模型查定。即当在一次运转数据获取结束后通过查定模型进行查定得到机械不符合查定要求时，为排出偶然性或者数据监测失误产生的影响，可以重新获取运转数据再追加一次模型查定，以防止误判。
请参阅附图7，本申请实施例还提供了基于物联网的农业机械生产用智能监测系统100，包括：获取模块110，用于获取农业机械的基本信息；确定模块120，用于根据农业机械的类型确定需要生产查定的关键机械部位；启动模块130，用于启动相应的物联网监测设备；处理模块140，用于对机械运转数据进行运算以对农业机械生产查定。
请参阅附图8，图8为本申请实施例提供的电子设备200的硬件结构示意图，所述电子设备包括处理器210及存储器220；其中，处理器210用于提供计算和控制能力，以控制电子设备200执行相应任务，例如，控制执行上述任一方法实施例中的基于物联网的农业机械生产用智能监测方法，所述方法包括如下步骤：获取目标农业机械的基本信息，其中，所述基本信息包括农业机械的类型；基于所述农业机械的类型确定需要生产查定的关键机械部位；根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果。
处理器210可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、硬件芯片或者其任意组合；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、可编程逻辑器件（programmable logic device，PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（complex programmable logic device，CPLD），现场可编程逻辑门阵列（field-programmable gate array，FPGA），通用阵列逻辑（genericarray logic，GAL）或其任意组合。
存储器220作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本申请实施例中的业务大数据处理方法对应的程序指令/模块。处理器210通过运行存储在存储器220中的非暂态软件程序、指令以及模块，可以实现上述任一方法实施例中的基于物联网的农业机械生产用智能监测方法。
具体地，存储器220可以包括易失性存储器（volatile memory，VM），例如随机存取存储器（random access memory， RAM）；存储器220也可以包括非易失性存储器（non-volatile memory，NVM），例如只读存储器（read-only memory， ROM），快闪存储器（flashmemory），硬盘（hard disk drive， HDD）或固态硬盘（solid-state drive， SSD）或其他非暂态固态存储器件；存储器220还可以包括上述种类的存储器的组合。
综上所述，本申请电子设备200采用了上述任意一个基于物联网的农业机械生产用智能监测方法实施例的技术方案，因此，至少具有上述实施例的技术方案所带来的有益效果，在此不再一一赘述。
本申请实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的基于物联网的农业机械生产用智能监测方法。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory ,ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘（Compact Disc Read-OnlyMemory，CDROM）、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的基于物联网的农业机械生产用智能监测方法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.基于物联网的农业机械生产用智能监测方法，其特征在于，包括：
获取目标农业机械的基本信息，其中，所述基本信息包括农业机械的类型；
基于所述农业机械的类型确定需要生产查定的关键机械部位；
根据所述关键机械部位启动相应位置的物联网监测设备，所述物联网监测设备用于监测获取机械部位的运转参数；
接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果；
所述基于所述农业机械的类型确定需要生产查定的关键机械部位，包括：
当所述农业机械的类型满足预设条件时，将农业机械上预先标定的所有机械部位作为需要生产查定的关键机械部位；
当所述农业机械的类型不满足预设条件时，触发随机选择指令，并根据触发的选择指令，随机选择预设个数的机械部位作为需要生产查定的关键机械部位；所述的基于物联网的农业机械生产用智能监测方法，所述触发随机选择指令，包括：
获取历史生产查定的机械部位查定映射表，所述机械部位查定映射表包括历史查定的机械部位及其对应的历史故障率；
根据所述机械部位查定映射表确定随机选择的概率，其中机械部位的历史故障率越大，其被选择作为需要生产查定的关键机械部位的概率越大。
2.如权利要求1所述的基于物联网的农业机械生产用智能监测方法，其特征在于，所述根据所述机械部位查定映射表确定随机选择的概率，包括：
当机械部位的历史故障率大于或等于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率大于或等于预设概率；
当机械部位的历史故障率小于预设故障率，设定其被选择作为需要生产查定的关键机械部位的概率小于预设概率。
3.如权利要求1所述的基于物联网的农业机械生产用智能监测方法，其特征在于，所述接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
将所述运转参数输入至生产查定检测模型进行模型查定得到机械有效度K；
当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
所述生产查定检测模型满足如下表达式：K=[（作业时间T1/工作时间T）+（作业时间T2/工作时间T）+…+（作业时间Tn/工作时间T）]/n，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间。
4.如权利要求1所述的基于物联网的农业机械生产用智能监测方法，其特征在于，所述接收所述运转参数并将所述运转参数输入至生产查定检测模型进行模型查定并输出查定结果，包括：
将所述运转参数输入至根据历史查定数据预先训练的生产查定检测模型进行模型查定得到机械有效度K；
当所述有效度K大于等于预设值时，输出生产查定合格的查定结果；
当所述有效度K小于预设值时，输出生产查定不合格的查定结果；
所述生产查定检测模型满足如下表达式：K=（作业时间T1/工作时间T）*P1+（作业时间T2/工作时间T）*P2+…+（作业时间Tn/工作时间T）*Pn+K0，其中，作业时间Tn为各个关键机械部位的作业时间，工作时间T为该农业机械的工作时间，Pn为根据历史查定数据得到的权重系数，K0为补偿量。
5.如权利要求4所述的基于物联网的农业机械生产用智能监测方法，其特征在于，当所述有效度K小于预设值时，还包括：
重新获取运转参数并将所述运转参数输入至生产查定检测模型进行模型查定。
6.如权利要求1-5任意一项所述的基于物联网的农业机械生产用智能监测方法，其特征在于，所述获取目标农业机械的基本信息之前还包括：
获取农业机械生产查定的优先级顺序；
基于所述优先级顺序确定农业机械生产查定的目标农业机械。
7.如权利要求6所述的基于物联网的农业机械生产用智能监测方法，其特征在于，所述获取农业机械生产查定的优先级顺序，包括：
获取农户在先使用的投诉和/或维保信息；
基于所述投诉或维保信息确定农业机械的优先级顺序，其中，投诉越多，其优先级越高，或者维保次数越多，其优先级越高。
8.基于物联网的农业机械生产用智能监测系统，其特征在于，包括处理器及存储器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1至7任一项所述的基于物联网的农业机械生产用智能监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310871544.4A CN116612552B (zh) | 2023-07-17 | 2023-07-17 | 基于物联网的农业机械生产用智能监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310871544.4A CN116612552B (zh) | 2023-07-17 | 2023-07-17 | 基于物联网的农业机械生产用智能监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116612552A true CN116612552A (zh) | 2023-08-18 |
| CN116612552B CN116612552B (zh) | 2023-09-29 |
Family
ID=87683876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310871544.4A Active CN116612552B (zh) | 2023-07-17 | 2023-07-17 | 基于物联网的农业机械生产用智能监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116612552B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009301447A (ja) * | 2008-06-17 | 2009-12-24 | Nec Corp | 情報処理装置 |
| CN105117771A (zh) * | 2015-07-28 | 2015-12-02 | 北京理工大学 | 一种基于关联规则有向无环图的农机故障识别方法 |
| CN107132063A (zh) * | 2017-04-12 | 2017-09-05 | 柳州易农科技有限公司 | 一种农业机械故障识别系统 |
| KR101865086B1 (ko) * | 2017-11-15 | 2018-06-07 | (주) 동보파워텍 | 사고데이터 분석과 내부 이상상태 감시 및 진단 기능을 구비한 고장감시진단장치 내장형 수배전반 |
| CN112393891A (zh) * | 2020-11-23 | 2021-02-23 | 中国农业大学 | 一种农业作业机械关键部件疲劳损伤无线监测系统和方法 |
| CN113358154A (zh) * | 2021-06-03 | 2021-09-07 | 广东工业大学 | 一种农机设备故障监控溯源系统和方法 |
| CN114493204A (zh) * | 2022-01-13 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的工业设备监测方法及设备 |
| CN114493299A (zh) * | 2022-01-29 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的农业机械管控方法及设备、介质 |
| CN115760053A (zh) * | 2022-11-10 | 2023-03-07 | 三一重工股份有限公司 | 作业机械运行保障方法、系统、作业机械及电子设备 |
-
2023
- 2023-07-17 CN CN202310871544.4A patent/CN116612552B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009301447A (ja) * | 2008-06-17 | 2009-12-24 | Nec Corp | 情報処理装置 |
| CN105117771A (zh) * | 2015-07-28 | 2015-12-02 | 北京理工大学 | 一种基于关联规则有向无环图的农机故障识别方法 |
| CN107132063A (zh) * | 2017-04-12 | 2017-09-05 | 柳州易农科技有限公司 | 一种农业机械故障识别系统 |
| KR101865086B1 (ko) * | 2017-11-15 | 2018-06-07 | (주) 동보파워텍 | 사고데이터 분석과 내부 이상상태 감시 및 진단 기능을 구비한 고장감시진단장치 내장형 수배전반 |
| CN112393891A (zh) * | 2020-11-23 | 2021-02-23 | 中国农业大学 | 一种农业作业机械关键部件疲劳损伤无线监测系统和方法 |
| CN113358154A (zh) * | 2021-06-03 | 2021-09-07 | 广东工业大学 | 一种农机设备故障监控溯源系统和方法 |
| CN114493204A (zh) * | 2022-01-13 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的工业设备监测方法及设备 |
| CN114493299A (zh) * | 2022-01-29 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于工业互联网的农业机械管控方法及设备、介质 |
| CN115760053A (zh) * | 2022-11-10 | 2023-03-07 | 三一重工股份有限公司 | 作业机械运行保障方法、系统、作业机械及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116612552B (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107086944A (zh) | 一种异常检测方法和装置 | |
| US9310345B2 (en) | Sensor system, computer, and machine | |
| JP2019144985A (ja) | 異常検知データ識別装置、異常識別システムおよび異常識別プログラム | |
| CN107944721B (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及系统 | |
| CN108763040B (zh) | 数据采集方法及数据采集装置 | |
| CN110059013B (zh) | 软件升级后正常运行的确定方法及装置 | |
| CN100478650C (zh) | 改善发电设备故障检测的方法和装置 | |
| CN116612552B (zh) | 基于物联网的农业机械生产用智能监测方法及系统 | |
| CN110488188A (zh) | 基于动态阈值的机组三维健康量化评价方法 | |
| KR102575917B1 (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
| CN111160420B (zh) | 基于地图的故障诊断方法、装置、电子设备和存储介质 | |
| CN109990803A (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 | |
| CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
| CN109947819B (zh) | 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质 | |
| CN111679298B (zh) | 导航系统的完好性监测方法、完好性监测装置及电子设备 | |
| CN113704871B (zh) | 车轮弯曲疲劳的确定方法、装置、终端设备及介质 | |
| CN110689639A (zh) | 管线全覆盖检查的方法、装置、存储介质及计算机设备 | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
| CN113836199A (zh) | 车辆的传感数据处理方法、装置、电子设备及存储介质 | |
| CN110260880A (zh) | 列车行走公里计算方法及系统 | |
| CN106708638A (zh) | 系统错误检测方法和装置 | |
| CN111612032A (zh) | 一种数据处理方法及系统 | |
| CN115766529B (zh) | 一种视频图像采集设备在线检测方法及系统 | |
| CN112926824B (zh) | 激光加工设备的故障诊断方法 | |
| CN113641584B (zh) | 测试案例执行的监控分析方法及装置 |
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 |