CN116614140A - 一种基于人工智能的医用吊塔调控方法以及系统 - Google Patents
一种基于人工智能的医用吊塔调控方法以及系统 Download PDFInfo
- Publication number
- CN116614140A CN116614140A CN202310891479.1A CN202310891479A CN116614140A CN 116614140 A CN116614140 A CN 116614140A CN 202310891479 A CN202310891479 A CN 202310891479A CN 116614140 A CN116614140 A CN 116614140A
- Authority
- CN
- China
- Prior art keywords
- compression
- accuracy
- data
- initial threshold
- threshold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 27
- 230000001276 controlling effect Effects 0.000 title claims description 5
- 230000001105 regulatory effect Effects 0.000 title claims description 5
- 238000007906 compression Methods 0.000 claims abstract description 412
- 230000006835 compression Effects 0.000 claims abstract description 411
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013144 data compression Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 description 21
- 230000005856 abnormality Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
-
- 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)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及数据处理领域,提供一种基于人工智能的医用吊塔调控方法以及系统,包括:采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;基于第一压缩段和第一压缩直线确定初始门限的准确率;基于初始门限的准确率对初始门限进行修正,得到第二门限;旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段。该方法设置不同门限获取各个压缩段,充分考虑了数据的局部独特性,尽可能保证了数据压缩的准确性。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种基于人工智能的医用吊塔调控方法以及系统。
背景技术
医用吊塔是一种用于医院手术室的辅助设备,其主要功能是在手术中通过悬挂手术器械和材料,实现对手术器械和材料的输送和调度,帮助医生在手术过程中更加便捷地获取所需的器械和材料,有效地提高了手术效率和安全性。现代科技中,基于人工智能的医用吊塔调控方法已被广泛应用,基于人工智能技术,实现医用吊塔的智能调控,可以为医院提供更加智能化、安全可靠的医疗设备,提高医疗服务质量和医护人员的工作效率和满意度。
基于人工智能系统,能够实现医用吊塔的智能调控,通过摄像机和传感器获取运行数据,传输至系统进行分析处理,进而对医用吊塔的运行进行调控。这其中,数据传输是极为重要的步骤,由于采集到的吊塔运行中的各种数据点包括吊重、高度、速度、位置等,为了提高数据传输效率,需进行数据压缩。旋转门算法是可选的压缩算法,具有效率高、压缩比高、实现简单、误差可控制的优点。该算法中,以初始数据点为起点,人为设置门限对整个数据序列进行压缩,降低了算法的自适应性,且门限的大小决定了数据压缩效果,人为设置同一门限对全部数据进行压缩处理,无法保证其是最佳门限,忽略了数据的局部特性。同时,受采集设备和环境的影响,数据中存在异常点,影响了数据序列的压缩效果。
发明内容
本发明提供一种基于人工智能的医用吊塔调控方法以及系统,该方法能够提高数据压缩效果。
第一方面,本申请提供一种基于人工智能的医用吊塔调控方法,包括:
采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;
确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;
基于第一压缩段和第一压缩直线确定初始门限的准确率;
基于初始门限的准确率对初始门限进行修正,得到第二门限;
利用旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
在一可选实施例中,确定初始门限,包括:
计算数据序列的平均值与起始数据点的数值之间的差值,将差值作为初始门限。
在一可选实施例中,基于第一压缩段和第一压缩直线确定初始门限的准确率,包括:
计算第一压缩段中各个数据点与第一压缩直线之间的距离,基于各个数据点与第一压缩直线之间的距离得到各个数据点的异常率;
计算第一压缩段中各个数据点与第一拟合直线的距离,基于异常率以及各个数据点与第一拟合直线的距离计算第一压缩段的拟合程度;
基于第一压缩段的拟合程度计算第一压缩段的压缩准确率;以及基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率;
基于压缩准确率和压缩损失率确定初始门限的准确率。
在一可选实施例中,基于第一压缩段的拟合程度计算第一压缩段的压缩准确率,包括:
基于第一压缩直线与第一拟合直线之间的夹角计算第一压缩直线与第一拟合直线的贴合程度;
如果第一压缩段的拟合程度大于或等于预设值,则基于贴合程度以及基于第一压缩段的拟合程度得到第一压缩段的第一压缩准确率;
如果第一压缩段的拟合程度小于预设值,则基于贴合程度以及基于第一压缩段的拟合程度得到第一压缩段的第二压缩准确率;其中,第一压缩准确率大于第二压缩准确率。
在一可选实施例中,基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率,包括:
利用如下公式计算第一压缩段的压缩损失率:
;
其中,H表示第一压缩段的压缩损失率,s表示第一压缩段中各个数据点与第一压缩直线包围的面积。
在一可选实施例中,基于压缩准确率和压缩损失率确定初始门限的准确率,包括:
利用如下公式确定初始门限的准确率:
;
其中,G表示初始门限的准确率,K表示第一压缩段的压缩准确率,H表示第一压缩段的压缩损失率。
在一可选实施例中,基于初始门限的准确率对初始门限进行修正,得到第二门限,包括:
基于初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度计算修正指标;
基于修正指标、初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度对初始门限进行修正,得到第二门限。
在一可选实施例中,基于初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度计算修正指标,包括:
利用如下公式计算修正指标:
;
其中,G表示初始门限的准确率,为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标。
在一可选实施例中,基于修正指标、初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度对初始门限进行修正,得到第二门限,包括:
利用如下公式对初始门限进行修正,得到第二门限:
;
其中,为初始门限,G为初始门限的准确率,/>为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标,/>表示第二门限。
第二方面,本申请提供一种基于人工智能的医用吊塔调控系统,包括:数据采集模块,用于采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;第一压缩模块,用于确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;计算模块,用于基于第一压缩段和第一压缩直线确定初始门限的准确率;修正模块,用于基于初始门限的准确率对初始门限进行修正,得到第二门限;第二压缩模块,用于利用旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
本申请的有益效果,区别于现有技术,本申请的基于人工智能的医用吊塔调控方法,包括:采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;基于第一压缩段和第一压缩直线确定初始门限的准确率;基于初始门限的准确率对初始门限进行修正,得到第二门限;旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段。该方法设置不同门限获取各个压缩段,充分考虑了数据的局部独特性,尽可能保证了数据压缩的准确性。
附图说明
图1是本申请基于人工智能的医用吊塔调控方法的一实施例的流程示意图;
图2是旋转门压缩算法原理示意图;
图3是图1中步骤S13的一实施例的流程示意图;
图4是第一拟合直线和第一压缩直线的示意图;
图5是第一压缩段中各个数据点与第一压缩直线包围的面积示意图;
图6是本发明基于人工智能的医用吊塔调控系统的一实施例的结构示意图。
具体实施方式
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,所描述的实施例仅是本申请的一部分实施例,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做出创造性劳动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。
下面结合附图和实施例对本申请进行详细的说明。
请参见图1,为本发明基于人工智能的医用吊塔调控方法的一实施例的流程示意图,包括:
步骤S11:采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种。
基于摄像机和传感器,利用图像感知技术和无限传感器技术,采集医用吊塔运行过程中吊重、速度、高度、位置等数据,根据时间获取数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种。
步骤S12:确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线。
旋转门压缩算法中,以数据序列首个数据点为起点,人为设置门限进行旋转门操作,获取压缩数据。压缩数据序列中各个压缩段的生成是基于最初人为设置的门限,因此该门限决定了压缩效果,人为设置门限不仅降低了算法的自适应性,还难以保证门限的优劣,影响了数据压缩效果,且全部压缩段使用同一门限,以同一标准对全部数据进行压缩处理,忽视了数据的局部特性,数据压缩程度过于相似,影响了数据压缩的准确性。
本发明通过数据序列获取具有一定可信度的初始门限,进而进行旋转门操作获取第一压缩段和第一压缩直线,同时基于最小二乘法计算第一压缩段内各数据点的拟合线段,计算各数据点的拟合程度以及异常率获取数据压缩准确率,异常率的设置能够尽可能减少数据序列中异常点对数据压缩准确率计算的影响,以获取更加真实的衡量标准。计算第一压缩段内各数据点的压缩损失率,以体现压缩效果,结合压缩准确率获取初始门限准确率,获取了初始门限下第一压缩段的压缩准确性。利用数据局部相似性,结合初始门限准确率获取初始门限修正指标,对具有一定可信度的初始门限进行调整获取第二压缩段的门限,确保了门限设置的准确性,相对节约了门限获取时间。以不同门限获取不同压缩段,既尽可能保证了各数据序列段的压缩准确性,又兼顾了各数据压缩的独立性。
具体的,在一实施例中,计算数据序列的平均值与起始数据点的数值之间的差值,将差值作为初始门限。
数据序列的平均值计算方式为:
;
其中,为数据序列中数据值的均值即数据序列的平均值,/>为数据序列第j个数据点的值,M为数据序列中数据点的数目。
数据序列的平均值与起始数据点的数值之间的差值,即初始门限为:,/>为数据序列的起始数据点的数值。
具体的,数据序列的平均值表示数据序列各数据点数据量的平均水平,求取第一个数据点的数值与平均值的差值,可表示第一个数据点数据值相对于数据序列数据平均值的偏移大小,以第一个数据点即起始数据点为起点进行第一压缩段的获取,将偏移大小作为初始门限,使得初始门限的设置具有一定的可信度,据此获取的第一压缩段有一定的准确性,后续计算具有可信度。
利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线。具体请参见图2,图2为旋转门压缩算法原理图,该图以吊塔的吊重为例,图中的纵坐标表示医用吊塔的吊重;若数据点表示医用吊塔的速度,则此处的纵坐标表示速度;若数据点表示医用吊塔的高度,则此处的纵坐标表示高度;若数据点表示医用吊塔的位置,则此处的纵坐标表示位置。数据点按时间顺序排列,以数据序列第一个数据点为起点,获取距离其初始门限/>大小的上下两个点为支点,对各数据点进行旋转门操作,获取第一压缩段和第一压缩直线。其中,第一压缩段中共有X个数据点,记第一压缩段起点的第一个数据点/>为/>,第一压缩段终点的第X个数据点/>为/>,记第一压缩直线。
步骤S13:基于第一压缩段和第一压缩直线确定初始门限的准确率。
具体的,通过获取第一压缩段内各数据点的压缩效果来衡量初始门限设置的合适程度,可由初始门限准确率来表示。初始门限准确率可由第一压缩段内各数据点的压缩准确率和损失率结合获取。初始门限的设置决定了第一压缩段各数据点的压缩准确率,压缩准确率能够表示第一压缩直线对各数据点的表达程度,同时由于采集设备和环境的不确定性,可能存在异常点,因此需要通过计算数据点的异常率来调整不同数据对计算压缩准确率的贡献。另外,初始门限的设置还决定了操作过程中的压缩损失率,压缩损失率能够衡量压缩过程中数据的损失程度。
在一实施例中,请结合图3,步骤S13包括:
步骤S31:计算第一压缩段中各个数据点与第一压缩直线之间的距离,基于各个数据点与第一压缩直线之间的距离得到各个数据点的异常率。
具体的,第一压缩直线表示为,第一压缩段中各个数据点与第一压缩直线之间的距离记为/>,计算第一压缩段中各个数据点与第一压缩直线之间的距离/>的方式为:
;
其中,表示第i个数据点对应的时间,/>表示第i个数据点对应的数值,/>即表示第i个数据点的坐标。
基于各个数据点与第一压缩直线之间的距离得到各个数据点的异常率的方式为:
;
其中,()为双曲正切函数,/>表示第一压缩段中数据点的个数。
由于采集设备和环境的不确定性,数据序列中数据可能存在异常,因此求取第一压缩段内各数据点异常率,在后续进行压缩准确度计算时,尽可能减少异常可能性较大的数据点对计算结果的影响。在获取了第一压缩段的第一压缩直线后,数据点距离第一压缩直线越远,说明第一压缩直线对数据点的表达效果越差,而由于初始门限具有一定可信度,以此获取的第一压缩直线也具有一定可信度,即第一压缩直线对正常数据点的表达是较好的,因此数据点与第一压缩直线距离越大,其异常率越高。
步骤S32:计算第一压缩段中各个数据点与第一拟合直线的距离,基于异常率以及各个数据点与第一拟合直线的距离计算第一压缩段的拟合程度。
具体的,使用最小二乘法确定第一压缩段中各个像素点与第一压缩直线的第一拟合直线,具体请参见图4。对于第一压缩段内各数据点,使用最小二乘法确定第一拟合直线,第一拟合直线表示为。在获取了第一压缩段内各数据点的第一拟合直线后,在考虑数据异常率的情况下,数据点异常率越大,其对计算拟合程度的贡献应该越小,数据点与第一拟合直线距离越小,说明数据拟合程度越高。
计算第一压缩段中各个数据点与第一拟合直线的距离的方式为:
。
基于异常率以及各个数据点与第一拟合直线的距离/>计算第一压缩段中各个数据点的拟合程度,进一步基于第一压缩段中各个数据点的拟合程度计算第一压缩段的拟合程度。
具体的,基于异常率以及各个数据点与第一拟合直线的距离/>计算第一压缩段中各个数据点的拟合程度/>的方式为:
。
其中,e为自然常数。
基于第一压缩段中各个数据点的拟合程度计算第一压缩段的拟合程度/>的方式为:
。
步骤S33:基于第一压缩段的拟合程度计算第一压缩段的压缩准确率;以及基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率。
基于第一压缩直线与第一拟合直线之间的夹角计算第一压缩直线与第一拟合直线的贴合程度;如果第一压缩段的拟合程度大于或等于预设值,则基于贴合程度以及基于第一压缩段的拟合程度得到第一压缩段的第一压缩准确率;如果第一压缩段的拟合程度小于预设值,则基于贴合程度以及基于第一压缩段的拟合程度得到第一压缩段的第二压缩准确率;其中,第一压缩准确率大于第二压缩准确率。
具体的,基于第一压缩直线与第一拟合直线之间的夹角计算第一压缩直线与第一拟合直线的贴合程度/>的方式为:
。
第一压缩段的压缩准确率K的计算方式为:
。
即如果第一压缩段的拟合程度大于或等于0.5时,第一压缩段的压缩准确率K(即第一压缩准确率)为/>。如果第一压缩段的拟合程度/>小于0.5时,第一压缩段的压缩准确率K(即第二压缩准确率)为/>。
需要说明的是,在第一压缩段的拟合程度较好的情况下(按经验拟合程度大于等于0.5),第一拟合直线对第一压缩段内各数据点分布的表达效果较好,当第一压缩直线与第一拟合直线夹角越小,即两直线贴合程度越大时,第一压缩直线的可信度较高,第一压缩段内第一压缩直线对各数据点的表达效果越好,压缩准确率越大。在第一压缩段拟合程度较差的情况下(按经验拟合程度小于0.5),第一拟合直线对第一压缩段内各数据点分布的表达效果较差,当第一压缩直线与第一拟合直线夹角越小,即两直线贴合程度越大时,第一压缩直线的可信度较低,第一压缩段内第一压缩直线对各数据点的表达误差越大,压缩准确率越小。
进一步的,基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率H。具体请结合图5,图5为第一压缩段中各个数据点与第一压缩直线包围的面积示意图。在一实施例中,利用如下公式计算第一压缩段的压缩损失率H:
;
其中,H表示第一压缩段的压缩损失率,s表示第一压缩段中各个数据点与第一压缩直线包围的面积,为反正切函数。
对第一压缩段内各数据点,每一数据点在压缩后会有最合适的第一压缩直线,因此,通过计算第一压缩段内各数据点与整体第一压缩直线包围的面积,考虑各数据点压缩效果可扩展范围,包围面积越小,各数据点对于第一压缩直线的偏移越小,该第一压缩直线的表达效果越好,第一压缩直线包含的数据信息越多,即数据压缩时损失率越小。
步骤S34:基于压缩准确率和压缩损失率确定初始门限的准确率。
在一实施例中,利用如下公式确定初始门限的准确率:
;
其中,G表示初始门限的准确率,K表示第一压缩段的压缩准确率,H表示第一压缩段的压缩损失率。
第一压缩段的压缩准确率K和压缩损失率H是相互独立的,当压缩准确率越大,即第一压缩段内第一压缩直线对各数据点的表达效果越好,且压缩损失率越小,即第一压缩段内各数据点的信息损失较少时,基于初始门限的旋转门操作对各数据点的压缩效果越好。
步骤S14:基于初始门限的准确率对初始门限进行修正,得到第二门限。
数据序列中的数据点具有局部相似性,即第二压缩段的数据分布与第一压缩段具有一定相似性,则第二压缩段的门限设置可参考初始门限。在初始门限准确率较高情况下,若第二压缩段终点拟合程度较高,则基于初始门限的旋转门操作压缩效果较好,那么对可信度较高的初始门限进行较少修正即可获得压缩效果较好的第二压缩段的门限即第二门限,即初始门限修正指标设置较低即可,确保了门限设置的准确性,同时相对节约了门限获取时间。在初始门限准确率较低情况下,若第二压缩段终点拟合程度较高,则基于初始门限的旋转门操作压缩效果较差,需要对可信度较低的初始门限进行较大修正才可获得压缩效果较好的第二压缩段门限,即初始门限修正指标需要设置较高。
在一实施例中,基于初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度计算修正指标;基于修正指标、初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度对初始门限进行修正,得到第二门限。
在一实施例中,利用如下公式计算修正指标:
;
其中,G表示初始门限的准确率,为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标。
由于数据序列具有局部相似性,第一压缩段终点与和其后续的第二压缩段中数据点分布相似,同时第一压缩段与第二压缩段分布具有一定相似性,因此在初始门限准确率较高的情况下(据经验初始门限准确率大于等于0.7),初始门限准确率对修正指标影响较大,修正指标主要由初始门限准确率决定,若第一压缩段终点对第一拟合直线的拟合程度较高,则第二压缩段中数据点对第一拟合直线的拟合程度也较高,那么对初始门限进行较小程度的修正即可获取压缩效果较好的第二压缩段门限,即门限修正指标较小;在初始门限准确率较低的情况下(据经验初始门限准确率小于0.7),初始门限准确率对修正指标影响较小,修正指标主要由第一压缩段终点的拟合程度决定,若第一压缩段终点对第一拟合直线的拟合程度较高,基于初始门限可信度较低的情况,需要对初始门限进行较大程度的修正,即门限修正指标较大,以此获取与初始门限相差较大的更为准确的第二压缩段门限。
在一实施例中,利用如下公式对初始门限进行修正,得到第二门限:
;
其中,为初始门限,G为初始门限的准确率,/>为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标,/>表示第二门限。
当初始门限准确率较大且第一压缩段终点拟合程度较大(据经验初始门限准确率大于等于0.7且拟合程度大于等于0.7)时,第一压缩段压缩效果较好,初始门限的可信度较大,需要对初始门限进行扩大进而获取第二压缩段门限,使得第二压缩段长度增大,将更多数据点纳入其中,提高压缩效果;反之,对初始门限缩减以获取第二压缩段门限,缩短第二压缩段长度以保证压缩的准确性。
步骤S15:利用旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
通过上述方式得到第二门限,利用旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段和对应的第一压缩直线。然后返回执行上述步骤S12进一步计算下一次压缩使用的第三门限,遍历所有的数据序列,直至完成压缩。
本发明的主要目的是:基于人工智能系统,采集医用吊塔运行数据,利用旋转门压缩算法,获取初始门限,进行旋转门操作获取第一压缩段和压缩直线,获取第一压缩段内各数据点的拟合线段,根据各数据点的拟合程度和异常率获取压缩准确率,并结合压缩损失率获取初始门限准确率。基于数据的局部相似性,基于初始门限准确率和修正指标设置下一门限,获取第二压缩段,遍历数据序列,获取压缩结果,传输至系统进行分析,以便后续医用吊塔的运行调控。
本发明通过摄像机和传感器获取医用吊塔运行的各种数据,基于旋转门压缩算法,首先通过数据序列获取初始门限,进行旋转门操作,获取第一压缩段和压缩直线,同时获取第一压缩段各数据点的拟合线段,由于设备和环境的不确定性,采集到的数据中不可避免出现异常点,本发明通过计算各数据点的拟合度获取其异常率,对异常点进行识别,在后续计算中降低异常点的使用,尽可能保证数据压缩的准确性。获取第一压缩段内各数据点的压缩准确率和损失率,以此获取初始门限准确率,对设置的初始门限进行评估,基于数据的局部相似性,调整第二压缩段的门限的设置,提高了算法的自适应性。且由不同门限生成不同压缩段,充分考虑了数据的局部特性,保证了数据压缩的独立性,尽可能提高数据压缩的准确性。
本发明提出了一种基于人工智能的医用吊塔调控方法,通过设置初始门限获取第一压缩段,同时获取压缩段内各数据点的拟合线段,根据压缩段内各数据点的拟合程度和异常率获取初始门限下的压缩准确率,结合各数据点的压缩损失率获取初始门限的准确率,并结合门限改变程度,基于数据局部相似性获取第二压缩段的门限。设置不同门限获取各个压缩段,充分考虑了数据的局部独特性,尽可能保证了数据压缩的准确性。采集数据时受设备和环境的影响,数据中含有异常点,压缩时进行了异常点的识别,降低了压缩错误率。同时,后续压缩段的门限的获取充分利用了数据局部相似性,降低了门限设置误差。
请参见6,图6为本发明基于人工智能的医用吊塔调控系统的一实施例的结构示意图,具体包括:数据采集模块61、第一压缩模块62、计算模块63、修正模块64以及第二压缩模块65。
其中,数据采集模块61用于采集医用吊塔运行过程中的数据信息,得到数据序列,数据序列包括多个数据点,每一数据点包括一组数据信息,数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种。第一压缩模块62用于确定初始门限,利用旋转门压缩算法基于初始门限从数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线。计算模块63用于基于第一压缩段和第一压缩直线确定初始门限的准确率。修正模块64用于基于初始门限的准确率对初始门限进行修正,得到第二门限。第二压缩模块65用于利用旋转门压缩算法基于第二门限对数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于人工智能的医用吊塔调控方法,其特征在于,包括:
采集医用吊塔运行过程中的数据信息,得到数据序列,所述数据序列包括多个数据点,每一数据点包括一组数据信息,所述数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;
确定初始门限,利用旋转门压缩算法基于所述初始门限从所述数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;
基于所述第一压缩段和第一压缩直线确定初始门限的准确率;
基于初始门限的准确率对所述初始门限进行修正,得到第二门限;
利用旋转门压缩算法基于所述第二门限对所述数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
2.根据权利要求1所述的基于人工智能的医用吊塔调控方法,其特征在于,确定初始门限,包括:
计算数据序列的平均值与所述起始数据点的数值之间的差值,将所述差值作为所述初始门限。
3.根据权利要求1所述的基于人工智能的医用吊塔调控方法,其特征在于,基于所述第一压缩段和第一压缩直线确定初始门限的准确率,包括:
计算所述第一压缩段中各个数据点与所述第一压缩直线之间的距离,基于各个数据点与所述第一压缩直线之间的距离得到各个数据点的异常率;
计算所述第一压缩段中各个数据点与第一拟合直线的距离,基于异常率以及各个数据点与第一拟合直线的距离计算所述第一压缩段的拟合程度;
基于所述第一压缩段的拟合程度计算所述第一压缩段的压缩准确率;以及基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率;
基于所述压缩准确率和所述压缩损失率确定所述初始门限的准确率。
4.根据权利要求3所述的基于人工智能的医用吊塔调控方法,其特征在于,所述基于所述第一压缩段的拟合程度计算所述第一压缩段的压缩准确率,包括:
基于第一压缩直线与第一拟合直线之间的夹角计算第一压缩直线与第一拟合直线的贴合程度;
如果所述第一压缩段的拟合程度大于或等于预设值,则基于所述贴合程度以及基于所述第一压缩段的拟合程度得到第一压缩段的第一压缩准确率;
如果所述第一压缩段的拟合程度小于所述预设值,则基于所述贴合程度以及基于所述第一压缩段的拟合程度得到第一压缩段的第二压缩准确率;其中,所述第一压缩准确率大于所述第二压缩准确率。
5.根据权利要求3所述的基于人工智能的医用吊塔调控方法,其特征在于,基于第一压缩段中各个数据点与第一压缩直线包围的面积计算第一压缩段的压缩损失率,包括:
利用如下公式计算第一压缩段的压缩损失率:
;
其中,H表示第一压缩段的压缩损失率,s表示第一压缩段中各个数据点与第一压缩直线包围的面积,为反正切函数。
6.根据权利要求3所述的基于人工智能的医用吊塔调控方法,其特征在于,基于所述压缩准确率和所述压缩损失率确定所述初始门限的准确率,包括:
利用如下公式确定所述初始门限的准确率:
;
其中,G表示初始门限的准确率,K表示第一压缩段的压缩准确率,H表示第一压缩段的压缩损失率。
7.根据权利要求1所述的基于人工智能的医用吊塔调控方法,其特征在于,基于初始门限的准确率对所述初始门限进行修正,得到第二门限,包括:
基于所述初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度计算修正指标;
基于所述修正指标、所述初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度对所述初始门限进行修正,得到第二门限。
8.根据权利要求7所述的基于人工智能的医用吊塔调控方法,其特征在于,基于所述初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度计算修正指标,包括:
利用如下公式计算修正指标:
;
其中,G表示初始门限的准确率,为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标,/>为反正切函数。
9.根据权利要求7所述的基于人工智能的医用吊塔调控方法,其特征在于,基于所述修正指标、所述初始门限的准确率以及第一压缩段的终点对第一拟合直线的拟合程度对所述初始门限进行修正,得到第二门限,包括:
利用如下公式对所述初始门限进行修正,得到第二门限:
;
其中,为初始门限,G为初始门限的准确率,/>为第一压缩段的终点/>对于第一拟合直线的拟合程度,C表示修正指标,/>表示第二门限。
10.一种基于人工智能的医用吊塔调控系统,其特征在于,包括:
数据采集模块,用于采集医用吊塔运行过程中的数据信息,得到数据序列,所述数据序列包括多个数据点,每一数据点包括一组数据信息,所述数据信息包括医用吊塔的吊重、速度、高度、位置中至少一种;
第一压缩模块,用于确定初始门限,利用旋转门压缩算法基于所述初始门限从所述数据序列中的起始数据点开始压缩,得到第一压缩段和第一压缩直线;
计算模块,用于基于所述第一压缩段和第一压缩直线确定初始门限的准确率;
修正模块,用于基于初始门限的准确率对所述初始门限进行修正,得到第二门限;
第二压缩模块,用于利用旋转门压缩算法基于所述第二门限对所述数据序列进行压缩,得到第二压缩段以及对应的第二压缩直线,执行基于第二压缩段和第二压缩直线确定第二门限的准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891479.1A CN116614140B (zh) | 2023-07-20 | 2023-07-20 | 一种基于人工智能的医用吊塔调控方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891479.1A CN116614140B (zh) | 2023-07-20 | 2023-07-20 | 一种基于人工智能的医用吊塔调控方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116614140A true CN116614140A (zh) | 2023-08-18 |
CN116614140B CN116614140B (zh) | 2023-10-10 |
Family
ID=87680424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310891479.1A Active CN116614140B (zh) | 2023-07-20 | 2023-07-20 | 一种基于人工智能的医用吊塔调控方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116614140B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090157712A1 (en) * | 2007-12-14 | 2009-06-18 | Bmc Software, Inc. | Dynamic Compression of Systems Management Data |
CN102664635A (zh) * | 2012-03-06 | 2012-09-12 | 华中科技大学 | 一种精度可控的自适应数据压缩方法 |
CN114900191A (zh) * | 2022-05-13 | 2022-08-12 | 国网安徽省电力有限公司 | 一种对于旋转门算法压缩差动保护数据的改进算法 |
CN115670418A (zh) * | 2023-01-03 | 2023-02-03 | 深圳市研强物联技术有限公司 | 一种基于智能手表用户信息的数据存储方法 |
CN116155298A (zh) * | 2023-04-20 | 2023-05-23 | 山东水运发展集团有限公司济宁分公司 | 一种基于互联网数据的船闸远程管理系统 |
CN116225347A (zh) * | 2023-05-10 | 2023-06-06 | 上海伯镭智能科技有限公司 | 一种具有数据安全保护功能的无人驾驶系统数据管理方法 |
CN116400870A (zh) * | 2023-06-08 | 2023-07-07 | 西安品盛互联网技术有限公司 | 一种基于物联网的现场施工在线管理系统 |
-
2023
- 2023-07-20 CN CN202310891479.1A patent/CN116614140B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090157712A1 (en) * | 2007-12-14 | 2009-06-18 | Bmc Software, Inc. | Dynamic Compression of Systems Management Data |
CN102664635A (zh) * | 2012-03-06 | 2012-09-12 | 华中科技大学 | 一种精度可控的自适应数据压缩方法 |
CN114900191A (zh) * | 2022-05-13 | 2022-08-12 | 国网安徽省电力有限公司 | 一种对于旋转门算法压缩差动保护数据的改进算法 |
CN115670418A (zh) * | 2023-01-03 | 2023-02-03 | 深圳市研强物联技术有限公司 | 一种基于智能手表用户信息的数据存储方法 |
CN116155298A (zh) * | 2023-04-20 | 2023-05-23 | 山东水运发展集团有限公司济宁分公司 | 一种基于互联网数据的船闸远程管理系统 |
CN116225347A (zh) * | 2023-05-10 | 2023-06-06 | 上海伯镭智能科技有限公司 | 一种具有数据安全保护功能的无人驾驶系统数据管理方法 |
CN116400870A (zh) * | 2023-06-08 | 2023-07-07 | 西安品盛互联网技术有限公司 | 一种基于物联网的现场施工在线管理系统 |
Non-Patent Citations (2)
Title |
---|
于松涛;王晓琨;赵利强;于涛;王建林;: "基于容差动态调整的旋转门(SDT)改进算法", 北京化工大学学报(自然科学版), no. 03 * |
宁海楠;: "一种基于SDT算法的新的过程数据压缩算法", 计算机技术与发展, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN116614140B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521560B (zh) | 高鲁棒仪表指针图像识别方法 | |
CN106067001B (zh) | 一种动作识别方法 | |
CN112254663B (zh) | 一种基于影像识别的平面变形监测测量方法及其系统 | |
CN110503144A (zh) | 一种用于巡检机器人的指针式仪表识别方法 | |
CN106920241A (zh) | 一种汽包水位监控方法、装置及系统 | |
CN116614140B (zh) | 一种基于人工智能的医用吊塔调控方法以及系统 | |
CN118282413B (zh) | 一种用于超高层钢结构施工过程的监测数据管理方法 | |
CN117333824A (zh) | 基于bim的桥梁施工安全监测方法及系统 | |
CN118376284B (zh) | 一种物联网多模态监测数据优化传输方法 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN117390008B (zh) | 多类型观测仪器的测量数据处理方法和装置 | |
CN116509426A (zh) | 一种肘关节旋转中心轴识别方法、系统、电子设备及介质 | |
CN116882079A (zh) | 一种水泵特性曲线自适应校准及预测方法 | |
CN117530775B (zh) | 一种基于人工智能和ct的磁控介入控制方法及系统 | |
CN118336910A (zh) | 一种智慧化配电室运行管理系统及方法 | |
CN116543889B (zh) | 基于医疗物联网的内窥镜远程操控系统及方法 | |
CN111964604B (zh) | 一种基于影像识别的平面变形监测测量方法 | |
CN113419502A (zh) | 基于人工智能的制壳生产过程的工序监测方法与系统 | |
CN111899862A (zh) | 一种呼吸机参数获取方法、装置、设备及存储介质 | |
El-Fegh et al. | Automated 2-D cephalometric analysis of X-ray by image registration approach based on least square approximator | |
CN113796839B (zh) | 一种智能跟踪肢体位置并进行分区温度调节方法 | |
CN111860633B (zh) | 一种波形传感数据的处理方法 | |
CN115900635B (zh) | 一种隧道变形数据监测方法、装置与系统 | |
CN116183638B (zh) | 一种dr空间分辨力自动检测计算方法 | |
CN116630318B (zh) | 移动终端测量活动度的优化方法及系统 |
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 |