CN116680752B - 一种基于数据处理的水利工程安全监测方法及系统 - Google Patents
一种基于数据处理的水利工程安全监测方法及系统 Download PDFInfo
- Publication number
- CN116680752B CN116680752B CN202310583664.4A CN202310583664A CN116680752B CN 116680752 B CN116680752 B CN 116680752B CN 202310583664 A CN202310583664 A CN 202310583664A CN 116680752 B CN116680752 B CN 116680752B
- Authority
- CN
- China
- Prior art keywords
- edge computing
- safety monitoring
- data
- safety
- subarea
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 29
- 238000009434 installation Methods 0.000 claims description 25
- 230000006872 improvement Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
Abstract
本说明书实施例提供一种基于数据处理的水利工程安全监测方法及系统,其中,该方法包括:将水利工程的待监测区域分为多个子区域,在每个子区域内设置至少一个安全监测组件;在多个子区域内设置多个边缘计算设备,每个边缘计算设备对应有至少一个安全监测组件;边缘计算设备接收对应的安全监测组件采集的实时安全相关数据并基于安全监测组件采集的实时安全相关数据进行数据分析,确定安全监测组件所在子区域的安全风险,并将对应的安全监测组件采集的数据上传至安全监测平台;将安全风险大于预设安全风险阈值的子区域作为目标子区域,安全监测平台基于多个边缘计算设备中的至少一部分上传的实时安全相关数据,二次确定目标子区域的安全风险。
Description
技术领域
本说明书涉及数据处理领域,特别涉及一种基于数据处理的水利工程安全监测方法及系统。
背景技术
水利工程是用于控制和调配自然界的地表水和地下水,达到除害兴利目的而修建的工程,也称为水工程,水是人类生产和生活必不可少的宝贵资源,但其自然存在的状态并不完全符合人类的需要,只有修建水利工程,才能控制水流,防止洪涝灾害,并进行水量的调节和分配,以满足人民生活和生产对水资源的需要,水利工程需要修建坝、堤、溢洪道、水闸、进水口、渠道、渡漕、筏道、鱼道等不同类型的水工建筑物,以实现其目标。
现有的水利工程建设安全监测是通过监理人员定期去现场勘察,无法对水利工程的安全进行实时监测,因此传统的水利工程建设安全监测方式还存在了很多问题,一方面,监测内容比较单一,具有片面性,一方面无法有效的提高对水利工程安全监测的监测效率,另一方面,传统方式需要大量的人工成本和时间成本。
因此,需要提供一种基于数据处理的水利工程安全监测方法及系统,用于对水利工程安全进行自动监测。
发明内容
本说明书实施例之一提供一种基于数据处理的水利工程安全监测方法,包括:将水利工程的待监测区域分为多个子区域,在每个所述子区域内设置至少一个安全监测组件,所述安全监测组件用于获取所在子区域的实时安全相关数据;在所述多个子区域内设置多个边缘计算设备,每个所述边缘计算设备对应有至少一个所述安全监测组件;所述边缘计算设备接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,并将对应的所述安全监测组件采集的数据上传至安全监测平台;当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险。
在一些实施例中,所述安全监测组件包括至少一个数据采集设备;所述在每个所述子区域内设置至少一个安全监测组件,包括:对于每个所述子区域,获取所述子区域的子区域相关信息,其中,所述子区域相关信息至少包括地形特征信息、环境信息及水利工程施工信息;对于每个所述子区域,基于所述子区域相关信息确定设置在所述子区域的数据采集设备的类型及数量。
在一些实施例中,所述在所述多个子区域内设置多个边缘计算设备,包括:建立所述水利工程的待监测区域的三维空间模型;计算每个所述安全监测组件对应的算力需求;通过蒙特卡洛模型随机生成多种候选设置方案,其中,每种所述候选设置方案包括所述边缘计算设备的数量、每个所述边缘计算设备的安装位置及每个所述边缘计算设备对应的安全监测组件;对于每种所述候选设置方案,基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值;基于每种所述候选设置方案对应的匹配值,从所述多种候选设置方案确定目标候选设置方案;基于所述目标候选设置方案,在所述多个子区域内设置多个边缘计算设备。
在一些实施例中,所述基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值,包括:对于每个所述边缘计算设备,基于所述边缘计算设备对应的每个所述安全监测组件包括的每个所述数据采集设备的数据安装设备的安装位置及所述水利工程的待监测区域的三维空间模型,计算所述边缘计算设备的总通信距离;基于所述边缘计算设备对应的每个所述安全监测组件的算力需求,计算所述边缘计算设备的算力饱和度;基于所述边缘计算设备的总通信距离及所述边缘计算设备的算力饱和度,计算所述边缘计算设备对应的设备匹配度;基于每个所述边缘计算设备对应的设备匹配度,计算所述候选设置方案的匹配值。
在一些实施例中,所述边缘计算设备接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,包括:对所述安全监测组件采集的数据进行异常值剔除并进行缺失值补全,生成补全后的数据;所述边缘计算单元使用风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险。
在一些实施例中,所述边缘计算单元使用风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险,包括:所述边缘计算单元使用精度提升模型基于所述补全后的数据,生成精度提升后的数据;所述边缘计算单元使用所述风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险。
在一些实施例中,所述边缘计算设备将对应的所述安全监测组件采集的数据上传至安全监测平台,包括:所述边缘计算单元将所述安全监测组件对应的精度提升后的数据加密后上传至安全监测平台。
在一些实施例中,所述边缘计算单元将所述安全监测组件对应的精度提升后的数据加密后上传至安全监测平台,包括:所述边缘计算单元基于所述安全监测组件的设备编码及所在安全监测组件的实时位置所在的子区域信息,对所述安全监测组件对应的精度提升后的数据进行第一次加密,生成第一次加密后的数据;所述边缘计算单元基于所述安全监测平台的公钥及随机数对所述第一次加密后的数据进行第二次加密,生成第二次加密后的数据;所述边缘计算单元使用关联函数基于所述安全监测平台的公钥及随机数生成加密标识;所述边缘计算单元将所述第二次加密后的数据及所述加密标识发送至所述安全监测平台。
在一些实施例中,所述当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险,包括:所述安全监测平台接收所述边缘计算单元上传的边缘计算单元上传的所述第二次加密后的数据及所述加密标识;所述安全监测平台基于所述公钥及所述加密标识对所述关联函数求解,获取随机数;所述安全监测平台基于所述公钥及所述随机数,对所述第二次加密后的数据进行解密,获取所述第一次加密后的数据;所述安全监测平台基于预存的所述安全监测组件的设备编码及所在安全监测组件所在的子区域信息,对所述第一次加密后的数据进行解密,获取所述安全监测组件对应的精度提升后的数据;所述安全监测平台确定所述目标子区域的至少一个相关子区域,基于所述目标子区域包括的安全监测组件对应的精度提升后的数据及所述相关子区域对应的精度提升后的数据,二次确定所述目标子区域的安全风险。
本说明书实施例之一提供一种基于数据处理的水利工程安全监测系统,包括:数据采集模块,用于将水利工程的待监测区域分为多个子区域,在每个所述子区域内设置至少一个安全监测组件,所述安全监测组件用于获取所在子区域的实时安全相关数据;边缘计算模块,用于在所述多个子区域内设置多个边缘计算设备,每个所述边缘计算设备对应有至少一个所述安全监测组件,所述边缘计算设备用于接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,并将对应的所述安全监测组件采集的数据上传至安全监测平台;安全监测平台,用于当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于数据处理的水利工程安全监测系统的模块示意图;
图2是根据本说明书一些实施例所示的基于数据处理的水利工程安全监测方法的流程图;
图3是根据本说明书一些实施例所示的在多个子区域内设置多个边缘计算设备的流程图;
图4是根据本说明书一些实施例所示的边缘计算设备的结构示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于数据处理的水利工程安全监测系统的模块示意图。如图1所示,基于数据处理的水利工程安全监测系统可以包括数据采集模块、边缘计算模块及安全监测平台。
数据采集模块可以用于将水利工程的待监测区域分为多个子区域,在每个子区域内设置至少一个安全监测组件,安全监测组件用于获取所在子区域的实时安全相关数据。
边缘计算模块可以用于在多个子区域内设置多个边缘计算设备,每个边缘计算设备对应有至少一个安全监测组件,边缘计算设备用于接收对应的安全监测组件采集的数据并基于安全监测组件采集的数据进行数据分析,确定安全监测组件所在子区域的安全风险,并将对应的安全监测组件采集的数据上传至安全监测平台。
安全监测平台可以用于当存在至少一个子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,安全监测平台基于多个边缘计算设备中的至少一部分上传的数据,二次确定目标子区域的安全风险。
关于数据采集模块、边缘计算模块及安全监测平台的更多描述可以参见图2及其相关描述,此处不再赘述。
需要注意的是,以上对于基于数据处理的水利工程安全监测系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的数据采集模块、边缘计算模块及安全监测平台可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的基于数据处理的水利工程安全监测方法的流程图。下面呈现的基于数据处理的水利工程安全监测方法的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图2中示出的和下面描述的基于数据处理的水利工程安全监测方法的操作的顺序并非限制性的。如图2所示,基于数据处理的水利工程安全监测方法可以包括下述步骤。
步骤210,将水利工程的待监测区域分为多个子区域,在每个子区域内设置至少一个安全监测组件。在一些实施例中,步骤210可以由数据采集模块执行。
安全监测组件用于获取所在子区域的实时安全相关数据。例如,环境信息、施工信息(例如,振动信息、水位及水流冲击力信息、坝体渗透压力信息、坝体温度信息、坝体的横向风向信息)等。在一些实施例中,安全监测组件包括至少一个数据采集设备。其中,至少一个数据采集设备可以包括图像数据采集部件、环境监测传感器、工作状态检测部件及定位部件中的至少一种,图像数据采集部件可以包括照相机、摄像机、无人机航拍器和遥感摄影装置中的任意一种或多种,环境监测传感器可以至少包括红外温度传感器、有害气体浓度传感器、湿度传感器和风力传感器中的任意一种或多种,工作状态检测部件可以至少包括地质雷达检测设备、弹性波检测设备和声波检测设备等。
在一些实施例中,对于每个子区域,数据采集模块可以获取子区域的子区域相关信息,其中,子区域相关信息至少包括地形特征信息、环境信息及水利工程施工信息;对于每个子区域,基于子区域相关信息确定设置在子区域的数据采集设备的类型及数量。
例如,A子区域不需要进行水利施工,则A区域可以只设置有环境监测传感器及定位部件,B子区域需要进行水利施工,则B区域需要进行水利施工,则B区域可以设置有图像数据采集部件、环境监测传感器、工作状态检测部件及定位部件。
可以理解的,根据不同的子区域的实际情况,确定不同子区域所需安装的数据采集设备的类型及数量,可以有效避免无效的数据采集设备的安装,减少了成本,并减少了无效数据的获取,提高了水利工程安全监测的实时效率。
步骤220,在多个子区域内设置多个边缘计算设备。在一些实施例中,步骤220可以由边缘计算模块执行。
每个边缘计算设备对应有至少一个安全监测组件。
图3是根据本说明书一些实施例所示的在多个子区域内设置多个边缘计算设备的流程图,如图3所示,在一些实施例中,边缘计算模块在多个子区域内设置多个边缘计算设备,可以包括:
建立水利工程的待监测区域的三维空间模型;
计算每个安全监测组件对应的算力需求;
通过蒙特卡洛模型随机生成多种候选设置方案,其中,每种候选设置方案包括边缘计算设备的数量、每个边缘计算设备的安装位置及每个边缘计算设备对应的安全监测组件;
对于每种候选设置方案,基于水利工程的待监测区域的三维空间模型、每个数据采集设备的安装位置及每个安全监测组件对应的算力需求,计算候选设置方案的匹配值;
基于每种候选设置方案对应的匹配值,从多种候选设置方案确定目标设置方案;
基于目标设置方案,在多个子区域内设置多个边缘计算设备。
在一些实施例中,边缘计算模块基于水利工程的待监测区域的三维空间模型、每个数据采集设备的安装位置及每个安全监测组件对应的算力需求,计算候选设置方案的匹配值,可以包括:
对于每个边缘计算设备,
基于边缘计算设备对应的每个安全监测组件包括的每个数据采集设备的数据安装设备的安装位置及水利工程的待监测区域的三维空间模型,计算边缘计算设备的总通信距离;
基于边缘计算设备对应的每个安全监测组件的算力需求,计算边缘计算设备的算力饱和度;
基于边缘计算设备的总通信距离及边缘计算设备的算力饱和度,计算边缘计算设备对应的设备匹配度;
基于每个边缘计算设备对应的设备匹配度,计算候选设置方案的匹配值。
具体的,边缘计算模块可以基于每个安全监测组件包括的每个数据采集设备的数据安装设备的安装位置和每个数据采集设备的安装位置,确定每个数据采集设备和每个边缘计算单位在水利工程的待监测区域的三维空间模型上的位置点,边缘计算设备的总通信距离可以为边缘计算单元对应的每个安全监测组件的通信距离之和,边缘计算设备与每个安全监测组件的通信距离可以为该安全监测组件包括的每个数据采集设备与该边缘计算设备之间的通信距离之和,数据采集设备与该边缘计算设备之间的通信距离可以为基于每个数据采集设备和每个边缘计算单位在水利工程的待监测区域的三维空间模型上的位置点,确定的该数据采集设备和该边缘计算单元之间所需安装的通信路线的长度。
在一些实施例中,可以基于候选设置方案下边缘计算设备对应的每个安全监测组件的算力需求,确定算力需求之和,将算力需求之和与预设的边缘计算设备的总算力的比值,作为边缘计算设备的算力饱和度。
在一些实施例中,边缘计算模块可以通过以下公式基于每个边缘计算设备的总通信距离及边缘计算设备的算力饱和度,计算边缘计算设备对应的设备匹配度:
其中,Mi为第i个边缘计算设备对应的设备匹配度,bi为第i个边缘计算设备对应的算力饱和度的权重,Pi为第i个边缘计算设备对应的算力饱和度,ci为第i个边缘计算设备对应的总通信距离的权重,ak为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离的权重,DK为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离,n为第i个边缘计算设备对应的安全监测组件的总数。
在一些实施例中,对于每种候选设置方案,边缘计算模块可以对该候选设置方案下每个边缘计算设备对应的设备匹配度进行加权求和,确定该候选设置方案的匹配值。
可以理解的,基于边缘计算设备的总通信距离及边缘计算设备的算力饱和度,计算边缘计算设备对应的设备匹配度,基于每个边缘计算设备对应的设备匹配度,计算候选设置方案的匹配值,并最终基于每个候选设置方案的匹配值确定目标设置方案,使得安装后的边缘计算设备接收数据的实时性提高,并且,避免了边缘计算设备的超负荷运转,保证了边缘计算设备实时确定的子区域的安全风险的准确度。
在一些实施例中,边缘计算模块可以将匹配值最大的候选设置方案作为目标设置方案。
步骤230,边缘计算设备接收对应的安全监测组件采集的数据并基于安全监测组件采集的数据进行数据分析,确定安全监测组件所在子区域的安全风险,并将对应的安全监测组件采集的数据上传至安全监测平台。在一些实施例中,步骤230可以由边缘计算模块执行。
在一些实施例中,边缘计算单元可以对安全监测组件采集的数据进行异常值剔除并进行缺失值补全,生成补全后的数据;边缘计算单元使用风险确定模型基于补全后的数据安全监测组件所在子区域的安全风险。
具体的,边缘计算模块可以使用对抗网络(Generative Adversarial Network,GAN)对剔除异常值后的数据进行缺失值补全。由于GAN无法接受NaN(Not a Number)输入,因此需要提供一个服从标准正态分布的随机噪声矩阵输入至对抗网络。风险确定模型可以是人工神经网络(ANN)模型、循环神经网络(RNN)模型、长短时记忆网络(LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
在一些实施例中,边缘计算单元使用精度提升模型基于补全后的数据,生成精度提升后的数据;边缘计算单元使用风险确定模型基于补全后的数据安全监测组件所在子区域的安全风险。
精度提升模型可以是人工神经网络(ANN)模型、循环神经网络(RNN)模型、长短时记忆网络(LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
可以理解的,通过设置多个边缘计算设备,通过边缘计算设备可以实时确定子区域的安全风险,并且,进一步的,对安全监测组件采集的数据进行异常值剔除、缺失值补全及精度提升,可以有效提高边缘计算设备实时确定的子区域的安全风险的准确度。
在一些实施例中,边缘计算单元可以将安全监测组件对应的精度提升后的数据加密后上传至安全监测平台。
在一些实施例中,边缘计算单元基于安全监测组件的设备编码及所在安全监测组件的实时位置所在的子区域信息,对安全监测组件对应的精度提升后的数据进行第一次加密,生成第一次加密后的数据;边缘计算单元基于安全监测平台的公钥及随机数对第一次加密后的数据进行第二次加密,生成第二次加密后的数据;边缘计算单元使用关联函数基于安全监测平台的公钥及随机数生成加密标识;边缘计算单元将第二次加密后的数据及加密标识发送至安全监测平台。
具体的,边缘计算单元可以使用以下关联函数基于安全监测平台的公钥及随机数生成加密标识:
其中,β为加密标识,x为安全监测平台的公钥,y为随机数。
步骤240,当存在至少一个子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,安全监测平台基于多个边缘计算设备中的至少一部分上传的数据,二次确定目标子区域的安全风险。在一些实施例中,步骤230可以由安全监测平台执行。
在一些实施例中,安全监测平台接收边缘计算单元上传的边缘计算单元上传的第二次加密后的数据及加密标识;安全监测平台基于公钥及加密标识对关联函数求解,获取随机数;安全监测平台基于公钥及随机数,对第二次加密后的数据进行解密,获取第一次加密后的数据;安全监测平台基于预存的安全监测组件的设备编码及所在安全监测组件所在的子区域信息,对第一次加密后的数据进行解密,获取安全监测组件对应的精度提升后的数据。
在一些实施例中,安全监测平台可以确定目标子区域的至少一个相关子区域,基于目标子区域包括的安全监测组件对应的精度提升后的数据及相关子区域对应的精度提升后的数据,二次确定目标子区域的安全风险。
具体的,安全监测平台可以基于子区域的位置信息及水利工程的施工信息,确定子区域与目标子区域之间的关联度,基于该关联度确定目标子区域的至少一个相关子区域。可以理解的,与目标子区域越近的子区域,该子区域与目标子区域之间的关联度越大,水利施工关联度越大的子区域与目标子区域之间的关联度越大。
在一些实施例中,安全监测平台可以使用风险再确定模型基于目标子区域包括的安全监测组件对应的精度提升后的数据及相关子区域对应的精度提升后的数据,二次确定目标子区域的安全风险,风险再确定模型可以是人工神经网络(ANN)模型、循环神经网络(RNN)模型、长短时记忆网络(LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
可以理解的,安全监测平台性能高于边缘计算设备,安全监测平台基于多个边缘计算设备中的至少一部分上传的数据,可以较为准确地二次确定目标子区域的安全风险,避免因边缘计算设备故障导致误报警。
在一些实施例中,安全监测平台二次确定的目标子区域的安全风险仍大于预设安全风险阈值时,可以发送警示信息至相关工作人员的移动终端(例如,手机、平板等)。其中,被发送警示信息的相关工作人员的移动终端可以为实时位置位于该目标子区域或与该目标子区域之间的距离小于预设距离阈值的工作人员的移动终端,以便于操作人员及时消除目标子区域内的安全隐患。
需要说明的是,上述有关基于数据处理的水利工程安全监测方法的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对基于数据处理的水利工程安全监测方法进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的边缘计算设备的结构示意图,如图4所示,其是可以应用于本发明的各方面的硬件设备的示例。边缘计算设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。边缘计算设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,边缘计算设备包括计算单元,其可以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器(RAM)中的计算机程序,来执行各种适当的动作和处理。在RAM中,还可存储设备操作所需的各种程序和数据。计算单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
边缘计算设备中的多个部件连接至I/O接口,包括:输入单元、输出单元、存储单元以及通信单元。输入单元可以是能向边缘计算设备输入信息的任何设备,输入单元可以接收输入的数字或字符信息,以及产生与边缘计算设备的用户设置和/或功能控制有关的键信号输入。输出单元可以是能呈现信息的任何车型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元可以包括但不限于磁盘、光盘。通信单元允许边缘计算设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元执行上文所描述的各个方法和处理。例如,在一些实施例中,基于数据处理的水利工程安全监测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元。在一些实施例中,计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到边缘计算设备上。在一些实施例中,计算单元可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于数据处理的水利工程安全监测方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (7)
1.一种基于数据处理的水利工程安全监测方法,其特征在于,包括:
将水利工程的待监测区域分为多个子区域,在每个所述子区域内设置至少一个安全监测组件,所述安全监测组件用于获取所在子区域的实时安全相关数据;
在所述多个子区域内设置多个边缘计算设备,每个所述边缘计算设备对应有至少一个所述安全监测组件;
所述边缘计算设备接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,并将对应的所述安全监测组件采集的数据上传至安全监测平台;
当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险;
所述安全监测组件包括至少一个数据采集设备;
所述在每个所述子区域内设置至少一个安全监测组件,包括:
对于每个所述子区域,获取所述子区域的子区域相关信息,其中,所述子区域相关信息至少包括地形特征信息、环境信息及水利工程施工信息;
对于每个所述子区域,基于所述子区域相关信息确定设置在所述子区域的数据采集设备的类型及数量;
所述在所述多个子区域内设置多个边缘计算设备,包括:
建立所述水利工程的待监测区域的三维空间模型;
计算每个所述安全监测组件对应的算力需求;
通过蒙特卡洛模型随机生成多种候选设置方案,其中,每种所述候选设置方案包括所述边缘计算设备的数量、每个所述边缘计算设备的安装位置及每个所述边缘计算设备对应的安全监测组件;
对于每种所述候选设置方案,基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值;
基于每种所述候选设置方案对应的匹配值,从所述多种候选设置方案确定目标候选设置方案;
基于所述目标候选设置方案,在所述多个子区域内设置多个边缘计算设备;
所述基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值,包括:
对于每个所述边缘计算设备,
基于所述边缘计算设备对应的每个所述安全监测组件包括的每个所述数据采集设备的数据安装设备的安装位置及所述水利工程的待监测区域的三维空间模型,计算所述边缘计算设备的总通信距离;
基于所述边缘计算设备对应的每个所述安全监测组件的算力需求,计算所述边缘计算设备的算力饱和度;
基于所述边缘计算设备的总通信距离及所述边缘计算设备的算力饱和度,计算所述边缘计算设备对应的设备匹配度;
基于每个所述边缘计算设备对应的设备匹配度,计算所述候选设置方案的匹配值;
通过以下公式基于每个边缘计算设备的总通信距离及边缘计算设备的算力饱和度,计算边缘计算设备对应的设备匹配度:
其中,Mi为第i个边缘计算设备对应的设备匹配度,bi为第i个边缘计算设备对应的算力饱和度的权重,Pi为第i个边缘计算设备对应的算力饱和度,ci为第i个边缘计算设备对应的总通信距离的权重,ak为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离的权重,DK为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离,n为第i个边缘计算设备对应的安全监测组件的总数。
2.根据权利要求1所述的一种基于数据处理的水利工程安全监测方法,其特征在于,所述边缘计算设备接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,包括:
对所述安全监测组件采集的数据进行异常值剔除并进行缺失值补全,生成补全后的数据;
所述边缘计算设备使用风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险。
3.根据权利要求2所述的一种基于数据处理的水利工程安全监测方法,其特征在于,所述边缘计算设备使用风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险,包括:
所述边缘计算设备使用精度提升模型基于所述补全后的数据,生成精度提升后的数据;
所述边缘计算设备使用所述风险确定模型基于所述补全后的数据所述安全监测组件所在子区域的安全风险。
4.根据权利要求3所述的一种基于数据处理的水利工程安全监测方法,其特征在于,所述边缘计算设备将对应的所述安全监测组件采集的数据上传至安全监测平台,包括:
所述边缘计算设备将所述安全监测组件对应的精度提升后的数据加密后上传至安全监测平台。
5.根据权利要求4所述的一种基于数据处理的水利工程安全监测方法,其特征在于,所述边缘计算设备将所述安全监测组件对应的精度提升后的数据加密后上传至安全监测平台,包括:
所述边缘计算设备基于所述安全监测组件的设备编码及所在安全监测组件的实时位置所在的子区域信息,对所述安全监测组件对应的精度提升后的数据进行第一次加密,生成第一次加密后的数据;
所述边缘计算设备基于所述安全监测平台的公钥及随机数对所述第一次加密后的数据进行第二次加密,生成第二次加密后的数据;
所述边缘计算设备使用关联函数基于所述安全监测平台的公钥及随机数生成加密标识;
所述边缘计算设备将所述第二次加密后的数据及所述加密标识发送至所述安全监测平台。
6.根据权利要求5所述的一种基于数据处理的水利工程安全监测方法,其特征在于,所述当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险,包括:
所述安全监测平台接收所述边缘计算设备上传的边缘计算设备上传的所述第二次加密后的数据及所述加密标识;
所述安全监测平台基于所述公钥及所述加密标识对所述关联函数求解,获取随机数;
所述安全监测平台基于所述公钥及所述随机数,对所述第二次加密后的数据进行解密,获取所述第一次加密后的数据;
所述安全监测平台基于预存的所述安全监测组件的设备编码及所在安全监测组件所在的子区域信息,对所述第一次加密后的数据进行解密,获取所述安全监测组件对应的精度提升后的数据;
所述安全监测平台确定所述目标子区域的至少一个相关子区域,基于所述目标子区域包括的安全监测组件对应的精度提升后的数据及所述相关子区域对应的精度提升后的数据,二次确定所述目标子区域的安全风险。
7.一种基于数据处理的水利工程安全监测系统,其特征在于,包括:
数据采集模块,用于将水利工程的待监测区域分为多个子区域,在每个所述子区域内设置至少一个安全监测组件,所述安全监测组件用于获取所在子区域的实时安全相关数据;
边缘计算模块,用于在所述多个子区域内设置多个边缘计算设备,每个所述边缘计算设备对应有至少一个所述安全监测组件,所述边缘计算设备用于接收对应的所述安全监测组件采集的数据并基于所述安全监测组件采集的数据进行数据分析,确定所述安全监测组件所在子区域的安全风险,并将对应的所述安全监测组件采集的数据上传至安全监测平台;
安全监测平台,用于当存在至少一个所述子区域的安全风险大于预设安全风险阈值时,将安全风险大于预设安全风险阈值的子区域作为目标子区域,所述安全监测平台基于所述多个边缘计算设备中的至少一部分上传的数据,二次确定所述目标子区域的安全风险;
所述安全监测组件包括至少一个数据采集设备;
所述在每个所述子区域内设置至少一个安全监测组件,包括:
对于每个所述子区域,获取所述子区域的子区域相关信息,其中,所述子区域相关信息至少包括地形特征信息、环境信息及水利工程施工信息;
对于每个所述子区域,基于所述子区域相关信息确定设置在所述子区域的数据采集设备的类型及数量;
所述在所述多个子区域内设置多个边缘计算设备,包括:
建立所述水利工程的待监测区域的三维空间模型;
计算每个所述安全监测组件对应的算力需求;
通过蒙特卡洛模型随机生成多种候选设置方案,其中,每种所述候选设置方案包括所述边缘计算设备的数量、每个所述边缘计算设备的安装位置及每个所述边缘计算设备对应的安全监测组件;
对于每种所述候选设置方案,基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值;
基于每种所述候选设置方案对应的匹配值,从所述多种候选设置方案确定目标候选设置方案;
基于所述目标候选设置方案,在所述多个子区域内设置多个边缘计算设备;
所述基于所述水利工程的待监测区域的三维空间模型、每个所述数据采集设备的安装位置及每个所述安全监测组件对应的算力需求,计算所述候选设置方案的匹配值,包括:
对于每个所述边缘计算设备,
基于所述边缘计算设备对应的每个所述安全监测组件包括的每个所述数据采集设备的数据安装设备的安装位置及所述水利工程的待监测区域的三维空间模型,计算所述边缘计算设备的总通信距离;
基于所述边缘计算设备对应的每个所述安全监测组件的算力需求,计算所述边缘计算设备的算力饱和度;
基于所述边缘计算设备的总通信距离及所述边缘计算设备的算力饱和度,计算所述边缘计算设备对应的设备匹配度;
基于每个所述边缘计算设备对应的设备匹配度,计算所述候选设置方案的匹配值;
通过以下公式基于每个边缘计算设备的总通信距离及边缘计算设备的算力饱和度,计算边缘计算设备对应的设备匹配度:
其中,Mi为第i个边缘计算设备对应的设备匹配度,bi为第i个边缘计算设备对应的算力饱和度的权重,Pi为第i个边缘计算设备对应的算力饱和度,ci为第i个边缘计算设备对应的总通信距离的权重,ak为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离的权重,DK为第i个边缘计算设备对应的第k个安全监测组件与第i个边缘计算设备的通信距离,n为第i个边缘计算设备对应的安全监测组件的总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310583664.4A CN116680752B (zh) | 2023-05-23 | 2023-05-23 | 一种基于数据处理的水利工程安全监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310583664.4A CN116680752B (zh) | 2023-05-23 | 2023-05-23 | 一种基于数据处理的水利工程安全监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116680752A CN116680752A (zh) | 2023-09-01 |
CN116680752B true CN116680752B (zh) | 2024-03-19 |
Family
ID=87780128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310583664.4A Active CN116680752B (zh) | 2023-05-23 | 2023-05-23 | 一种基于数据处理的水利工程安全监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116680752B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117879974B (zh) * | 2024-03-11 | 2024-05-14 | 西昌学院 | 一种基于边缘计算的网络安全防护方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260525A (zh) * | 2020-01-16 | 2020-06-09 | 深圳市广道高新技术股份有限公司 | 社区安全态势感知和预警方法、系统及存储介质 |
CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
CN113932847A (zh) * | 2021-09-22 | 2022-01-14 | 单连杰 | 一种建筑工程施工环境监测系统 |
CN115208928A (zh) * | 2022-09-16 | 2022-10-18 | 北京新研创能科技有限公司 | 一种燃料电池的远程监控方法及装置 |
WO2023280273A1 (zh) * | 2021-07-08 | 2023-01-12 | 云丁网络技术(北京)有限公司 | 一种控制方法和系统 |
CN115685809A (zh) * | 2022-09-27 | 2023-02-03 | 智点恒创(苏州)智能科技有限公司 | 一种基于人工智能机器视觉的行为识别方法和系统 |
WO2023040300A1 (zh) * | 2021-09-14 | 2023-03-23 | 中兴通讯股份有限公司 | 数据处理方法、电子设备、存储介质及程序产品 |
WO2023045935A1 (zh) * | 2021-09-22 | 2023-03-30 | 北京智行者科技股份有限公司 | 一种目标检测模型自动化迭代方法、设备及存储介质 |
WO2023050679A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种障碍物的检测方法、装置、计算机设备、存储介质、计算机程序及计算机程序产品 |
CN116011975A (zh) * | 2023-01-16 | 2023-04-25 | 青岛科技大学 | 养猪场生物安全管理系统、方法、介质、设备及终端 |
CN116070251A (zh) * | 2023-04-03 | 2023-05-05 | 国网冀北电力有限公司 | 一种数据安全监控平台的数据处理系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120148382A1 (en) * | 2010-12-09 | 2012-06-14 | Basf Se | Method and apparatus for the model-based monitoring of a turbomachine |
FR3062498B1 (fr) * | 2017-02-02 | 2019-06-07 | Casis - Cardiac Simulation & Imaging Software | Systeme et procede pour l'evaluation de risques vasculaires |
-
2023
- 2023-05-23 CN CN202310583664.4A patent/CN116680752B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260525A (zh) * | 2020-01-16 | 2020-06-09 | 深圳市广道高新技术股份有限公司 | 社区安全态势感知和预警方法、系统及存储介质 |
CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
WO2023280273A1 (zh) * | 2021-07-08 | 2023-01-12 | 云丁网络技术(北京)有限公司 | 一种控制方法和系统 |
WO2023040300A1 (zh) * | 2021-09-14 | 2023-03-23 | 中兴通讯股份有限公司 | 数据处理方法、电子设备、存储介质及程序产品 |
CN113932847A (zh) * | 2021-09-22 | 2022-01-14 | 单连杰 | 一种建筑工程施工环境监测系统 |
WO2023045935A1 (zh) * | 2021-09-22 | 2023-03-30 | 北京智行者科技股份有限公司 | 一种目标检测模型自动化迭代方法、设备及存储介质 |
WO2023050679A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种障碍物的检测方法、装置、计算机设备、存储介质、计算机程序及计算机程序产品 |
CN115208928A (zh) * | 2022-09-16 | 2022-10-18 | 北京新研创能科技有限公司 | 一种燃料电池的远程监控方法及装置 |
CN115685809A (zh) * | 2022-09-27 | 2023-02-03 | 智点恒创(苏州)智能科技有限公司 | 一种基于人工智能机器视觉的行为识别方法和系统 |
CN116011975A (zh) * | 2023-01-16 | 2023-04-25 | 青岛科技大学 | 养猪场生物安全管理系统、方法、介质、设备及终端 |
CN116070251A (zh) * | 2023-04-03 | 2023-05-05 | 国网冀北电力有限公司 | 一种数据安全监控平台的数据处理系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于深度学习的交通信号灯快速检测与识别;钱弘毅;王丽华;牟宏磊;;计算机科学;20191231(第12期);278-284 * |
Also Published As
Publication number | Publication date |
---|---|
CN116680752A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6355683B2 (ja) | リスク早期警報方法、装置、記憶媒体およびコンピュータプログラム | |
US9888021B2 (en) | Crowd based detection of device compromise in enterprise setting | |
CN112272288B (zh) | 核电作业监控方法、装置、计算机设备和存储介质 | |
CN116680752B (zh) | 一种基于数据处理的水利工程安全监测方法及系统 | |
Talagala et al. | Anomaly detection in streaming nonstationary temporal data | |
CN110262337B (zh) | 电力智能监控系统及方法 | |
CN111614634B (zh) | 流量检测方法、装置、设备及存储介质 | |
CN110502651B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US11152126B2 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
CN111178246B (zh) | 基于电力施工操作的远程监测方法、装置和计算机设备 | |
JP2016503256A (ja) | 移動端末を用いたビデオ監視システム | |
CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
KR102219809B1 (ko) | 영상 분석을 통한 안전작업관리 시스템 | |
Jiang et al. | Real-time safety risk assessment based on a real-time location system for hydropower construction sites | |
CN113904811A (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
CN111428641A (zh) | 安全着装检测方法、装置、计算机设备和可读存储介质 | |
KR20220077404A (ko) | 근로자 안전을 위한 다단계 작업현장 안전 관제 방법 및 시스템 | |
US20230081930A1 (en) | Data collection device, data collection method, and data collection program | |
CN115714710A (zh) | 告警数据的处理方法、装置、计算机设备和存储介质 | |
CN115909203A (zh) | 建筑施工安全全景监控系统及方法 | |
CN113672449A (zh) | 智能运维异常监测方法、装置、计算机设备和存储介质 | |
JP6863768B2 (ja) | 警備システム、管理装置及び警備方法 | |
CN102710449B (zh) | 网元设备的维护方法和系统、移动设备及网管服务设备 | |
KR20220004399A (ko) | 사용자 참여형 보안 감시 관제 서비스 제공 프로그램 기록매체 |
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 |