CN116980629A - 一种大型照明系统自动故障检测系统 - Google Patents
一种大型照明系统自动故障检测系统 Download PDFInfo
- Publication number
- CN116980629A CN116980629A CN202311235664.1A CN202311235664A CN116980629A CN 116980629 A CN116980629 A CN 116980629A CN 202311235664 A CN202311235664 A CN 202311235664A CN 116980629 A CN116980629 A CN 116980629A
- Authority
- CN
- China
- Prior art keywords
- data
- frequency
- encoded
- coded
- lighting system
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 230000006837 decompression Effects 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000005286 illumination Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000013144 data compression Methods 0.000 abstract description 3
- 238000007906 compression Methods 0.000 description 10
- 230000006835 compression Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/96—Tree coding, e.g. quad-tree coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/20—Responsive to malfunctions or to light source life; for protection
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及数据压缩领域,具体涉及一种大型照明系统自动故障检测系统,包括:数据预处理模块、初始霍夫曼树获取模块、调整编码模块以及解压分析模块,获取大型照明系统图像的待编码数据序列;获取待编码数据序列中每种数据的第一频数以及第一频率;根据每种数据的第一频率构建初始的霍夫曼树;获取已编码数据序列,获取每种数据的第二频率,根据已编码数据序列、每种数据的第一频数、每种数据的第二频率以及霍夫曼树对待编码数据序列中的数据进行编码,获取大型照明系统图像的压缩数据;根据每种数据的第一频数解压并分析大型照明系统图像的压缩数据,得到大型照明系统图像,根据大型照明系统图像进行大型照明系统自动检测故障。
Description
技术领域
本发明涉及数据压缩技术领域,具体涉及一种大型照明系统自动故障检测系统。
背景技术
大型照明系统故障检测系统是指一种用于监控和检测照明系统中潜在故障的系统,旨在保证照明系统的高效率、可靠性和安全性。其主要由传感器、数据采集系统、数据处理系统以及告警系统构成,其中数据采集系统会将数据传输到故障检测系统的处理中心,所以为保证数据上传的完整性并提高数据传输效率,产生了对采集到的照明系统数据进行压缩的研究需求。
霍夫曼编码作为一种基于编码概率的无损数据压缩算法,将出现频率高的字符用较短的编码表示,出现频率低的字符使用较长的编码表示,从而达到压缩数据的目的。虽然霍夫曼编码是无损压缩算法且压缩和解压速率都较为高速,由于大型照明系统图像具有局部相似性,局部的像素点灰度值重复率高,在大型照明系统图像中频率高的灰度值在局部位置的频率不一定高,使得霍夫曼编码在大型照明系统图像局部的压缩效率较低。
发明内容
针对上述问题,本发明提供一种大型照明系统自动故障检测系统。
本发明的一种大型照明系统自动故障检测系统采用如下技术方案:
本发明一个实施例提供了一种大型照明系统自动故障检测系统,该系统包括以下模块:
数据预处理模块,用于采集大型照明系统图像,预处理获取大型照明系统图像的待编码数据序列;
初始的霍夫曼树获取模块,用于获取待编码数据序列中每种数据的第一频数以及第一频率;根据每种数据的第一频率构建获取大型照明系统图像的初始的霍夫曼树;
调整编码模块,用于构建一个空的序列,作为已编码数据序列;
根据已编码数据序列、每种数据的第一频数、每种数据的第二频率以及霍夫曼树对待编码数据序列中的数据进行编码,包括:读入大型照明系统图像的待编码数据序列中第一个数据作为当前待编码数据;根据霍夫曼树获取当前待编码数据的编码结果,对当前待编码数据的编码结果进行输出;根据当前待编码数据对已编码数据序列以及待编码数据序列进行更新;统计当前待编码数据在已编码数据序列中的频数,根据当前待编码数据的第一频数以及当前待编码数据在已编码数据序列中的频数获取当前待编码数据的第二频率;获取当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异;根据当前待编码数据的第一频率、第二频率以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异获取当前待编码数据的局部重复率;根据当前待编码数据的局部重复率调整当前待编码数据在霍夫曼树中的位置,对霍夫曼树进行更新;
根据更新后的已编码数据序列、每种数据的第一频数、每种数据的第一频率以及更新后的霍夫曼树对更新后的待编码数据序列中的数据进行编码,直到待编码数据序列为空时停止迭代,将输出的所有编码结果按照输出顺序构成的二值序列作为大型照明系统图像的压缩数据;
解压分析模块,用于根据每种数据的第一频数解压并分析大型照明系统图像的压缩数据,得到大型照明系统图像,根据大型照明系统图像进行大型照明系统自动检测故障。
优选的,所述预处理获取大型照明系统图像的待编码数据序列,包括的具体方法为:
采集到大型照明系统图像后对大型照明系统图像进行灰度化处理,获取大型照明系统灰度图像,将大型照明系统灰度图像的像素点的灰度值按照每行从左到右的顺序依次展开,形成一个一维数据序列,将得到的一维数据序列记为待编码数据序列。
优选的,所述获取待编码数据序列中每种数据的第一频数以及第一频率,包括的具体方法为:
获取待编码数据序列中每种数据的出现频数作为每种数据的第一频数,将每种数据的第一频数与待编码数据序列的长度的比值作为每种数据的第一频率。
优选的,所述根据当前待编码数据的第一频数以及当前待编码数据在已编码数据序列中的频数获取当前待编码数据的第二频率,包括的具体方法为:
将当前待编码数据在已编码数据序列中的出现频数与当前待编码数据的第一频数的比值作为当前待编码数据的第二频率。
优选的,所述获取当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异,包括的具体方法为:
计算当前待编码数据对应的灰度值与大型照明系统图像的霍夫曼树中最短编码对应的灰度值之差的绝对值,作为当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异。
优选的,所述根据当前待编码数据的第一频率、第二频率以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异获取当前待编码数据的局部重复率,包括的具体公式为:
根据归一化处理后的当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异:
其中,表示第/>个当前待编码数据的局部重复率,/>表示第/>个当前待编码数据的第二频率,/>表示读入的第/>个当前待编码数据的灰度值,/>表示读入第/>个当前待编码数据时霍夫曼树中最短编码对应的灰度值,/>表示第/>个当前待编码数据的第一频率,/>为超参数,/>为双曲正切函数,/>为绝对值符号。
优选的,所述根据当前待编码数据的局部重复率调整当前待编码数据在霍夫曼树中的位置,对霍夫曼树进行更新,包括的具体方法为:
预设局部重复率阈值,若当前待编码数据的局部重复率大于局部重复率阈值时,获取当前待编码数据在霍夫曼树中对应的叶子节点,作为目标叶子节点,将目标叶子节点之前的每个叶子节点对应的数据依次向后挪动一位,将当前待编码数据调整到霍夫曼树最短编码对应的叶子节点处,实现对霍夫曼树的更新;若当前待编码数据的局部重复率小于等于局部重复率阈值时,不对霍夫曼树进行更新。
优选的,所述根据当前待编码数据对已编码数据序列以及待编码数据序列进行更新,包括的具体方法为:
将当前待编码数据添加到已编码数据序列的末尾;将当前待编码数据从待编码数据序列中剔除。
优选的,所述根据每种数据的第一频数解压并分析大型照明系统图像的压缩数据,得到大型照明系统图像,包括的具体方法为:
构建一个空的序列,作为已解码数据序列;
根据每种数据的第一频数获取每种数据的第一频率,根据每种数据的第一频率构建初始的霍夫曼树;
根据初始的霍夫曼树对大型照明系统图像的压缩数据进行解压,每解压得到一个数据,将得到的数据记为已解码数据,将已解码数据加入到已解码数据序列,根据已解码数据的第一频数以及已解码数据在已解码数据序列中的频数获取已解码数据的第二频率,根据已解码数据第一频率、第二频率以及已解码数据与霍夫曼树中最短编码对应的数据之间的差异获取已解码数据的局部重复率,根据已解码数据的局部重复率调整已解码数据在霍夫曼树中的位置,对霍夫曼树进行更新;
根据更新后的霍夫曼树对大型照明系统图像的压缩数据继续进行解压,直到压缩数据中所有编码都已解压时停止迭代,将最终得到的已解码数据序列作为解压结果,将解压结果转换为大型照明系统图像。
优选的,所述根据大型照明系统图像进行大型照明系统自动检测故障,包括的具体方法为:
照明故障检测平台根据得到的大型照明系统图像进行故障检测,将大型照明系统的设计图纸作为模板图像,根据模板图像中的背景区域制作掩膜图像,利用掩膜图像标记大型照明系统图像的背景区域,得到大型照明系统图像的照明灯区域;
预设灰度阈值,若大型照明系统图像的照明灯区域中像素点的灰度值大于灰度阈值,照明灯正常工作,若大型照明系统图像的照明灯区域中像素点的灰度值小于或等于灰度阈值,启动报警提醒工作人员进行照明灯检修,同时安装系统定位需要检测的照明灯位置,通知工作人员对其进行检修。
本发明的技术方案的有益效果是:本发明获取大型照明系统图像的待编码数据序列,获取待编码数据序列中每种数据的第一频数以及第一频率,根据每种数据的第一频率构建初始的霍夫曼树,对待编码数据序列中的每个数据进行编码后,将其加入到已编码数据序列,通过当前待编码数据的第一频率以及其在已编码数据序列中的频数以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异,预测当前待编码数据的局部重复率,若局部重复率较大时,将当前待编码数据调整到霍夫曼树的最短编码对应的叶子节点,实现霍夫曼树的更新,使得当前待编码数据在接下来待编码数据序列的局部范围内再次出现时,能够利用最短编码进行编码,通过在对每一个数据编码后预测每一个数据的局部重复率,根据局部重复率不断更新霍夫曼树,使得对于待编码数据序列的每个局部位置都能够实现对于局部位置中重复率大的数据采用最短编码进行编码,进而使得待编码数据序列的压缩数据的长度更短,压缩效率更高,进而确保压缩数据可快速传输至照明故障检测平台,使得照明故障检测平台对于故障的照明灯可快速检测。
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获得其他的附图。
图1为本发明一种大型照明系统自动故障检测系统的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种大型照明系统自动故障检测系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种大型照明系统自动故障检测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种大型照明系统自动故障检测系统的结构框图,该系统包括以下模块:
数据预处理模块101.采集大型照明系统图像并进行预处理,获取待编码数据序列。
需要说明的是,在采集大型照明系统的图像数据时,首先需要确保照射到照明系统表面的光能够产生足够的反射光,而后在大型照明系统正下方设置高分辨率相机,通过高分辨率相机采集大型照明系统图像,将采集到的大型照明系统图像进行灰度化处理,获得大型照明系统灰度图像。通过降噪技术增强图像质量,提高图像中像素点的灰度值重复性,方便后续通过灰度值局部重复率调整编码。
需要说明的是,考虑到大型照明系统图像的局部相似性,本实施例将大型照明系统灰度图像的所有像素点按行展开,将图像的每一行像素点按照从左向右的顺序依次展开并连接起来,这样形成的数据序列中相邻数据之间可能存在一定的相关性,保留了图像中像素点的位置信息。记大型照明系统图像序列为待编码数据序列,其中/>表示待编码数据序列中第/>个像素点的灰度值,/>表示待编码数据序列中第/>个像素点的灰度值,/>为待编码数据序列的长度。
需要说明的是,由于在大型照明系统图像中处于同一局部区域的像素点灰度值具有相似性,所以可以根据灰度差异调整灰度值编码,若相邻两个像素点的灰度值差异很小,则两个像素点可能因为环境影响使灰度值产生偏差。因此,本实施例根据像素点的行分布构建待编码数据序列保留了图像细节。
至此,获取了大型照明系统图像的待编码数据序列。
初始的霍夫曼树获取模块102.根据大型照明系统图像的待编码数据以及待编码数据在待编码数据序列中的出现频率获取初始的霍夫曼树。
需要说明的是,通过大型照明系统图像的灰度值和灰度值频数可以获取每种待编码数据在待编码数据序列中的出现频率,为后续判断待编码数据在已编码数据序列中的出现频率提供依据。
因此本实施例统计待编码数据序列中每种数据的出现频数,将每种数据的出现频数作为每种数据的第一频数,将每种数据的第一频数与待编码数据序列的长度的比值作为每种数据的第一频率。根据每种数据以及每种数据对应的第一频率构造霍夫曼树,将构造的霍夫曼树记为大型照明系统图像的初始的霍夫曼树。
至此,获取了大型照明系统图像的初始的霍夫曼树。
调整编码模块103.根据当前待编码数据的局部重复率调整当前待编码数据在初始的霍夫曼树中的位置,获取大型照明系统图像的编码结果。
需要说明的是,霍夫曼编码根据待编码数据的出现频率,将频率高的字符用短的编码表示,出现频率低的字符用长的编码表示。对于大型照明系统灰度图像来说,相邻像素点的灰度值往往具有相同或相近的取值,所以本实施例通过量化待编码数据序列中每种数据的局部重复率调整字符在霍夫曼树上的位置并获取新的编码以提高压缩效率。
在本实施例中,构建一个空的序列,作为已编码数据序列,用来存在编码过程中已编码的数据。将待编码数据序列中第一个数据作为当前待编码数据。根据霍夫曼树对当前待编码数据进行编码,并输出编码结果。对待编码数据序列和已编码数据序列更新:将当前待编码数据添加到已编码数据序列的末尾,将当前待编码数据从待编码数据序列中剔除。
需要说明的是,传统的霍夫曼编码根据每种数据的频率进行编码,但在待编码数据序列局部位置重复率高的数据在整个待编码数据序列中不一定为频率高的数据,使得霍夫曼编码无法兼顾局部信息,对局部位置的压缩效果较差。而由于大型照明系统图像具有局部相似性,本实施例根据当前待编码数据预测接下来待编码数据序列中当前待编码数据的局部重复率,根据局部重复率更新霍夫曼树,以确保更新后的霍夫曼树保证整体的压缩效率的前提下,对于局部位置的压缩率也较大,进一步提升压缩效率。
需要进一步说明的是,当前待编码数据的第一频率可以从整体上反映当前待编码数据的重复概率,但是根据大型照明系统图像的局部灰度相似性,仅从当前待编码数据的第一频率无法反映当前待编码数据在局部图像的变化,若当前待编码数据在大型照明系统图像的待编码数据序列中的出现频率大,则在当前待编码数据整体出现频率不变的情况下,当前待编码数据在已编码数据序列中出现频数越大,则在后续的编码过程中局部重复的概率也就越小;当前待编码数据在已编码数据序列中的出现频数越小,说明在后续过程中当前待编码数据的重复概率越大。
因此在本实施例中,遍历大型照明系统图像的已编码数据序列,统计当前待编码数据在已编码数据序列中的出现频数,将当前待编码数据在已编码数据序列中的出现频数与当前待编码数据的第一频数的比值作为当前待编码数据的第二频率。
需要说明的是,在霍夫曼编码中,由于最短的字符编码对应的字符的出现频率越大,在大型照明系统图像中最短的编码就说明该灰度值的像素点在图像中的占比最多,所以本实施例在读入待编码数据序列时,通过计算当前待编码数据与此时霍夫曼树中对应的最短编码的数据之间的差异量化局部差异性:若当前待编码数据与霍夫曼树中对应的最短编码的数据之间的差异较小,说明当前待编码数据与霍夫曼树中对应的最短编码的数据可能属于同一图像特征,但因为噪声影响产生偏差,此时当前待编码数据与霍夫曼树中对应的最短编码的数据所属的图像特征中出现最多的灰度值应该为霍夫曼树中对应的最短编码的数据,为了确保该图像特征的局部压缩效率高,需使该图像特征中出现最多的灰度值能够对应较短的编码,因此此时不能对霍夫曼树进行调整。因此本实施例在计算当前待编码像素点的局部重复率时,根据当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异对当前待编码数据的局部重复率进行限制,若当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异较小时,限制当前待编码数据的局部重复率较小。
在本实施例中,获取当前待编码数据的局部重复率的具体方法为:
根据当前待编码数据的第一频率、第二频率以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异获取当前待编码数据的局部重复率:
其中,表示第/>个当前待编码数据的局部重复率,/>表示第/>个当前待编码数据的第二频率,/>表示读入的第/>个当前待编码数据的灰度值,/>表示读入第/>个当前待编码数据时霍夫曼树中最短编码对应的灰度值,/>表示第/>个当前待编码数据的第一频率,/>为超参数,在本实施例中以/>为例进行说明,具体不做限定,实施人员可根据具体实施情况设置,/>为双曲正切函数,/>以及超参数/>用作对/>进行归一化,实施人员也可根据实际情况选择归一化函数,/>为绝对值符号。
需要说明的是,若当前待编码数据的第一频率高,则当前待编码数据在整个待编码数据序列中的重复率也就越高,同时由于大型照明系统图像的局部相似性,使得当前待编码数据在局部的重复率也较高,所以当前待编码数据的第一频率与局部重复率呈正相关关系;但是在当前待编码数据的第一频率不变的情况下,当前待编码数据的第二频率越高,说明大部分与当前待编码数据相同的数据已编码,使得当前待编码数据在接下来重复的概率越低,所以待编码数据的局部重复率与当前待编码数据的第二频率呈现负相关关系;同时将当前待编码数据与霍夫曼树中最短编码对应的数据相比,若两者存在的差异越小说明当前待编码数据与霍夫曼树中最短编码对应的数据越可能属于同一个图像特征,该图像特征中出现次数最多的应该为霍夫曼中最短编码对应的数据,此时越不需要调整霍夫曼树,对应的当前待编码数据的局部重复率越低;反之,若当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异越大,说明当前待编码数据与霍夫曼树中最短编码对应的数据越不可能属于同一个图像特征,由于大型照明系统图像的局部相似性,接下来出现的灰度值应该与当前待编码数据属于同一图像特征,此时越应该将当前待编码数据在霍夫曼树中的位置调整向前,从而确保接下来局部位置的编码效率,此时当前待编码数据的局部重复率越高。
至此,获取了当前待编码数据的局部重复率。
需要说明的是,当前待编码数据的局部重复率越高说明当前待编码数据在局部区域重复出现的次数越多,所以本实施例首先通过经验值判定在霍夫曼树中调整数据位置的可行性。而后根据局部重复率越高需要为当前待编码数据赋予越短的编码的思想调整数据在霍夫曼树中的位置,将局部重复率高的数据调整到霍夫曼树最短编码对应的叶子节点处,因此本实施例根据得到的当前待编码数据的局部重复率,将局部重复率高的数据调整到霍夫曼树最短编码对应的叶子节点处。如此使得局部重复率大的数据对应较短的编码,即接下来局部重复出现次数多的数据对应较短的编码,使得局部位置的压缩效率提升。
在本实施例中,预设局部重复率阈值,以/>为例进行阐述,本实施例对/>不做限制:若当前待编码数据的局部重复率大于局部重复率阈值/>时,获取当前待编码数据在霍夫曼树中对应的叶子节点,作为目标叶子节点,将目标叶子节点之前的每个叶子节点对应的数据依次向后挪动一位,将当前待编码数据调整到霍夫曼树最短编码对应的叶子节点处,实现对霍夫曼树的更新;若当前待编码数据的局部重复率小于或等于局部重复率阈值/>时,不对霍夫曼树进行更新。
每读入一个当前待编码数据,根据当前的霍夫曼树对当前待编码数据进行编码,并对待编码数据序列和已编码数据序列更新,而后计算当前待编码数据的局部重复率,根据局部重复率更新霍夫曼树;根据更新后的霍夫曼树对下一个读入的当前待编码数据进行编码,并对待编码数据序列和已编码数据序列更新,而后计算局部重复率,根据局部重复率再次更新霍夫曼树,依次类推,直到待编码数据序列中为空时停止,则完成对大型照明系统图像的编码,将编码过程中输出的所有编码结果按照输出顺序构成的二值序列作为大型照明系统图像的压缩数据。
至此,获取了大型照明系统图像的压缩数据。
解压分析模块104.解压分析大型照明系统图像的压缩数据,指导识别系统故障。
对大型照明系统图像的压缩数据以及待编码数据序列中每种数据的第一频数传输至照明故障检测平台。
故障检测平台根据每种数据的第一频数对压缩数据进行解压,具体过程如下:
构建一个空的序列,作为已解码数据序列;
根据每种数据的第一频数获取每种数据的第一频率,根据每种数据的第一频率构建初始的霍夫曼树;
根据初始的霍夫曼树对大型照明系统图像的压缩数据进行解压,每解压一个得到一个数据,将得到的数据记为已解码数据,将已解码数据加入到已解码数据序列,利用模块103中的方法根据已解码数据的第一频数以及已解码数据在已解码数据序列中的频数获取已解码数据的第二频率,根据已解码数据第一频率、第二频率以及已解码数据与霍夫曼树中最短编码对应的数据之间的差异获取已解码数据的局部重复率,根据已解码数据的局部重复率调整已解码数据在霍夫曼树中的位置,对霍夫曼树进行更新;
根据更新后的霍夫曼树对大型照明系统图像的压缩数据继续进行解压,直到压缩数据中所有编码都已解压时停止迭代,将最终得到的已解码数据序列作为解压结果,将解压结果转换为大型照明系统图像。
照明故障检测平台根据得到的大型照明系统图像进行故障检测,因为在采集大型照明系统图像时,采集到的图像内容包括背景区域以及照明灯区域,因此需要将照明灯区域提取出来,本实施例将大型照明系统的设计图纸作为模板图像,根据模板图像中的背景区域制作掩膜图像,利用掩膜图像标记采集到的大型照明系统图像的背景区域,将背景区域之外的区域作为大型照明系统图像的照明灯区域。
由于照明灯正常工作时在大型照明系统图像中表现的灰度特征较大,因此本实施例通过设定灰度阈值判断照明灯是否正常工作,以灰度阈值/>为例进行说明,具体不做限定,若大型照明系统图像中照明灯区域的像素点的灰度值大于灰度阈值/>,说明照明灯正常工作,反之需要进行检测,通过安装自动报警器并启动报警以提醒工作人员,同时安装系统定位需要检测的照明灯位置,便于工作人员快速对其进行检修。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种大型照明系统自动故障检测系统,其特征在于,该系统包括以下模块:
数据预处理模块,用于采集大型照明系统图像,预处理获取大型照明系统图像的待编码数据序列;
初始的霍夫曼树获取模块,用于获取待编码数据序列中每种数据的第一频数以及第一频率;根据每种数据的第一频率构建获取大型照明系统图像的初始的霍夫曼树;
调整编码模块,用于构建一个空的序列,作为已编码数据序列;
根据已编码数据序列、每种数据的第一频数、每种数据的第二频率以及霍夫曼树对待编码数据序列中的数据进行编码,包括:读入大型照明系统图像的待编码数据序列中第一个数据作为当前待编码数据;根据霍夫曼树获取当前待编码数据的编码结果,对当前待编码数据的编码结果进行输出;根据当前待编码数据对已编码数据序列以及待编码数据序列进行更新;统计当前待编码数据在已编码数据序列中的频数,根据当前待编码数据的第一频数以及当前待编码数据在已编码数据序列中的频数获取当前待编码数据的第二频率;获取当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异;根据当前待编码数据的第一频率、第二频率以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异获取当前待编码数据的局部重复率;根据当前待编码数据的局部重复率调整当前待编码数据在霍夫曼树中的位置,对霍夫曼树进行更新;
根据更新后的已编码数据序列、每种数据的第一频数、每种数据的第一频率以及更新后的霍夫曼树对更新后的待编码数据序列中的数据进行编码,直到待编码数据序列为空时停止迭代,将输出的所有编码结果按照输出顺序构成的二值序列作为大型照明系统图像的压缩数据;
解压分析模块,用于根据每种数据的第一频数解压并分析大型照明系统图像的压缩数据,得到大型照明系统图像,根据大型照明系统图像进行大型照明系统自动检测故障。
2.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述预处理获取大型照明系统图像的待编码数据序列,包括的具体方法为:
采集到大型照明系统图像后对大型照明系统图像进行灰度化处理,获取大型照明系统灰度图像,将大型照明系统灰度图像的像素点的灰度值按照每行从左到右的顺序依次展开,形成一个一维数据序列,将得到的一维数据序列记为待编码数据序列。
3.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述获取待编码数据序列中每种数据的第一频数以及第一频率,包括的具体方法为:
获取待编码数据序列中每种数据的出现频数作为每种数据的第一频数,将每种数据的第一频数与待编码数据序列的长度的比值作为每种数据的第一频率。
4.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据当前待编码数据的第一频数以及当前待编码数据在已编码数据序列中的频数获取当前待编码数据的第二频率,包括的具体方法为:
将当前待编码数据在已编码数据序列中的出现频数与当前待编码数据的第一频数的比值作为当前待编码数据的第二频率。
5.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述获取当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异,包括的具体方法为:
计算当前待编码数据对应的灰度值与大型照明系统图像的霍夫曼树中最短编码对应的灰度值之差的绝对值,作为当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异。
6.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据当前待编码数据的第一频率、第二频率以及当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异获取当前待编码数据的局部重复率,包括的具体公式为:
根据归一化处理后的当前待编码数据与霍夫曼树中最短编码对应的数据之间的差异:
其中,表示第/>个当前待编码数据的局部重复率,/>表示第/>个当前待编码数据的第二频率,/>表示读入的第/>个当前待编码数据的灰度值,/>表示读入第/>个当前待编码数据时霍夫曼树中最短编码对应的灰度值,/>表示第/>个当前待编码数据的第一频率,/>为超参数,为双曲正切函数,/>为绝对值符号。
7.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据当前待编码数据的局部重复率调整当前待编码数据在霍夫曼树中的位置,对霍夫曼树进行更新,包括的具体方法为:
预设局部重复率阈值,若当前待编码数据的局部重复率大于局部重复率阈值时,获取当前待编码数据在霍夫曼树中对应的叶子节点,作为目标叶子节点,将目标叶子节点之前的每个叶子节点对应的数据依次向后挪动一位,将当前待编码数据调整到霍夫曼树最短编码对应的叶子节点处,实现对霍夫曼树的更新;若当前待编码数据的局部重复率小于等于局部重复率阈值时,不对霍夫曼树进行更新。
8.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据当前待编码数据对已编码数据序列以及待编码数据序列进行更新,包括的具体方法为:
将当前待编码数据添加到已编码数据序列的末尾;将当前待编码数据从待编码数据序列中剔除。
9.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据每种数据的第一频数解压并分析大型照明系统图像的压缩数据,得到大型照明系统图像,包括的具体方法为:
构建一个空的序列,作为已解码数据序列;
根据每种数据的第一频数获取每种数据的第一频率,根据每种数据的第一频率构建初始的霍夫曼树;
根据初始的霍夫曼树对大型照明系统图像的压缩数据进行解压,每解压得到一个数据,将得到的数据记为已解码数据,将已解码数据加入到已解码数据序列,根据已解码数据的第一频数以及已解码数据在已解码数据序列中的频数获取已解码数据的第二频率,根据已解码数据第一频率、第二频率以及已解码数据与霍夫曼树中最短编码对应的数据之间的差异获取已解码数据的局部重复率,根据已解码数据的局部重复率调整已解码数据在霍夫曼树中的位置,对霍夫曼树进行更新;
根据更新后的霍夫曼树对大型照明系统图像的压缩数据继续进行解压,直到压缩数据中所有编码都已解压时停止迭代,将最终得到的已解码数据序列作为解压结果,将解压结果转换为大型照明系统图像。
10.根据权利要求1所述一种大型照明系统自动故障检测系统,其特征在于,所述根据大型照明系统图像进行大型照明系统自动检测故障,包括的具体方法为:
照明故障检测平台根据得到的大型照明系统图像进行故障检测,将大型照明系统的设计图纸作为模板图像,根据模板图像中的背景区域制作掩膜图像,利用掩膜图像标记大型照明系统图像的背景区域,得到大型照明系统图像的照明灯区域;
预设灰度阈值,若大型照明系统图像的照明灯区域中像素点的灰度值大于灰度阈值,照明灯正常工作,若大型照明系统图像的照明灯区域中像素点的灰度值小于或等于灰度阈值,启动报警提醒工作人员进行照明灯检修,同时安装系统定位需要检测的照明灯位置,通知工作人员对其进行检修。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235664.1A CN116980629B (zh) | 2023-09-25 | 2023-09-25 | 一种大型照明系统自动故障检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235664.1A CN116980629B (zh) | 2023-09-25 | 2023-09-25 | 一种大型照明系统自动故障检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116980629A true CN116980629A (zh) | 2023-10-31 |
CN116980629B CN116980629B (zh) | 2024-01-30 |
Family
ID=88473497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311235664.1A Active CN116980629B (zh) | 2023-09-25 | 2023-09-25 | 一种大型照明系统自动故障检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116980629B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118018032A (zh) * | 2024-04-09 | 2024-05-10 | 西安西驰信息技术有限公司 | 一种智能化开关柜的远程控制数据传输方法 |
CN118075457A (zh) * | 2024-04-18 | 2024-05-24 | 山西顺达胜业通信工程有限公司 | 一种基于视频监测的设备智能控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1083752A1 (en) * | 1999-09-08 | 2001-03-14 | STMicroelectronics S.r.l. | Video decoder with reduced memory |
US20020044695A1 (en) * | 2000-05-05 | 2002-04-18 | Bostrom Alistair K. | Method for wavelet-based compression of video images |
US20160127734A1 (en) * | 2014-11-04 | 2016-05-05 | Vahagn Nurijanyan | System and Methods for Image/Video Compression |
US20190191230A1 (en) * | 2012-06-26 | 2019-06-20 | BTS Software Solutions, LLC | Realtime telemetry data compression system |
CN116153453A (zh) * | 2023-04-20 | 2023-05-23 | 深圳市魔样科技有限公司 | 基于云边协同的智能戒指信息管理方法及系统 |
CN116456117A (zh) * | 2023-04-19 | 2023-07-18 | 江苏网进科技股份有限公司 | 一种多类数据智能缓存方法及系统 |
CN116681036A (zh) * | 2023-08-02 | 2023-09-01 | 天津轻工职业技术学院 | 基于数字孪生的工业数据存储方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116781420A (zh) * | 2023-08-17 | 2023-09-19 | 北京点聚信息技术有限公司 | 一种电子文件安全传输加密方法及系统 |
-
2023
- 2023-09-25 CN CN202311235664.1A patent/CN116980629B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1083752A1 (en) * | 1999-09-08 | 2001-03-14 | STMicroelectronics S.r.l. | Video decoder with reduced memory |
US20020044695A1 (en) * | 2000-05-05 | 2002-04-18 | Bostrom Alistair K. | Method for wavelet-based compression of video images |
US20190191230A1 (en) * | 2012-06-26 | 2019-06-20 | BTS Software Solutions, LLC | Realtime telemetry data compression system |
US20160127734A1 (en) * | 2014-11-04 | 2016-05-05 | Vahagn Nurijanyan | System and Methods for Image/Video Compression |
CN116456117A (zh) * | 2023-04-19 | 2023-07-18 | 江苏网进科技股份有限公司 | 一种多类数据智能缓存方法及系统 |
CN116153453A (zh) * | 2023-04-20 | 2023-05-23 | 深圳市魔样科技有限公司 | 基于云边协同的智能戒指信息管理方法及系统 |
CN116681036A (zh) * | 2023-08-02 | 2023-09-01 | 天津轻工职业技术学院 | 基于数字孪生的工业数据存储方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116781420A (zh) * | 2023-08-17 | 2023-09-19 | 北京点聚信息技术有限公司 | 一种电子文件安全传输加密方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118018032A (zh) * | 2024-04-09 | 2024-05-10 | 西安西驰信息技术有限公司 | 一种智能化开关柜的远程控制数据传输方法 |
CN118075457A (zh) * | 2024-04-18 | 2024-05-24 | 山西顺达胜业通信工程有限公司 | 一种基于视频监测的设备智能控制方法 |
CN118075457B (zh) * | 2024-04-18 | 2024-06-21 | 山西顺达胜业通信工程有限公司 | 一种基于视频监测的设备智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116980629B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116980629B (zh) | 一种大型照明系统自动故障检测系统 | |
CN116600132B (zh) | 一种煤矿视频数据自适应压缩方法 | |
CN116828070B (zh) | 一种智慧电网数据优化传输方法 | |
CN116760952B (zh) | 基于无人机的电力铁塔维护巡检方法 | |
CN111935042B (zh) | 一种基于机器学习的概率整形识别系统、方法及接收端 | |
CN116095347B (zh) | 基于视频分析的建筑工程安全施工方法及系统 | |
CN115456868B (zh) | 一种消防演练系统数据管理方法 | |
CN116828209B (zh) | 一种矿下智能视频监控数据传输方法及系统 | |
CN116758544A (zh) | 一种基于图像处理的晶圆编码识别系统 | |
CN116723251B (zh) | 基于传感器网络的智能锅炉自动监测系统 | |
CN115830533A (zh) | 基于K-means聚类改进YOLOv5算法的安全帽佩戴检测方法 | |
CN114595817A (zh) | 一种适配硬件的深度学习压缩转换框架 | |
CN114221663A (zh) | 一种基于字符编码的实时频谱数据压缩及恢复的方法 | |
CN117473351A (zh) | 基于物联网的电源信息远程传输系统 | |
CN115866251A (zh) | 基于语义分割的图像信息快速传输方法 | |
CN116320501A (zh) | 红外数据压缩方法及可读存储介质 | |
CN113205010B (zh) | 基于目标聚类的智能勘灾现场视频帧高效压缩系统及方法 | |
CN115964347A (zh) | 一种市场监管监测中心数据的智能存储方法 | |
CN115622571A (zh) | 一种基于数据处理的雷达目标识别方法 | |
CN110784253A (zh) | 一种基于手势识别及北斗卫星的信息交互方法 | |
CN114202726A (zh) | 一种基于自监督学习的输电线路场景目标检测方法 | |
CN114820829A (zh) | 一种用于放射影像的智能压缩方法 | |
CN117896442B (zh) | 一种基于物联网的综合能源数据管理系统 | |
CN118314481A (zh) | 一种基于图像识别的变电设备的巡检方法及系统 | |
CN115941956A (zh) | 一种适用于电力网络检测的高比率图像压缩方法 |
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 |