CN117095361B - 数字收银机的防污清洁方法及系统 - Google Patents

数字收银机的防污清洁方法及系统 Download PDF

Info

Publication number
CN117095361B
CN117095361B CN202311347787.4A CN202311347787A CN117095361B CN 117095361 B CN117095361 B CN 117095361B CN 202311347787 A CN202311347787 A CN 202311347787A CN 117095361 B CN117095361 B CN 117095361B
Authority
CN
China
Prior art keywords
cleaning
stain
equipment
cash register
risk
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
Application number
CN202311347787.4A
Other languages
English (en)
Other versions
CN117095361A (zh
Inventor
吴杨飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Feihai Electronic Technology Co ltd
Original Assignee
Nantong Feihai Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Feihai Electronic Technology Co ltd filed Critical Nantong Feihai Electronic Technology Co ltd
Priority to CN202311347787.4A priority Critical patent/CN117095361B/zh
Publication of CN117095361A publication Critical patent/CN117095361A/zh
Application granted granted Critical
Publication of CN117095361B publication Critical patent/CN117095361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B08—CLEANING
    • B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
    • B08B17/00—Methods preventing fouling
    • B08B17/02—Preventing deposition of fouling or of dust
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0018—Constructional details, e.g. of drawer, printing means, input means

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种数字收银机的防污清洁方法及系统，涉及智能清洁技术领域，该方法包括：交互目标集群收银机的传感监测数据，包括设备监测数据与系统运行数据；基于设备监测数据，进行区域性污渍识别，确定设备污渍特征；结合关联定位模块，进行设备污渍特征与系统运行数据的关联性影响分析，确定第一清理信息；基于设备污渍特征，结合风险预测模组进行运检风险预测，确定第二清理信息，结合第一清理信息，生成清理目标，进而配置预清理方案，进行防污清洁管理。本发明解决了现有技术中由于数字收银机的防污清洁不及时，影响设备的正常运行的技术问题，达到了对设备污渍进行提前预防清洁，保证设备正常平稳运行的技术效果。

Description

数字收银机的防污清洁方法及系统
技术领域
本发明涉及智能清洁技术领域，具体涉及一种数字收银机的防污清洁方法及系统。
背景技术
数字收银机作为数字人民币的支付受理载体，通过芯片和算法来实现币串交换，可实现支付、身份识别、社保卡识别等功能，能够不断拓宽数字人民币的使用场景和落地范围。但作为公用设备，数字收银机的使用接触频繁、环境人流量大，容易产生污垢，若防污清洁不及时，则会影响设备运行，造成识别异常、响应异常、连接短路、接触不良等问题。
发明内容
本申请提供了一种数字收银机的防污清洁方法及系统，用于解决现有技术中由于数字收银机的防污清洁不及时，影响设备的正常运行的技术问题。
本申请的第一个方面，提供了一种数字收银机的防污清洁方法，所述方法包括：交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
本申请的第二个方面，提供了一种数字收银机的防污清洁系统，所述系统包括：传感监测数据交互模块，所述传感监测数据交互模块用于交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；设备污渍特征确定模块，所述设备污渍特征确定模块用于基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；第一清理信息确定模块，所述第一清理信息确定模块用于结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；第二清理信息确定模块，所述第二清理信息确定模块用于基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；清理目标生成模块，所述清理目标生成模块用于基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；防污清洁管理模块，所述防污清洁管理模块用于配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种数字收银机的防污清洁方法，涉及智能清洁技术领域，通过交互目标集群收银机的设备监测数据与系统运行数据，进而确定设备污渍特征，结合关联定位模块，进行设备污渍特征与系统运行数据的关联性影响分析，确定第一清理信息，结合风险预测模组进行运检风险预测，确定第二清理信息，并根据第一清理信息和第二清理信息，生成清理目标，进而配置预清理方案进行防污清洁管理，解决了现有技术中由于数字收银机的防污清洁不及时，影响设备的正常运行的技术问题，实现了对设备污渍进行提前预防清洁，以预防设备污染故障，保证设备正常平稳运行的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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为本申请实施例提供的一种数字收银机的防污清洁方法流程示意图；
图2为本申请实施例提供的一种数字收银机的防污清洁方法中进行所述目标集群收银机的区域性污渍识别的流程示意图；
图3为本申请实施例提供的一种数字收银机的防污清洁方法中结合风险预测模块进行所述目标集群收银机的运检风险预测的流程示意图；
图4为本申请实施例提供的一种数字收银机的防污清洁系统结构示意图。
附图标记说明：传感监测数据交互模块11，设备污渍特征确定模块12，第一清理信息确定模块13，第二清理信息确定模块14，清理目标生成模块15，防污清洁管理模块16。
具体实施方式
本申请提供了一种数字收银机的防污清洁方法，用于解决现有技术中由于数字收银机的防污清洁不及时，影响设备的正常运行的技术问题。
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、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，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的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。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了一种数字收银机的防污清洁方法，所述方法包括：
P10：交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；
具体的，通过安装在各个数字收银机各部位的各类型传感器的监测数据，交互提取目标区域内的集群收银机的传感监测数据，所述集群收银机是指目标区域内的所有数字收银机组成的集群，所述传感监测数据包括存在映射关系的设备监测数据与系统运行数据，所述设备监测数据包括收银机硬件设备各部位的图像监测数据，所述系统运行数据指各个数字收银机设备的运行状态数据，包括各个使用功能和设备各部位的运行状态数据，可分为正常运行状态和故障状态。
进一步的，本申请实施例步骤P10还包括：
P11：其中，所述设备监测数据包括外视数据与内检数据，且所述外视数据与所述内检数据的检查频次不同；
P12：配置周期性外检间隔时区，进行所述目标集群收银机的定期外检；
P13：基于外环境信息，配置所述目标集群收银机的内检间隔时区，进行所述目标集群收银机的内部结构插件检查，其中，所述外环境信息包括环境温度、环境湿度与空气洁净度。
其中，所述设备监测数据包括外视数据与内检数据，所述外视数据是指数字收银机的外观监测数据，包括机身、显示器、摄像头等外部区域的监测图像，所述内检数据是指数字收银机设备内部的监测数据，例如设备内部结构组件、电路板等内部区域的监测图像，并且，由于接触到污染物的频次和难易程度不同，所述外视数据与所述内检数据的检查频次不同，例如显示器等经常接触油脂和灰尘的部位，更容易因为污染造成触屏灵敏度降低，因此检测频次相对较高。
进一步的，根据目标区域的环境灰尘量，以及居民对目标集群收银机的使用频次，配置周期性外检间隔时区，也就是收银机外部清洁度的检查周期，并参照检查周期进行所述目标集群收银机的定期外检。另一方面，基于目标区域的外环境信息，包括环境温度、环境湿度与空气洁净度，配置所述目标集群收银机的内检间隔时区，示例性的，环境湿度越大、温度越高，设备内部线路越容易受到腐蚀污染，则相应的内检间隔时区应当越短，基于所述内检间隔时区，进行所述目标集群收银机的内部结构插件检查，以保证收银机内部环境的清洁度。
P20：基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；
具体的，根据所述设备监测数据，提取所述目标集群收银机的外部和内部清洁度监测图像，并根据清洁度监测图像，进行所述目标集群收银机的区域性污渍识别，也就是分区域进行污渍识别，确定每个区域的污渍特征，包括污渍类型、污染程度、污染面积等，并且对所述设备污渍特征进行污渍类型标识，作为后续进行运行影响分析的基础数据。
进一步的，如图2所示，本申请实施例步骤P20还包括：
P21：其中，基于双目摄像头、触控显示屏、条码识别框与设备接线的设备区域为第一识别区域，机身区域为第二识别区域，属于外检维度且所述第一识别区域优先级较高；
P22：其中，基于电路插件、结构组件的设备区域为第三识别区域，属于内检维度；
P23：基于所述第一识别区域、所述第二识别区域与所述第三识别区域，进行所述目标集群收银机的区域性污渍识别。
应当理解的是，按照使用功能进行外部识别区域二次分区，将数字收银机的双目摄像头、触控显示屏、条码识别框与设备接线的设备区域作为第一识别区域，机身区域作为第二识别区域，并且由于所述第一识别区域的功能性较强，所述第一识别区域的监测优先级高于第二识别区域，并且所述第一识别区域和所述第二识别区域均属于外检维度，将电路插件、结构组件的设备区域为第三识别区域，并且所述第三识别区域属于内检维度。进一步的，基于所述第一识别区域、所述第二识别区域与所述第三识别区域，分区域进行所述目标集群收银机的区域性污渍识别，可以针对性的保护收银机各部位的正常运行。
进一步的，本申请实施例步骤P23还包括：
P23-1：配置污渍特征参照表，包括基于所述第一识别区域、所述第二识别区域与所述第三识别区域的多个表征为污渍类型-可视化特征的序列；
P23-2：对所述设备监测数据进行区域归属划分，以所述污渍特征参照表为基准进行特征识别匹配，确定所述设备污渍特征。
示例性的，根据污渍类型，配置污渍特征参照表，所述污渍特征参照表分别包含所述第一识别区域、所述第二识别区域与所述第三识别区域三个识别区域的污渍特征，例如所述第一识别区域容易产生静电、表面脏污、插头积污等污渍，导致接触与识别异常、插头漏电等问题，所述第三识别区域容易产生插件离子污染物、吸附污染物等污渍。根据不同区域的污渍类型及对应特征，生成多个污渍类型-可视化特征序列，并由多个污渍类型-可视化特征序列组成污渍特征参照表。
进一步的，对所述设备监测数据进行区域归属划分，也就是将所述设备监测数据划分为所述第一识别区域监测数据、所述第二识别区域监测数据与所述第三识别区域监测数据，并分别对照所述污渍特征参照表并进行污渍特征识别匹配，进而确定每个识别区域的设备污渍特征，包括污渍类型、面积、污染程度等。
P30：结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；
可选的，结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，所述关联定位模块是用来通过系统运行数据识别设备的实时运行故障，并结合所述设备污渍特征确定需要清理的设备污渍信息的模块，所述关联定位模块的构建方式可以是：通过采集历史系统运行故障数据及对应关联的历史故障位置、历史设备污渍特征数据作为训练数据，结合任意神经网络进行有监督训练，直至输出结果收敛，得到所述关联定位模块。
进一步的，通过使用所述关联定位模块，对所述设备污渍特征和所述系统运行数据进行关联性影响分析，针对除设备自身故障外，由污染物造成的运行影响，进行运行影响关联，首先进行设备运行故障判定，若存在运行故障，如卡顿、人脸识别准确度低等，则将所述设备污渍特征进行影响关联，确定需要清理的污渍信息，作为所述第一清理信息，若不存在运行故障，则所述第一清理信息表征为0，也就是说当前设备不需要清理。
P40：基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；
具体的，基于所述设备污渍特征，使用风险预测模组进行所述目标集群收银机的运检风险预测，也就是针对当前设备各部位的污渍严重程度进行风险预测，判断是否会影响设备正常使用或造成设备故障，并根据预测结果生成提前清理信息，以此作为第二清理信息，以做到对污渍造成的风险进行提前处理，保障设备平稳运行。
进一步的，如图3所示，本申请实施例步骤P40还包括：
P41：其中，所述风险预测模组包括暂态预测模块与长期预测模块；
P42：对所述设备污渍特征进行划分，分别输入所述暂态预测模块与所述长期预测模块中进行运检风险预测，确定对应于设备污渍特征的风险时序节点与风险程度；
P43：基于所述风险时序节点与所述风险程度，确定所述第二清理信息。
在本申请一种可能的实施例中，所述风险预测模组包括暂态预测模块与长期预测模块，所述暂态预测模块针对产生即时影响的污渍进行风险预测，例如摄像头镜头上的污渍会导致摄像头即刻失去使用功能。所述长期预测模块针对长期积累到一定量后，会对设备造成影响的污渍进行风险预测，例如插头上的污垢在积累到一定量后，会导致接触不良，影响导电，或是酸性污渍随时间对线路的腐蚀等。可根据通过采集样本污渍特征和对应的样本设备影响作为训练数据，结合任意数学算法进行训练，直至输出数据收敛，来得到所述暂态预测模块与长期预测模块。
进一步的，按照长期影响和暂态影响，将所述设备污渍特征进行划分，例如将遮挡摄像头、影响触屏灵敏度的污渍划分为暂态影响污渍，将腐蚀性污渍、导电部位的堆积型污渍划分为长期影响污渍，并分别输入所述暂态预测模块与所述长期预测模块中进行运检风险预测，根据各个设备污渍的类型、程度、污染范围进行风险触发时间预测，确定对应于设备污渍特征的风险时序节点与风险程度，所述风险时序节点也就是每处污渍未来对设备造成干扰的触发时间，例如酸性污渍造成线路断路的时间点，所述风险程度即产生的设备运行影响的大小。
进一步的，基于所述风险时序节点与所述风险程度，提前规划污渍清理时间和清理范围，以此作为所述第二清理信息，将污渍进行提前清理，以避免设备故障，保障设备平稳运行。
进一步的，本申请实施例步骤P43还包括：
P43-1：基于风险程度配置预调区间，对所述风险时序节点进行内缩处理，确定调整风险时序节点；
P43-2：筛选所述调整风险时序节点中满足清理时限阈值的待处理风险时序节点，进行所述设备污渍特征的映射，确定所述第二清理信息。
应当理解的是，基于风险程度配置预调区间，对所述风险时序节点进行内缩处理，也就是将各处污渍造成运行风险的时间节点进行内缩，将污渍清理的时间节点设置在风险发生之前，以此确定调整风险时序节点，所述风险程度配置预调区间是根据设备结构确定的设备清理区间，例如数字收银机的供电箱内部为一个独立空间，清理时，可将未达到风险阈值的污渍一并清理，以节省清理成本。
进一步的，筛选出所述调整风险时序节点中满足清理时限阈值的待处理风险时序节点，进行所述设备污渍特征的映射，所述清理时限阈值是人为设定的清理时限最大值，例如在风险发生的一个月前进行污渍处理，以此确定所述第二清理信息，也就是需要提前清理的污渍信息。
P50：基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；
具体的，根据所述第一清理信息与所述第二清理信息，确定需要即时进行污渍清理的设备编码、需要提前清理的设备编码，以及各设备对应的污渍类型、部位、面积、污染程度等信息，以此生成针对不同部位的多个清理目标。
P60：配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
进一步的，本申请实施例步骤P60还包括：
P61：针对所述清理目标，基于工业互联网进行大数据检索，确定普适清理方案集，其中，所述普适清理方案集包括对应于各清理目标的N组清理方案；
P62：进行所述普适清理方案集的优向兼并，确定N个清理方案；
P63：对所述N个清理方案进行寻优调整，确定包含清洁方式与清洁次序的所述预清理方案。
应当理解的是，分针对数字收银机不同部位的多个清理目标，基于工业互联网进行大数据检索，搜索获取针对不同部位的污垢清理方法，例如液晶屏幕的清理方法、线路表面的清理方法等，组成普适清理方案集，假设有N个清理目标，所述普适清理方案集包括对应于各清理目标的N组清理方案。
进一步的，进行所述普适清理方案集的优向兼并，也就是分别从所述N组清理方案中，选择每组中最适合各个清理目标的方案，并由此确定N个清理方案，进一步的，按照目标集群收银机的机体结构，以及各清洁目标的分布位置，对所述N个清理方案进行寻优调整，也就是将N个清理方案进行排序，确定包含清洁方式与清洁次序的所述预清理方案，使用所述预清理方案，进行所述目标集群收银机的防污清洁管理，以达到对数字收银机的日常清洁维护，保证设备的正常平稳运行，降低设备故障损失。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过交互目标集群收银机的设备监测数据与系统运行数据，进而确定设备污渍特征，结合关联定位模块，进行设备污渍特征与系统运行数据的关联性影响分析，确定第一清理信息，结合风险预测模组进行运检风险预测，确定第二清理信息，并根据第一清理信息和第二清理信息，生成清理目标，进而配置预清理方案进行防污清洁管理。
达到了对设备污渍进行提前预防清洁，以预防设备污染故障，保证设备正常平稳运行的技术效果。
实施例二
基于与前述实施例中一种数字收银机的防污清洁方法相同的发明构思，如图4所示，本申请提供了一种数字收银机的防污清洁系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：
传感监测数据交互模块11，所述传感监测数据交互模块11用于交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；
设备污渍特征确定模块12，所述设备污渍特征确定模块12用于基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；
第一清理信息确定模块13，所述第一清理信息确定模块13用于结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；
第二清理信息确定模块14，所述第二清理信息确定模块14用于基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；
清理目标生成模块15，所述清理目标生成模块15用于基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；
防污清洁管理模块16，所述防污清洁管理模块16用于配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
进一步的，所述传感监测数据交互模块11还用于执行以下步骤：
其中，所述设备监测数据包括外视数据与内检数据，且所述外视数据与所述内检数据的检查频次不同；
配置周期性外检间隔时区，进行所述目标集群收银机的定期外检；
基于外环境信息，配置所述目标集群收银机的内检间隔时区，进行所述目标集群收银机的内部结构插件检查，其中，所述外环境信息包括环境温度、环境湿度与空气洁净度。
进一步的，所述设备污渍特征确定模块12还用于执行以下步骤：
其中，基于双目摄像头、触控显示屏、条码识别框与设备接线的设备区域为第一识别区域，机身区域为第二识别区域，属于外检维度且所述第一识别区域优先级较高；
其中，基于电路插件、结构组件的设备区域为第三识别区域，属于内检维度；
基于所述第一识别区域、所述第二识别区域与所述第三识别区域，进行所述目标集群收银机的区域性污渍识别。
进一步的，所述设备污渍特征确定模块12还用于执行以下步骤：
配置污渍特征参照表，包括基于所述第一识别区域、所述第二识别区域与所述第三识别区域的多个表征为污渍类型-可视化特征的序列；
对所述设备监测数据进行区域归属划分，以所述污渍特征参照表为基准进行特征识别匹配，确定所述设备污渍特征。
进一步的，所述第二清理信息确定模块14还用于执行以下步骤：
其中，所述风险预测模组包括暂态预测模块与长期预测模块；
对所述设备污渍特征进行划分，分别输入所述暂态预测模块与所述长期预测模块中进行运检风险预测，确定对应于设备污渍特征的风险时序节点与风险程度；
基于所述风险时序节点与所述风险程度，确定所述第二清理信息。
进一步的，所述第二清理信息确定模块14还用于执行以下步骤：
基于风险程度配置预调区间，对所述风险时序节点进行内缩处理，确定调整风险时序节点；
筛选所述调整风险时序节点中满足清理时限阈值的待处理风险时序节点，进行所述设备污渍特征的映射，确定所述第二清理信息。
进一步的，所述防污清洁管理模块16还用于执行以下步骤：
针对所述清理目标，基于工业互联网进行大数据检索，确定普适清理方案集，其中，所述普适清理方案集包括对应于各清理目标的N组清理方案；
进行所述普适清理方案集的优向兼并，确定N个清理方案；
对所述N个清理方案进行寻优调整，确定包含清洁方式与清洁次序的所述预清理方案。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.数字收银机的防污清洁方法，其特征在于，所述方法包括：
交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；
基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；
结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；
基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；
基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；
配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
2.如权利要求1所述的方法，其特征在于，获取所述设备监测数据，该方法包括：
其中，所述设备监测数据包括外视数据与内检数据，且所述外视数据与所述内检数据的检查频次不同；
配置周期性外检间隔时区，进行所述目标集群收银机的定期外检；
基于外环境信息，配置所述目标集群收银机的内检间隔时区，进行所述目标集群收银机的内部结构插件检查，其中，所述外环境信息包括环境温度、环境湿度与空气洁净度。
3.如权利要求1所述的方法，其特征在于，基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，该方法包括：
其中，基于双目摄像头、触控显示屏、条码识别框与设备接线的设备区域为第一识别区域，机身区域为第二识别区域，属于外检维度且所述第一识别区域优先级较高；
其中，基于电路插件、结构组件的设备区域为第三识别区域，属于内检维度；
基于所述第一识别区域、所述第二识别区域与所述第三识别区域，进行所述目标集群收银机的区域性污渍识别。
4.如权利要求3所述的方法，其特征在于，所述进行所述目标集群收银机的区域性污渍识别，该方法包括：
配置污渍特征参照表，包括基于所述第一识别区域、所述第二识别区域与所述第三识别区域的多个表征为污渍类型-可视化特征的序列；
对所述设备监测数据进行区域归属划分，以所述污渍特征参照表为基准进行特征识别匹配，确定所述设备污渍特征。
5.如权利要求1所述的方法，其特征在于，所述基于所述设备污渍特征，结合风险预测模块进行所述目标集群收银机的运检风险预测，该方法包括：
其中，所述风险预测模组包括暂态预测模块与长期预测模块；
对所述设备污渍特征进行划分，分别输入所述暂态预测模块与所述长期预测模块中进行运检风险预测，确定对应于设备污渍特征的风险时序节点与风险程度；
基于所述风险时序节点与所述风险程度，确定所述第二清理信息。
6.如权利要求5所述的方法，其特征在于，基于所述风险时序节点与所述风险程度，确定所述第二清理信息，该方法包括：
基于风险程度配置预调区间，对所述风险时序节点进行内缩处理，确定调整风险时序节点；
筛选所述调整风险时序节点中满足清理时限阈值的待处理风险时序节点，进行所述设备污渍特征的映射，确定所述第二清理信息。
7.如权利要求1所述的方法，其特征在于，所述配置基于所述清理目标的预清理方案，该方法包括：
针对所述清理目标，基于工业互联网进行大数据检索，确定普适清理方案集，其中，所述普适清理方案集包括对应于各清理目标的N组清理方案；
进行所述普适清理方案集的优向兼并，确定N个清理方案；
对所述N个清理方案进行寻优调整，确定包含清洁方式与清洁次序的所述预清理方案。
8.数字收银机的防污清洁系统，其特征在于，所述系统包括：
传感监测数据交互模块，所述传感监测数据交互模块用于交互目标区域内目标集群收银机的传感监测数据，包括存在映射关系的设备监测数据与系统运行数据；
设备污渍特征确定模块，所述设备污渍特征确定模块用于基于所述设备监测数据，进行所述目标集群收银机的区域性污渍识别，确定设备污渍特征，所述设备污渍特征标识有污渍类型；
第一清理信息确定模块，所述第一清理信息确定模块用于结合关联定位模块，进行所述设备污渍特征与所述系统运行数据的关联性影响分析，确定第一清理信息；
第二清理信息确定模块，所述第二清理信息确定模块用于基于所述设备污渍特征，结合风险预测模组进行所述目标集群收银机的运检风险预测，确定第二清理信息；
清理目标生成模块，所述清理目标生成模块用于基于所述第一清理信息与所述第二清理信息，生成清理目标，其中，所述清理目标存在设备编码标识；
防污清洁管理模块，所述防污清洁管理模块用于配置基于所述清理目标的预清理方案，进行所述目标集群收银机的防污清洁管理。
CN202311347787.4A 2023-10-18 2023-10-18 数字收银机的防污清洁方法及系统 Active CN117095361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311347787.4A CN117095361B (zh) 2023-10-18 2023-10-18 数字收银机的防污清洁方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311347787.4A CN117095361B (zh) 2023-10-18 2023-10-18 数字收银机的防污清洁方法及系统

Publications (2)

Publication Number Publication Date
CN117095361A CN117095361A (zh) 2023-11-21
CN117095361B true CN117095361B (zh) 2023-12-22

Family

ID=88775383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311347787.4A Active CN117095361B (zh) 2023-10-18 2023-10-18 数字收银机的防污清洁方法及系统

Country Status (1)

Country Link
CN (1) CN117095361B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015184803A (ja) * 2014-03-20 2015-10-22 富士通フロンテック株式会社 自動釣銭機、自動釣銭機のクリーニング方法及びプログラム
CN216748065U (zh) * 2021-11-04 2022-06-14 武汉万集光电技术有限公司 一种具有清洁装置的激光雷达
CN116060201A (zh) * 2023-03-08 2023-05-05 北京博数智源人工智能科技有限公司 一种火电站磨煤机爆燃监测异常定位识别方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015184803A (ja) * 2014-03-20 2015-10-22 富士通フロンテック株式会社 自動釣銭機、自動釣銭機のクリーニング方法及びプログラム
CN216748065U (zh) * 2021-11-04 2022-06-14 武汉万集光电技术有限公司 一种具有清洁装置的激光雷达
CN116060201A (zh) * 2023-03-08 2023-05-05 北京博数智源人工智能科技有限公司 一种火电站磨煤机爆燃监测异常定位识别方法及系统

Also Published As

Publication number Publication date
CN117095361A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
Zhang et al. Time series anomaly detection for smart grids: A survey
CN108429651A (zh) 流量数据检测方法、装置、电子设备及计算机可读介质
CN101267116B (zh) 一种配电网电能质量扰动源自动定位方法
Chakhchoukh et al. Statistical outlier detection for diagnosis of cyber attacks in power state estimation
CN105425123A (zh) 一种紫外成像与红外成像协同检测电力设备故障的方法及系统
CN110866515B (zh) 厂房内对象行为识别方法、装置以及电子设备
CN113992153B (zh) 一种光伏电站可视化实时监测分布式管理系统
US11656589B2 (en) Systems and methods for automatic power topology discovery
CN113449703B (zh) 环境在线监测数据的质控方法、装置、存储介质及设备
Choi et al. Impact analysis of locational marginal price subject to power system topology errors
CN110059521A (zh) 目标跟踪方法及装置
CN117095361B (zh) 数字收银机的防污清洁方法及系统
CN1578231A (zh) 检测拒绝服务攻击的方法
CN117933549A (zh) 基于电量阈值计算算法的企业用电电量数据处理方法及系统
CN117474289A (zh) 一种智慧城市能源监测管理优化系统
Lin et al. Root Cause Analysis in Microservice Using Neural Granger Causal Discovery
CN117493498A (zh) 基于工业互联网的电力数据挖掘与分析系统
CN113554717A (zh) 基于机器视觉的电力设备锈蚀识别系统及方法
Shi et al. Research challenges and opportunities in remote diagnosis and system performance assessment
Jacome et al. Real-Time Fault Identification of Photovoltaic Systems Based on Remote Monitoring with IoT
CN107705385A (zh) 柴油发电机组巡检方法及终端设备
CN113760873A (zh) Agv维修数据的处理方法、装置、设备及存储介质
Augusto et al. Low-cardinality critical k-tuples in measurement sets for state estimation
CN117763477B (zh) 一种水泥工厂进厂废物分类管理方法及系统
Jianqiao et al. An overlapping distributed state estimation and detection method in smart grids

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