CN117436602A - 一种基于深度学习的智能设备软件分析方法、系统及介质 - Google Patents
一种基于深度学习的智能设备软件分析方法、系统及介质 Download PDFInfo
- Publication number
- CN117436602A CN117436602A CN202311306749.4A CN202311306749A CN117436602A CN 117436602 A CN117436602 A CN 117436602A CN 202311306749 A CN202311306749 A CN 202311306749A CN 117436602 A CN117436602 A CN 117436602A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- building
- analysis
- real
- fire
- 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.)
- Pending
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013433 optimization analysis Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于深度学习的智能设备软件分析方法、系统及介质，基于基础模型数据构建建筑空间模型；基于使用性质信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。通过本发明，能够实现对智能设备的高效利用、并通过软件分析平台对楼宇进行智能化的消防预警与分析，提高楼宇设备之间的信息化与智能化水平。
Description
技术领域
本发明涉及数据分析领域，更具体的，涉及一种基于深度学习的智能设备软件分析方法、系统及介质。
背景技术
楼宇消防工作是目前大型、高楼建筑的重要任务，而随着设备的智能化，如何利用智能设备与智能软件对楼宇进行智能化分析成为当前楼宇信息化的重要课题。
受制于传统技术，目前在楼宇中的消防分析不够智能化，没有高效的智能设备设置方法与软件分析方法，导致消防预警不够智能化，预警分析效率低下。因此，现在急需一种智能设备软件分析方法。
发明内容
本发明克服了现有技术的缺陷，提出了一种基于深度学习的智能设备软件分析方法、系统及介质。
本发明第一方面提供了一种基于深度学习的智能设备软件分析方法，包括：
获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
本方案中，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
获取目标建筑基础模型数据；
所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
本方案中，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，具体为：
基于建筑空间模型获取楼宇物体分布信息；
获取目标建筑的使用性质信息；
基于建筑空间模型对每个楼层进行区域划分，得到多个楼层区域；
根据所述使用性质信息与楼宇物体分布信息，分析出每个楼层区域的消防危险性并得到每个楼层区域的消防危险指数；
基于所述每个楼层区域的危险指数生成消防优先等级；
所述分析结果包括危险指数与消防优先等级。
本方案中，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，还包括：
获取智能设备的功能信息；
所述智能设备包括视频监控设备、温度传感设备、红外监控设备、烟感监控设备；
基于所述消防危险指数、消防优先等级、智能设备的功能信息，对楼层区域生成智能设备功能约束条件；
将智能设备间隔距离、智能设备种类与数量、智能设备位置作为自变量，结合智能设备功能约束条件，并以自变量与设备总成本之间的函数作为目标函数，成本与智能设备功能约束条件作为优化目标，进行设备设置的最优化分析，并生成智能设备设置方案；
所述设置方案包括智能设备间隔距离、智能设备数量、智能设备位置信息。
本方案中，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，具体为：
根据智能设备设置方案对目标建筑进行智能设备的布局设定与数据初始化；
实时采集多个智能设备的实时数据，并基于物联网将所述实时数据导入基于云计算的软件分析平台；
所述实时数据包括视频实时数据、温度实时数据、红外图像实时数据；
构建基于深度学习的图像识别模型；
基于视频实时数据，将所述视频实时数据进行图像关键帧提取与图像预处理得到图像集，将所述图像集导入基于深度学习的图像识别模型进行人员识别与人员定位，并得到人员实时位置信息；
基于温度实时数据、红外图像实时数据，对不同的楼层区域进行实时消防预警的动态分析，并得到预警信息；
所述预警信息包括预警等级与楼层区域温控状况。
本方案中，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，还包括：
根据建筑空间模型进行可行性路径提取，得到可行路径模型；
实时判断预警信息，若预警等级高于预设等级，基于消防预警信息判断出危险位置；
基于人员实时位置信息进行位置参数转化，得到起点位置参数；
基于建筑空间模型的出口位置获取终点位置参数；
将危险位置、起点位置参数、终点位置参数导入可行路径模型中，以危险位置形成规避约束条件，进行基于A*算法的路径规划模拟，并生成人员最优通行路径。
本方案中，所述通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备，具体为：
将所述人员最优通行路径通过软件分析平台发送至对应人员的终端设备；
基于软件分析平台与实时数据，对消防预警信息进行实时分析与更新。
本发明第二方面还提供了一种基于深度学习的智能设备软件分析系统，该系统包括：存储器、处理器，所述存储器中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被所述处理器执行时实现如下步骤：
获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
本方案中，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
获取目标建筑基础模型数据；
所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被处理器执行时，实现如上述任一项所述的基于深度学习的智能设备软件分析方法的步骤。
本发明公开了一种基于深度学习的智能设备软件分析方法、系统及介质，基于基础模型数据构建建筑空间模型；基于使用性质信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。通过本发明，能够实现对智能设备的高效利用、并通过软件分析平台对楼宇进行智能化的消防预警与分析，提高楼宇设备之间的信息化与智能化水平。
附图说明
图1示出了本发明一种基于深度学习的智能设备软件分析方法的流程图；
图2示出了本发明建筑空间模型构建流程图；
图3示出了本发明消防预警信息实时更新流程图；
图4示出了本发明一种基于深度学习的智能设备软件分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于深度学习的智能设备软件分析方法的流程图。
如图1所示，本发明第一方面提供了一种基于深度学习的智能设备软件分析方法，包括：
S102，获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
S104，获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
S106，采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
S108，通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
图2示出了本发明建筑空间模型构建流程图。
根据本发明实施例，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
S202，获取目标建筑基础模型数据；
S204，所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
S206，基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
需要说明的是，所述管道模型、楼层结构模型、给排水模型为基于BIM的数据模型，通过所述模型的整体化构建能够得到整体可视化的建筑模型，有利于后续对楼宇建筑进行智能设备布置与智能化消防分析。
根据本发明实施例，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，具体为：
基于建筑空间模型获取楼宇物体分布信息；
获取目标建筑的使用性质信息；
基于建筑空间模型对每个楼层进行区域划分，得到多个楼层区域；
根据所述使用性质信息与楼宇物体分布信息，分析出每个楼层区域的消防危险性并得到每个楼层区域的消防危险指数；
基于所述每个楼层区域的危险指数生成消防优先等级；
所述分析结果包括危险指数与消防优先等级。
需要说明的是，所述楼宇物体分布信息主要为具有消防意义的物体信息，例如可燃物与非可燃物的信息、物体在各楼层的分布信息、物体在楼宇规模等，例如，在商用写字楼的楼宇中，各种电脑机器、仓库纸张均为可燃物，其物体在楼层的分布对消防安全的精准分析起到重要作用。所述多个楼层区域中，一层楼对应至少一个楼层区域，根据一个楼层空间大小可以选择继续划分，有助于提高精细化楼层消防分析。危险指数越大，代表消防安全隐患越大，其基于可燃物的规模、数量、分布与楼层区域的位置进行综合分析得出。
根据本发明实施例，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，还包括：
获取智能设备的功能信息；
所述智能设备包括视频监控设备、温度传感设备、红外监控设备、烟感监控设备；
基于所述消防危险指数、消防优先等级、智能设备的功能信息，对楼层区域生成智能设备功能约束条件；
将智能设备间隔距离、智能设备种类与数量、智能设备位置作为自变量，结合智能设备功能约束条件，并以自变量与设备总成本之间的函数作为目标函数，成本与智能设备功能约束条件作为优化目标，进行设备设置的最优化分析，并生成智能设备设置方案；
所述设置方案包括智能设备间隔距离、智能设备数量、智能设备位置信息。
需要说明的是，所述智能设备均通过物联网与软件分析平台进行联网对接。本发明通过约束条件、目标函数的构建形成设备规划的最优化模型分析，并基于区域分析与消防优先等级，对总体目标楼宇进行精准化的设备规划，能够得到符合当前楼宇的精准化规划方案，所述成本与设备种类、数量相关。所述智能设备功能约束条件中，具体为对不同消防优先等级采取不同的设备约束条件，如消防优先等级等级越高，对应的设备需求功能越多，对应的智能设备数量也越多，种类也需要越丰富。
根据本发明实施例，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，具体为：
根据智能设备设置方案对目标建筑进行智能设备的布局设定与数据初始化；
实时采集多个智能设备的实时数据，并基于物联网将所述实时数据导入基于云计算的软件分析平台；
所述实时数据包括视频实时数据、温度实时数据、红外图像实时数据；
构建基于深度学习的图像识别模型；
基于视频实时数据，将所述视频实时数据进行图像关键帧提取与图像预处理得到图像集，将所述图像集导入基于深度学习的图像识别模型进行人员识别与人员定位，并得到人员实时位置信息；
基于温度实时数据、红外图像实时数据，对不同的楼层区域进行实时消防预警的动态分析，并得到预警信息；
所述预警信息包括预警等级与楼层区域温控状况。
需要说明的是，所述软件分析平台为一种云计算平台，通过云平台进行搭建，从而能够减少楼宇计算机设备的算力消耗。所述基于深度学习的图像识别模型为一种具有训练、自学习、预测、识别、分类功能的图像分析模型，通过该模型对图像进行人员识别。所述图像识别模型基于CNN模型搭建。
根据本发明实施例，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，还包括：
根据建筑空间模型进行可行性路径提取，得到可行路径模型；
实时判断预警信息，若预警等级高于预设等级，基于消防预警信息判断出危险位置；
基于人员实时位置信息进行位置参数转化，得到起点位置参数；
基于建筑空间模型的出口位置获取终点位置参数；
将危险位置、起点位置参数、终点位置参数导入可行路径模型中，以危险位置形成规避约束条件，进行基于A*算法的路径规划模拟，并生成人员最优通行路径。
需要说明的是，所述可行路径模型能够在建筑空间模型进行查看。所述危险位置即火灾位置点或异常高温位置点。通过基于A*算法的路径规划与优化，能够在可行路径模型中选择对当前建筑楼宇人员最有利的通行路径，从而提高消防安全水平，实现系统的智能化分析。
图3示出了本发明消防预警信息实时更新流程图。
根据本发明实施例，所述通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备，具体为：
S302，将所述人员最优通行路径通过软件分析平台发送至对应人员的终端设备；
S304，基于软件分析平台与实时数据，对消防预警信息进行实时分析与更新。
需要说明的是，所述预设终端设备包括移动终端设备与计算机终端设备，所述人员的终端设备一般为移动终端设备。
根据本发明实施例，还包括：
获取智能设备的功能信息与建筑空间模型；
基于所述智能设备的功能信息与建筑空间模型构建基于数字孪生的楼宇消防模型；
获取当前智能设备设置方案，将所述智能设备设置方案方案导入楼宇消防模型进行设备监测模拟分析，得到视频监控范围、红外监控范围、温度监控范围；
基于预设消防标准信息，判断所述视频监控范围、红外监控范围、温度监控范围是否符合预设消防标准；
判断过程为将视频监控范围、红外监控范围、温度监控范围与预设消防标准信息中的预设范围进行重合比较，并得到基于视频、红外、温度三个维度的重合度；
基于所述重合度分析出智能设备设置方案的可行性程度；
根据可行性程度，对智能设备进行调整。
需要说明的是，所述预设消防标准信息为用户设定数据，包括对目标建筑的预设视频、红外、温度监控范围。重合度越高，可行性程度越高。所述调整包括对智能设备的增减与位置调整。若可行性程度低于预设可行度，则代表不符合预设消防标准。
本发明通过基于数字孪生的楼宇消防模型，对智能设备设置方案的消防可行性进行可视化模拟，让用户能够更加直观掌握智能设备对当前消防效果的影响。并通过该楼宇消防模型进行智能设备的调整。
根据本发明实施例，还包括：
获取每个楼层区域消防优先等级；
根据所述消防优先等级与智能设备设置方案，对每台智能设备进行预设时间段的工作量评估，得到每台智能设备的工作量预估信息；
获取多种智能设备的预测使用寿命信息；
根据所述预测使用寿命信息与工作量预估信息对每台智能设备进行维护方案分析，并得到设备维护方案。
需要说明的是，所述工作量预估信息包括工作时间与数据传输量等信息。值得一提的是，在不同楼层区域中，由于消防优先等级的不同，对智能设备的使用强度与数据传输量也存在差异，因此，本发明对每台智能设备进行综合的寿命与使用评估，能够分析出针对当前楼宇中智能设备的维护方案，提高楼宇智能化调控设备的能力，实现高效的设备管理。
图4示出了本发明一种基于深度学习的智能设备软件分析系统的框图。
本发明第二方面还提供了一种基于深度学习的智能设备软件分析系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被所述处理器执行时实现如下步骤：
获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
根据本发明实施例，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
获取目标建筑基础模型数据；
所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
需要说明的是，所述管道模型、楼层结构模型、给排水模型为基于BIM的数据模型，通过所述模型的整体化构建能够得到整体可视化的建筑模型，有利于后续对楼宇建筑进行智能设备布置与智能化消防分析。
根据本发明实施例，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，具体为：
基于建筑空间模型获取楼宇物体分布信息；
获取目标建筑的使用性质信息；
基于建筑空间模型对每个楼层进行区域划分，得到多个楼层区域；
根据所述使用性质信息与楼宇物体分布信息，分析出每个楼层区域的消防危险性并得到每个楼层区域的消防危险指数；
基于所述每个楼层区域的危险指数生成消防优先等级；
所述分析结果包括危险指数与消防优先等级。
需要说明的是，所述楼宇物体分布信息主要为具有消防意义的物体信息，例如可燃物与非可燃物的信息、物体在各楼层的分布信息、物体在楼宇规模等，例如，在商用写字楼的楼宇中，各种电脑机器、仓库纸张均为可燃物，其物体在楼层的分布对消防安全的精准分析起到重要作用。所述多个楼层区域中，一层楼对应至少一个楼层区域，根据一个楼层空间大小可以选择继续划分，有助于提高精细化楼层消防分析。危险指数越大，代表消防安全隐患越大，其基于可燃物的规模、数量、分布与楼层区域的位置进行综合分析得出。
根据本发明实施例，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，还包括：
获取智能设备的功能信息；
所述智能设备包括视频监控设备、温度传感设备、红外监控设备、烟感监控设备；
基于所述消防危险指数、消防优先等级、智能设备的功能信息，对楼层区域生成智能设备功能约束条件；
将智能设备间隔距离、智能设备种类与数量、智能设备位置作为自变量，结合智能设备功能约束条件，并以自变量与设备总成本之间的函数作为目标函数，成本与智能设备功能约束条件作为优化目标，进行设备设置的最优化分析，并生成智能设备设置方案；
所述设置方案包括智能设备间隔距离、智能设备数量、智能设备位置信息。
需要说明的是，所述智能设备均通过物联网与软件分析平台进行联网对接。本发明通过约束条件、目标函数的构建形成设备规划的最优化模型分析，并基于区域分析与消防优先等级，对总体目标楼宇进行精准化的设备规划，能够得到符合当前楼宇的精准化规划方案，所述成本与设备种类、数量相关。所述智能设备功能约束条件中，具体为对不同消防优先等级采取不同的设备约束条件，如消防优先等级等级越高，对应的设备需求功能越多，对应的智能设备数量也越多，种类也需要越丰富。
根据本发明实施例，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，具体为：
根据智能设备设置方案对目标建筑进行智能设备的布局设定与数据初始化；
实时采集多个智能设备的实时数据，并基于物联网将所述实时数据导入基于云计算的软件分析平台；
所述实时数据包括视频实时数据、温度实时数据、红外图像实时数据；
构建基于深度学习的图像识别模型；
基于视频实时数据，将所述视频实时数据进行图像关键帧提取与图像预处理得到图像集，将所述图像集导入基于深度学习的图像识别模型进行人员识别与人员定位，并得到人员实时位置信息；
基于温度实时数据、红外图像实时数据，对不同的楼层区域进行实时消防预警的动态分析，并得到预警信息；
所述预警信息包括预警等级与楼层区域温控状况。
需要说明的是，所述软件分析平台为一种云计算平台，通过云平台进行搭建，从而能够减少楼宇计算机设备的算力消耗。所述基于深度学习的图像识别模型为一种具有训练、自学习、预测、识别、分类功能的图像分析模型，通过该模型对图像进行人员识别。所述图像识别模型基于CNN模型搭建。
根据本发明实施例，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，还包括：
根据建筑空间模型进行可行性路径提取，得到可行路径模型；
实时判断预警信息，若预警等级高于预设等级，基于消防预警信息判断出危险位置；
基于人员实时位置信息进行位置参数转化，得到起点位置参数；
基于建筑空间模型的出口位置获取终点位置参数；
将危险位置、起点位置参数、终点位置参数导入可行路径模型中，以危险位置形成规避约束条件，进行基于A*算法的路径规划模拟，并生成人员最优通行路径。
需要说明的是，所述可行路径模型能够在建筑空间模型进行查看。所述危险位置即火灾位置点或异常高温位置点。通过基于A*算法的路径规划与优化，能够在可行路径模型中选择对当前建筑楼宇人员最有利的通行路径，从而提高消防安全水平，实现系统的智能化分析。
根据本发明实施例，所述通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备，具体为：
将所述人员最优通行路径通过软件分析平台发送至对应人员的终端设备；
基于软件分析平台与实时数据，对消防预警信息进行实时分析与更新。
需要说明的是，所述预设终端设备包括移动终端设备与计算机终端设备，所述人员的终端设备一般为移动终端设备。
根据本发明实施例，还包括：
获取智能设备的功能信息与建筑空间模型；
基于所述智能设备的功能信息与建筑空间模型构建基于数字孪生的楼宇消防模型；
获取当前智能设备设置方案，将所述智能设备设置方案方案导入楼宇消防模型进行设备监测模拟分析，得到视频监控范围、红外监控范围、温度监控范围；
基于预设消防标准信息，判断所述视频监控范围、红外监控范围、温度监控范围是否符合预设消防标准；
判断过程为将视频监控范围、红外监控范围、温度监控范围与预设消防标准信息中的预设范围进行重合比较，并得到基于视频、红外、温度三个维度的重合度；
基于所述重合度分析出智能设备设置方案的可行性程度；
根据可行性程度，对智能设备进行调整。
需要说明的是，所述预设消防标准信息为用户设定数据，包括对目标建筑的预设视频、红外、温度监控范围。重合度越高，可行性程度越高。所述调整包括对智能设备的增减与位置调整。若可行性程度低于预设可行度，则代表不符合预设消防标准。
本发明通过基于数字孪生的楼宇消防模型，对智能设备设置方案的消防可行性进行可视化模拟，让用户能够更加直观掌握智能设备对当前消防效果的影响。并通过该楼宇消防模型进行智能设备的调整。
根据本发明实施例，还包括：
获取每个楼层区域消防优先等级；
根据所述消防优先等级与智能设备设置方案，对每台智能设备进行预设时间段的工作量评估，得到每台智能设备的工作量预估信息；
获取多种智能设备的预测使用寿命信息；
根据所述预测使用寿命信息与工作量预估信息对每台智能设备进行维护方案分析，并得到设备维护方案。
需要说明的是，所述工作量预估信息包括工作时间与数据传输量等信息。值得一提的是，在不同楼层区域中，由于消防优先等级的不同，对智能设备的使用强度与数据传输量也存在差异，因此，本发明对每台智能设备进行综合的寿命与使用评估，能够分析出针对当前楼宇中智能设备的维护方案，提高楼宇智能化调控设备的能力，实现高效的设备管理。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被处理器执行时，实现如上述任一项所述的基于深度学习的智能设备软件分析方法的步骤。
本发明公开了一种基于深度学习的智能设备软件分析方法、系统及介质，基于基础模型数据构建建筑空间模型；基于使用性质信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。通过本发明，能够实现对智能设备的高效利用、并通过软件分析平台对楼宇进行智能化的消防预警与分析，提高楼宇设备之间的信息化与智能化水平。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于深度学习的智能设备软件分析方法，其特征在于，包括：
获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
2.根据权利要求1所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
获取目标建筑基础模型数据；
所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
3.根据权利要求2所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，具体为：
基于建筑空间模型获取楼宇物体分布信息；
获取目标建筑的使用性质信息；
基于建筑空间模型对每个楼层进行区域划分，得到多个楼层区域；
根据所述使用性质信息与楼宇物体分布信息，分析出每个楼层区域的消防危险性并得到每个楼层区域的消防危险指数；
基于所述每个楼层区域的危险指数生成消防优先等级；
所述分析结果包括危险指数与消防优先等级。
4.根据权利要求3所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案，还包括：
获取智能设备的功能信息；
所述智能设备包括视频监控设备、温度传感设备、红外监控设备、烟感监控设备；
基于所述消防危险指数、消防优先等级、智能设备的功能信息，对楼层区域生成智能设备功能约束条件；
将智能设备间隔距离、智能设备种类与数量、智能设备位置作为自变量，结合智能设备功能约束条件，并以自变量与设备总成本之间的函数作为目标函数，成本与智能设备功能约束条件作为优化目标，进行设备设置的最优化分析，并生成智能设备设置方案；
所述设置方案包括智能设备间隔距离、智能设备数量、智能设备位置信息。
5.根据权利要求4所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，具体为：
根据智能设备设置方案对目标建筑进行智能设备的布局设定与数据初始化；
实时采集多个智能设备的实时数据，并基于物联网将所述实时数据导入基于云计算的软件分析平台；
所述实时数据包括视频实时数据、温度实时数据、红外图像实时数据；
构建基于深度学习的图像识别模型；
基于视频实时数据，将所述视频实时数据进行图像关键帧提取与图像预处理得到图像集，将所述图像集导入基于深度学习的图像识别模型进行人员识别与人员定位，并得到人员实时位置信息；
基于温度实时数据、红外图像实时数据，对不同的楼层区域进行实时消防预警的动态分析，并得到预警信息；
所述预警信息包括预警等级与楼层区域温控状况。
6.根据权利要求5所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息，还包括：
根据建筑空间模型进行可行性路径提取，得到可行路径模型；
实时判断预警信息，若预警等级高于预设等级，基于消防预警信息判断出危险位置；
基于人员实时位置信息进行位置参数转化，得到起点位置参数；
基于建筑空间模型的出口位置获取终点位置参数；
将危险位置、起点位置参数、终点位置参数导入可行路径模型中，以危险位置形成规避约束条件，进行基于A*算法的路径规划模拟，并生成人员最优通行路径。
7.根据权利要求6所述的一种基于深度学习的智能设备软件分析方法，其特征在于，所述通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备，具体为：
将所述人员最优通行路径通过软件分析平台发送至对应人员的终端设备；
基于软件分析平台与实时数据，对消防预警信息进行实时分析与更新。
8.一种基于深度学习的智能设备软件分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被所述处理器执行时实现如下步骤：
获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型；
获取目标建筑的使用性质信息，基于所述信息对目标建筑各个空间进行消防优先级分析，基于分析结果结合建筑空间模型进行智能设备分布分析，得到智能设备设置方案；
采集多个智能设备的实时数据，将所述实时数据导入基于云计算的软件分析平台，通过该平台进行基于深度学习的人员路径分析与消防预警动态分析，得到消防预警信息；
通过软件分析平台，实时更新消防预警信息并将所述消防预警信息发送至预设终端设备。
9.根据权利要求8所述的一种基于深度学习的智能设备软件分析系统，其特征在于，所述获取目标建筑基础模型数据，基于所述基础模型数据构建建筑空间模型，具体为：
获取目标建筑基础模型数据；
所述基础模型数据包括目标建筑的管道模型、楼层结构模型、电气模型与建筑体积大小、建筑轮廓信息；
基于所述基础模型数据进行整体性构建，得到可视化的建筑空间模型。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于深度学习的智能设备软件分析程序，所述基于深度学习的智能设备软件分析程序被处理器执行时，实现如权利要求1至7中任一项所述的基于深度学习的智能设备软件分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311306749.4A CN117436602A (zh) | 2023-10-10 | 2023-10-10 | 一种基于深度学习的智能设备软件分析方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311306749.4A CN117436602A (zh) | 2023-10-10 | 2023-10-10 | 一种基于深度学习的智能设备软件分析方法、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117436602A true CN117436602A (zh) | 2024-01-23 |
Family
ID=89545393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311306749.4A Pending CN117436602A (zh) | 2023-10-10 | 2023-10-10 | 一种基于深度学习的智能设备软件分析方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117436602A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114386845A (zh) * | 2022-01-13 | 2022-04-22 | 江苏柯创城市技术有限公司 | 一种基于bim的智能商场消防监控处理系统 |
| CN114943915A (zh) * | 2022-04-29 | 2022-08-26 | 广东永耀消防安全技术有限公司 | 一种建筑整体消防安全智能系统 |
| CN116796561A (zh) * | 2023-06-30 | 2023-09-22 | 中建科工集团运营管理有限公司 | 一种基于bim的场馆消防疏散方法、系统、设备及介质 |
-
2023
- 2023-10-10 CN CN202311306749.4A patent/CN117436602A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114386845A (zh) * | 2022-01-13 | 2022-04-22 | 江苏柯创城市技术有限公司 | 一种基于bim的智能商场消防监控处理系统 |
| CN114943915A (zh) * | 2022-04-29 | 2022-08-26 | 广东永耀消防安全技术有限公司 | 一种建筑整体消防安全智能系统 |
| CN116796561A (zh) * | 2023-06-30 | 2023-09-22 | 中建科工集团运营管理有限公司 | 一种基于bim的场馆消防疏散方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117240887B (zh) | 一种智慧物联网能源管理平台系统 | |
| CN114821946B (zh) | 变电站交流电源火灾预警方法、监控终端及系统 | |
| CN111275948B (zh) | 一种电气火灾消防预警系统 | |
| CN110601374A (zh) | 一种用电管理系统及用电数据监测方法 | |
| CN117910811B (zh) | 基于多模态ai大模型的智慧消防管理方法及系统 | |
| CN116824312B (zh) | 一种基于大数据的施工数据处理方法及系统 | |
| CN117197770B (zh) | 一种基于物联网的巡检全流程数据监管系统及方法 | |
| CN108225439A (zh) | 一种电子通信环境监控系统 | |
| CN114665608A (zh) | 用于变电站的智能感知巡检系统及方法 | |
| CN113922502B (zh) | 一种智能视频运维管理系统及管理方法 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN117436602A (zh) | 一种基于深度学习的智能设备软件分析方法、系统及介质 | |
| CN117350417A (zh) | 一种零售户违规风险预警方法 | |
| CN116128197A (zh) | 一种智慧机场管理系统和方法 | |
| CN114743332A (zh) | 一种智能消防的感知预警方法、装置、存储介质及终端 | |
| CN116957169B (zh) | 基于信息化的猪舍环境感知调控方法及系统 | |
| CN117724446B (zh) | 一种预警监控系统、方法及装置 | |
| CN117932519B (zh) | 一种新能源汽车充电站监控系统 | |
| CN118506237A (zh) | 输电线路高空作业安全的确定方法、装置和存储介质 | |
| CN118277498A (zh) | 自然灾害数据的监测方法、装置、存储介质和电子设备 | |
| CN118644094A (zh) | 一种智慧社区用户行为智能监测与预警方法及系统 | |
| CN118094390A (zh) | 基于数字孪生的电力设备健康评估方法、系统及存储介质 | |
| CN117978639A (zh) | 基于云平台的共享体脂秤智能管理方法及系统 | |
| CN114146350A (zh) | 一种云智慧消防管理系统 | |
| CN115759476A (zh) | 一种安全性高的用电预判系统 |
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 |