CN117633554A - 医用箱式物流传输监测及预警系统 - Google Patents
医用箱式物流传输监测及预警系统 Download PDFInfo
- Publication number
- CN117633554A CN117633554A CN202311716272.7A CN202311716272A CN117633554A CN 117633554 A CN117633554 A CN 117633554A CN 202311716272 A CN202311716272 A CN 202311716272A CN 117633554 A CN117633554 A CN 117633554A
- Authority
- CN
- China
- Prior art keywords
- window
- data
- sliding window
- data points
- initial
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000005540 biological transmission Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Burglar Alarm Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及数据处理领域，具体涉及医用箱式物流传输监测及预警系统，包括：采集物体运输过程中的震动数据，将震动数据记为原始震动数据；使用滑动窗口在搜索范围内进行滑动，分别对初始窗口与滑动窗口内的数据点进行直线拟合，根据拟合直线与初始窗口与滑动窗口内对应数据点的距离获得初始窗口与滑动窗口的一致性；根据窗口的一致性获得初始窗口与目标滑动窗口的相似性；根据相似性获得初始窗口的中心像素点为噪声像素点的可能程度；然后获得原始震动数据中所有噪声数据点；根据获得的噪声数据点对其进行平滑去噪，对处理后的震动数据进行异常监测。通过对原始震动数据去噪，使其不受噪声的影响，保证对数据的监测更加准确。
Description
技术领域
本发明涉及图像处理领域，具体涉及医用箱式物流传输监测及预警系统。
背景技术
因为运输医用物品对其技术方面提出来更高的要求，在医用箱式物流传输过程中发生晃动可能对其中的医用物品产生一定影响，尤其是对一些敏感或易受损的医用物品。因此，对医用箱式物流传输过程中的震动数据进行监测是很有必要的。
在现有技术中，采用非局部均值滤波算法中依据邻域块相似性的思想识别噪声数据，选择邻域块进行相似性计算时，邻域块的选取会影响到相似性结果的可信度，因此本发明根据图像的灰度变化来对邻域块进行筛选。
发明内容
为了解决上述问题，本发明提供医用箱式物流传输监测及预警系统，所述系统包括：
数据采集模块，用于采集物体运输过程中的震动数据，将震动数据记为原始震动数据；数据分析处理模块，用于记原始震动数据中的任意一个数据点为参考数据点，以参考数据点为中心，预设初始窗口、搜索范围和滑动窗口，使用滑动窗口在搜索范围内进行滑动，分别对初始窗口与滑动窗口内的数据点进行直线拟合，记为第一拟合直线与第二拟合直线；根据第一拟合直线、第二拟合直线以及初始窗口与滑动窗口内对应数据点的距离，获得初始窗口与滑动窗口的一致性；通过预设阈值及初始窗口与滑动窗口的一致性对滑动窗口进行筛选，获得目标滑动窗口；
根据初始窗口与目标滑动窗口内数据点的变化关系以及窗口的一致性，获得初始窗口与目标滑动窗口的相似性；根据初始窗口与目标滑动窗口的相似性，获得初始窗口的中心像素点为噪声像素点的可能程度；通过比较预设阈值与初始窗口的中心像素点为噪声像素点的可能程度，获得原始震动数据中所有噪声数据点；
数据监测模块，用于对噪声数据点进行平滑去噪，对处理后的震动数据进行异常监测。
进一步的，所述以参考数据点为中心，预设初始窗口、搜索范围和滑动窗口，使用滑动窗口在搜索范围内进行滑动，分别对初始窗口与滑动窗口内的数据点进行直线拟合，记为第一拟合直线与第二拟合直线，包括的步骤为：
设置参考数据点搜索范围长度为a，参考数据点的初始窗口长度为b，以参考数据点为中心，获取初始窗口及搜索范围；获得与初始窗口大小相同的滑动窗口，滑动窗口的左侧从搜索范围的左侧第一个数据点开始，从左到右进行滑动，设置滑动步长为c，滑动窗口右侧与搜索范围内最后一个数据点重合时结束，得到若干滑动窗口；通过最小二乘法对参考数据点初始窗口内的数据点以及滑动窗口内的数据点分别进行数据拟合，分别获得初始窗口内数据点的拟合直线，记为第一拟合直线；以及滑动窗口内包含的数据点的拟合直线，记为第二拟合直线。
进一步的，所述根据第一拟合直线、第二拟合直线以及初始窗口与滑动窗口内对应数据点的距离，获得初始窗口与滑动窗口的一致性，包括的步骤为：
获得初始窗口与滑动窗口中相同位置数据点之间的欧式距离、第一拟合直线与第二拟合直线之间的夹角，根据初始窗口与滑动窗口中相同位置数据点之间的欧式距离及第一拟合直线与第二拟合直线之间的夹角，获得初始窗口与滑动窗口的一致性。
进一步的，所述根据初始窗口与滑动窗口中相同位置数据点之间的欧式距离及第一拟合直线与第二拟合直线之间的夹角，获得初始窗口与滑动窗口的一致性，包括的步骤为：
式中，表示初始窗口/>与滑动窗口/>的一致性，/>表示初始窗口/>中的第/>个数据点与滑动窗口/>中的第/>个数据点之间的欧式距离，/>表示第一拟合直线与滑动窗口/>的第二拟合直线之间的夹角,/>表示初始窗口内数据点的数量，/>表示归一化函数。进一步的，所述通过预设阈值/>及初始窗口与滑动窗口的一致性对滑动窗口进行筛选，获得目标滑动窗口，包括的步骤为：当初始窗口/>与滑动窗口/>之间的一致性大于预设阈值时，将对应的滑动窗口/>记为目标滑动窗口，获得所有的目标滑动窗口。
进一步的，所述根据初始窗口与目标滑动窗口内数据点的变化关系以及窗口的一致性，获得初始窗口与目标滑动窗口的相似性，包括的步骤为：
将目标滑动窗口中的数据点与初始窗口/>内的数据点放在同一个二维坐标系中，横坐标为数据点的采样时间顺序，纵坐标为震动幅度值；
式中，表示初始窗口/>与目标滑动窗口/>的相似性,/>表示初始窗口/>与目标滑动窗口/>的一致性，/>表示初始窗口/>所包含的数据与目标滑动窗口/>所包含的数据分别构成的序列之间的余弦相似度，/>表示初始窗口内数据点的数量，/>表示目标滑动窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示初始窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示在构建的二维坐标系中两个窗口中第/>个数据点之间的距离，/>表示求绝对值，/>表示归一化函数。
进一步的，所述根据初始窗口与目标滑动窗口的相似性，获得初始窗口的中心像素点为噪声像素点的可能程度，包括的步骤为：
获得目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，根据目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，获得初始窗口的中心像素点为噪声像素点的可能程度。
进一步的，所述根据目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，获得初始窗口的中心像素点为噪声像素点的可能程度，包括的步骤为：
式中，表示原始震动数据中参考数据点/>为噪声数据点的可能程度，/>表示目标滑动窗口/>的中心点与参考数据点/>之间的欧式距离，/>表示初始窗口/>与目标滑动窗口的相似性，/>表示目标滑动窗口/>中数据点数值的方差，/>表示初始窗口内数据点的数量，表示原始震动数据中参考数据点/>的幅值，/>表示目标滑动窗口/>对应的第二拟合直线中第/>个数据点的幅值，/>表示参考数据点/>的目标滑动窗口的数量，/>表示求绝对值，表示归一化函数。
进一步的，所述通过比较预设阈值与初始窗口的中心像素点为噪声像素点的可能程度，获得原始震动数据中所有噪声数据点，包括的步骤为：
当原始震动数据中任意一个参考数据点为噪声数据点的可能程度大于预设阈值时，该参考数据点为噪声数据点；当原始震动数据中任意一个参考数据点为噪声数据点的可能程度小于或等于预设阈值/>时，该参考数据点不是噪声数据点。
进一步的，所述对噪声数据点进行平滑去噪，对处理后的震动数据进行异常监测，包括的步骤为：
使用指数平滑法对噪声数据点进行平滑去噪，获得去噪后的震动数据，当去噪后的震动数据中数据点的幅值大于预设阈值时，该数据点是异常震动数据点，对所有数据点进行判断，获得去噪后的震动数据中的所有异常数据点。
本发明具有如下有益效果：在通过分局部均值滤波算法对医用箱式物流传输过程的数据进行监测时，邻域块的选取会影响到相似性结果的可信度，因此本发明根据图像的灰度变化来对邻域块进行筛选。在对数据的邻域块进行筛选的过程中，依据窗口内数据与邻域块内数据的趋势一致性进行筛选，提高数据进行对比分析的结果可靠性，进而提高噪声数据的识别结果。
对所筛选的邻域块内的数据与该数据窗口内的数据进行对比分析，将所有邻域块的对比分析结果进行加权进而获得该数据为噪声数据的可能，分析结果中相似性越低则数据为噪声数据的可能性越大，进而将噪声数据平滑有利于对后续数据进行监测。
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和优点，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它附图。
图1为本发明一个实施例提供的医用箱式物流传输监测及预警系统的系统框图。
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医用箱式物流传输监测及预警系统，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医用箱式物流传输监测及预警系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的医用箱式物流传输监测及预警系统，该系统包括以下模块：
数据采集模块101，采集物体运输过程中的震动数据。
本实施例对医用箱式物流传输监测时，通过对运输过程中箱体的震动进行监测，避免因震动幅度过大或异常导致传输箱内药品稳定性发生改变，影响使用。因此首先需要采集箱体的震动数据，通过在医用箱式物流传输箱中安装加速度计，每间隔0.1s采集一次数据，采集时间为运输的全过程，将采集到的震动数据通过数据线传输到数据分析处理模块中，对获得的震动数据进行分析；将震动数据记为原始震动数据。
数据分析处理模块102：
（1）设置初始窗口，依据该数据窗口内数据与邻域块内数据的趋势一致性，筛选出趋势一致的邻域块。
需要说明的是，在利用非局部均值滤波算法通过相似分块的思想识别异常数据的过程中，依据每个数据对应窗口与其邻域块内数据的相似性识别该数据为异常数据的可能性，然后根据可能性对其进行平滑操作，因此重点在于对每个数据点的邻域数据进行筛选的过程。在筛选邻域块的过程中，依据块内数据趋势一致性进行邻域块筛选，再对数据窗口与其邻域块进行对比分析，获得该数据为异常数据的可能性。
具体的，在对每个数据搜索范围内的邻域块进行筛选之前，首先设置搜索范围及窗口长度，记原始震动数据中的任意一个数据点为参考数据点，以参考数据点为中心，设置参考数据点搜索范围长度为，即参考数据点的左侧有50个数据点，右侧有50个数据点，初始窗口长度为/>，即在初始窗口中参考数据点的左侧有十个数据点，右侧有十个数据点。特殊的，当参考数据点的左侧或右侧不足50个数据点时，有多少个数据点就选取多少个数据点。
进一步的，在分析原始震动数据中参考数据点为噪声数据的可能性的过程中，依据参考数据点对应的窗口内数据点的变化趋势与搜索范围内数据趋势的一致性，筛选出搜索范围内部分数据点进行分析，一致性越高，与该搜索内数据进行对比分析的可能性越大，获得的异常数据可能性也就越准确。
在对数据趋势进行获得的过程中，首先获得一个与初始窗口大小相同的滑动窗口，滑动窗口的左侧从搜索范围内左侧第一个数据点开始，从左到右进行滑动，设置滑动步长为，滑动窗口右侧与搜索范围内最后一个数据点重合时结束，得到若干滑动窗口，然后根据滑动过程中滑动窗口与初始窗口之间数据的变化获得数据变化的一致性。
通过最小二乘法对参考数据点的初始窗口内包含的数据点以及滑动窗口内包含的数据点分别进行数据拟合，分别获得初始窗口内数据点的拟合直线，记为第一拟合直线；以及滑动窗口内包含的数据点的拟合直线，记为第二拟合直线，每个滑动窗口均对应一个第二拟合曲线。然后根据滑动过程中第一拟合直线与第二拟合直线的趋势变化的相似性来反映初始窗口内数据点与搜索范围内数据趋势变化的一致性。其计算公式如下：
式中，表示初始窗口/>与滑动窗口/>的一致性，/>表示初始窗口/>中的第/>个数据点与滑动窗口/>中的第/>个数据点之间的欧式距离，/>表示第一拟合直线与滑动窗口/>的第二拟合直线之间的夹角,/>表示初始窗口内数据点的数量，/>表示线性归一化函数，归一化对象为初始窗口/>与所有滑动窗口的/>的值。
具体的，表示初始窗口/>中的所有数据点与滑动窗口/>中的所有数据点之间的距离，其表示两个窗口内数据的匹配程度，距离越小，初始窗口与滑动窗口之间的一致性越大，/>表示第一拟合直线与第二拟合直线之间的夹角的弧度值，其值越小，表示初始窗口与滑动窗口之间的一致性越大。
当初始窗口与滑动窗口/>之间的一致性大于预设阈值/>时，表示初始窗口/>与滑动窗口/>之间的一致性较好，则选择该滑动窗口内的数据与初始窗口进行对比分析，来识别原始震动数据中存在的异常数据点；取/>，该阈值为经验阈值，实施者可根据不同的事实环境自行设定；将一致性大于/>的滑动窗口记为目标滑动窗口。
（2）根据筛选获得的滑动窗口内的数据与初始窗口内的数据进行对比分析，获得噪声数据点的可能程度。
在对滑动窗口与初始窗口内的数据进行对比分析时，需要根据数据的变化趋势来进行分析，因此将目标滑动窗口中的数据点与初始窗口内的数据点放在同一个二维坐标系中，横坐标为数据点的采样时间顺序，纵坐标为震动幅度值；因为存在多个目标滑动窗口，因此会获得多个二维坐标系。然后通过比较同一坐标系中目标滑动窗口数据点与初始窗口的数据点的变化差异来获得目标滑动窗口与初始窗口的相似性，相似性的计算公式如下：
式中，表示初始窗口/>与目标滑动窗口/>的相似性,/>表示初始窗口/>与目标滑动窗口/>的一致性，/>表示初始窗口/>所包含的数据与目标滑动窗口/>所包含的数据分别构成的序列之间的余弦相似度，/>表示初始窗口内数据点的数量，/>表示目标滑动窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示初始窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示在构建的二维坐标系中两个窗口中第/>个数据点之间的距离，/>表示求绝对值，/>表示线性归一化函数，归一化对象为初始窗口/>与所有目标滑动窗口的/>的值。
具体的，表示余弦相似度，其表示两个数据序列之间变化的相似性，余弦相似度的值越大，说明初始窗口/>与目标滑动窗口/>中包含的数据点的相似性越大。表示初始窗口/>与目标滑动窗口/>中包含的相邻数据点差值的差值，其差值越小，说明初始窗口/>与目标滑动窗口/>中对应的数据点之间的变化趋势是相同的，因此初始窗口/>与目标滑动窗口/>之间的相似性越大，因此取初始窗口/>与目标滑动窗口/>对应数据点差值的和表示两个窗口内数据的相似性。
然后计算每一个目标滑动窗口与初始窗口之间的相似性。
（3）获得初始窗口中心数据点为噪声数据点的可能程度。
需要说明的是，根据获得的每一个目标滑动窗口与初始窗口之间的相似性，相似性越高，则数据为噪声数据的可能性越小。然后根据目标滑动窗口与初始窗口之间的相似性获得初始窗口的中心像素点为噪声像素点的可能程度。其计算公式如下：
式中，表示原始震动数据中参考数据点/>为噪声数据点的可能程度，/>表示目标滑动窗口/>的中心点与参考数据点/>之间的欧式距离，/>表示初始窗口/>与目标滑动窗口的相似性，/>表示目标滑动窗口/>中数据点数值的方差，/>表示初始窗口内数据点的数量，表示原始震动数据中参考数据点/>的幅值，/>表示目标滑动窗口/>对应的第二拟合直线中第/>个数据点的幅值，/>表示参考数据点/>的目标滑动窗口的数量，/>表示求绝对值，表示归一化函数，采用sigmoid函数进行归一化。
具体的，表示第/>个目标滑动窗口的中心点与第/>个参考数据点之间的欧式距离，其距离越大，其对参考数据点的影响权重越小；/>表示参考数据点与目标滑动窗口对应的第二拟合直线中第/>个数据点幅值的差异，其差异程度越大，说明参考数据点与该目标滑动窗口中数据的差异越大，则将其作为噪声数据点的可能程度越大。因此比较参考数据点与目标滑动窗口中每个数据点之间的幅值差异的均值，其值越大，说明该参考数据点为噪声数据点的可能程度越大。
进一步的，根据计算获得的原始震动数据中任意一个参考数据点为噪声数据点的可能程度，当可能程度大于预设阈值时，该参考数据点为噪声数据点；当可能程度小于或等于预设阈值/>时，该参考数据点不是噪声数据点；取/>，该阈值为经验阈值，实施者可根据不同的实施环境自行设定。
至此，获得的了原始震动数据中所有噪声数据点。
数据监测模块103，根据获得的噪声数据点对其进行平滑去噪，对处理后的震动数据进行异常监测。
根据获得的原始震动数据中所有的噪声数据点，然后对其进行去噪处理，在这里使用指数平滑法对噪声数据点进行平滑去噪，该算法是根据每一个噪声数据点的邻域数据点进行线性拟合，然后获得噪声数据点出的拟合数据，将拟合数据作为该数据点去噪后的数据值，该算法为现有公知技术，在此不再进行赘述。然后根据获得的去噪后的震动数据对其进行异常监测，当去噪后的震动数据中数据点的幅值大于预设阈值时，则该数据点存在异常，则是异常震动数据点，然后对所有数据点进行判断，获得去噪后的震动数据中的所有异常数据点；通过对医用箱式物流传输过程中的震动数据获取异常数据点，实现异常监测，同时出现异常数据点则及时进行预警。
至此，完成医用箱式物流传输监测及预警。
综上所述，本发明的系统包括数据采集模块、数据分析处理模块、数据监测模块。
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.医用箱式物流传输监测及预警系统，其特征在于，该系统包括：
数据采集模块，用于采集物体运输过程中的震动数据，将震动数据记为原始震动数据；
数据分析处理模块，用于记原始震动数据中的任意一个数据点为参考数据点，以参考数据点为中心，预设初始窗口、搜索范围和滑动窗口，使用滑动窗口在搜索范围内进行滑动，分别对初始窗口与滑动窗口内的数据点进行直线拟合，记为第一拟合直线与第二拟合直线；根据第一拟合直线、第二拟合直线以及初始窗口与滑动窗口内对应数据点的距离，获得初始窗口与滑动窗口的一致性；通过预设阈值及初始窗口与滑动窗口的一致性对滑动窗口进行筛选，获得目标滑动窗口；
根据初始窗口与目标滑动窗口内数据点的变化关系以及窗口的一致性，获得初始窗口与目标滑动窗口的相似性；根据初始窗口与目标滑动窗口的相似性，获得初始窗口的中心像素点为噪声像素点的可能程度；通过比较预设阈值与初始窗口的中心像素点为噪声像素点的可能程度，获得原始震动数据中所有噪声数据点；
数据监测模块，用于对噪声数据点进行平滑去噪，对处理后的震动数据进行异常监测。
2.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述以参考数据点为中心，预设初始窗口、搜索范围和滑动窗口，使用滑动窗口在搜索范围内进行滑动，分别对初始窗口与滑动窗口内的数据点进行直线拟合，记为第一拟合直线与第二拟合直线，包括的步骤为：
设置参考数据点搜索范围长度为a，参考数据点的初始窗口长度为b，以参考数据点为中心，获取初始窗口及搜索范围；获得与初始窗口大小相同的滑动窗口，滑动窗口的左侧从搜索范围的左侧第一个数据点开始，从左到右进行滑动，设置滑动步长为c，滑动窗口右侧与搜索范围内最后一个数据点重合时结束，得到若干滑动窗口；通过最小二乘法对参考数据点初始窗口内的数据点以及滑动窗口内的数据点分别进行数据拟合，分别获得初始窗口内数据点的拟合直线，记为第一拟合直线；以及滑动窗口内包含的数据点的拟合直线，记为第二拟合直线。
3.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述根据第一拟合直线、第二拟合直线以及初始窗口与滑动窗口内对应数据点的距离，获得初始窗口与滑动窗口的一致性，包括的步骤为：
获得初始窗口与滑动窗口中相同位置数据点之间的欧式距离、第一拟合直线与第二拟合直线之间的夹角，根据初始窗口与滑动窗口中相同位置数据点之间的欧式距离及第一拟合直线与第二拟合直线之间的夹角，获得初始窗口与滑动窗口的一致性。
4.根据权利要求3所述的医用箱式物流传输监测及预警系统，其特征在于，所述根据初始窗口与滑动窗口中相同位置数据点之间的欧式距离及第一拟合直线与第二拟合直线之间的夹角，获得初始窗口与滑动窗口的一致性，包括的步骤为：
式中，表示初始窗口/>与滑动窗口/>的一致性，/>表示初始窗口/>中的第/>个数据点与滑动窗口/>中的第/>个数据点之间的欧式距离，/>表示第一拟合直线与滑动窗口/>的第二拟合直线之间的夹角,/>表示初始窗口内数据点的数量，/>表示归一化函数。
5.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述通过预设阈值及初始窗口与滑动窗口的一致性对滑动窗口进行筛选，获得目标滑动窗口，包括的步骤为：
当初始窗口与滑动窗口/>之间的一致性大于预设阈值/>时，将对应的滑动窗口/>记为目标滑动窗口，获得所有的目标滑动窗口。
6.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述根据初始窗口与目标滑动窗口内数据点的变化关系以及窗口的一致性，获得初始窗口与目标滑动窗口的相似性，包括的步骤为：
将目标滑动窗口中的数据点与初始窗口/>内的数据点放在同一个二维坐标系中，横坐标为数据点的采样时间顺序，纵坐标为震动幅度值；
式中，/>表示初始窗口/>与目标滑动窗口/>的相似性,/>表示初始窗口/>与目标滑动窗口/>的一致性，/>表示初始窗口/>所包含的数据与目标滑动窗口/>所包含的数据分别构成的序列之间的余弦相似度，/>表示初始窗口内数据点的数量，/>表示目标滑动窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示初始窗口/>中的第/>个数据点与其下一个数据点之间连线的斜率，/>表示在构建的二维坐标系中两个窗口中第/>个数据点之间的距离，/>表示求绝对值，/>表示归一化函数。
7.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述根据初始窗口与目标滑动窗口的相似性，获得初始窗口的中心像素点为噪声像素点的可能程度，包括的步骤为：
获得目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，根据目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，获得初始窗口的中心像素点为噪声像素点的可能程度。
8.根据权利要求7所述的医用箱式物流传输监测及预警系统，其特征在于，所述根据目标滑动窗口的中心点与参考数据点之间的欧式距离、目标滑动窗口中数据点数值的方差以及参考数据点与目标滑动窗口对应的第二拟合直线中数据点幅值的差异，获得初始窗口的中心像素点为噪声像素点的可能程度，包括的步骤为：
式中，表示原始震动数据中参考数据点/>为噪声数据点的可能程度，/>表示目标滑动窗口/>的中心点与参考数据点/>之间的欧式距离，/>表示初始窗口/>与目标滑动窗口/>的相似性，/>表示目标滑动窗口/>中数据点数值的方差，/>表示初始窗口内数据点的数量，/>表示原始震动数据中参考数据点/>的幅值，/>表示目标滑动窗口/>对应的第二拟合直线中第/>个数据点的幅值，/>表示参考数据点/>的目标滑动窗口的数量，/>表示求绝对值，/>表示归一化函数。
9.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述通过比较预设阈值与初始窗口的中心像素点为噪声像素点的可能程度，获得原始震动数据中所有噪声数据点，包括的步骤为：
当原始震动数据中任意一个参考数据点为噪声数据点的可能程度大于预设阈值时，该参考数据点为噪声数据点；当原始震动数据中任意一个参考数据点为噪声数据点的可能程度小于或等于预设阈值/>时，该参考数据点不是噪声数据点。
10.根据权利要求1所述的医用箱式物流传输监测及预警系统，其特征在于，所述对噪声数据点进行平滑去噪，对处理后的震动数据进行异常监测，包括的步骤为：使用指数平滑法对噪声数据点进行平滑去噪，获得去噪后的震动数据，当去噪后的震动数据中数据点的幅值大于预设阈值时，该数据点是异常震动数据点，对所有数据点进行判断，获得去噪后的震动数据中的所有异常数据点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311716272.7A CN117633554B (zh) | 2023-12-14 | 2023-12-14 | 医用箱式物流传输监测及预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311716272.7A CN117633554B (zh) | 2023-12-14 | 2023-12-14 | 医用箱式物流传输监测及预警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117633554A true CN117633554A (zh) | 2024-03-01 |
| CN117633554B CN117633554B (zh) | 2024-05-14 |
Family
ID=90035576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311716272.7A Active CN117633554B (zh) | 2023-12-14 | 2023-12-14 | 医用箱式物流传输监测及预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117633554B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117828282A (zh) * | 2024-03-06 | 2024-04-05 | 山东泰霖信息工程有限公司 | 一种基于自适应滤波的数据高效处理方法 |
| CN117972318A (zh) * | 2024-04-02 | 2024-05-03 | 山东万洋石油科技有限公司 | 一种高速自发电剪切阀脉冲波形测试方法及系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111259788A (zh) * | 2020-01-14 | 2020-06-09 | 华志微创医疗科技（北京）有限公司 | 头颈拐点的检测方法、装置以及计算机设备 |
| US20210060720A1 (en) * | 2019-09-04 | 2021-03-04 | Tsinghua Shenzhen International Graduate School | Method for monitoring chatter in machining process |
| KR102325629B1 (ko) * | 2020-09-18 | 2021-11-11 | 국민대학교산학협력단 | 이상 탐지 방법 및 이상 탐지 장치 |
| WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
| CN115200797A (zh) * | 2022-09-19 | 2022-10-18 | 山东超华环保智能装备有限公司 | 一种用于零泄露阀的泄露检测系统 |
| CN115240146A (zh) * | 2022-09-23 | 2022-10-25 | 南通韦俐数控机床有限公司 | 基于计算机视觉的机床装配智能验收方法 |
| CN115841493A (zh) * | 2023-02-27 | 2023-03-24 | 曲阜市虹飞电缆有限公司 | 一种基于图像处理的电缆检测方法 |
| CN116229335A (zh) * | 2023-05-10 | 2023-06-06 | 山东大佳机械有限公司 | 基于图像数据的畜禽养殖场环境识别方法 |
| CN116441031A (zh) * | 2023-06-20 | 2023-07-18 | 广东绿富域资源再生科技有限公司 | 一种焚烧垃圾炉渣的智能化破碎系统 |
| CN116703485A (zh) * | 2023-08-04 | 2023-09-05 | 山东创亿智慧信息科技发展有限责任公司 | 基于大数据的广告精准营销方法及系统 |
| CN116718218A (zh) * | 2023-05-30 | 2023-09-08 | 恩迈智能数字医疗(嘉兴)有限公司 | 一种光电集成式传感芯片测试数据处理方法 |
| CN116758441A (zh) * | 2023-06-16 | 2023-09-15 | 河南通航无人机科技有限公司 | 一种无人机集群智能调度管理系统 |
| CN116861313A (zh) * | 2023-07-07 | 2023-10-10 | 昆明理工大学 | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 |
| CN116873156A (zh) * | 2023-09-05 | 2023-10-13 | 山东航宇游艇发展有限公司 | 基于大数据的天然气船舶动力异常智能监控方法 |
| CN116939047A (zh) * | 2023-09-18 | 2023-10-24 | 吉林省车桥汽车零部件有限公司 | 一种用于数控机床系统的数据智能通信方法 |
| CN116992393A (zh) * | 2023-09-27 | 2023-11-03 | 联通(江苏)产业互联网有限公司 | 一种基于工业物联网的安全生产监测方法 |
| CN117033911A (zh) * | 2023-10-07 | 2023-11-10 | 深圳市魔样科技有限公司 | 基于智能眼镜数据的计步分析方法 |
| CN117191305A (zh) * | 2023-11-06 | 2023-12-08 | 临沂市公路事业发展中心兰陵县中心 | 一种公路桥梁的状态评估方法及系统 |
-
2023
- 2023-12-14 CN CN202311716272.7A patent/CN117633554B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210060720A1 (en) * | 2019-09-04 | 2021-03-04 | Tsinghua Shenzhen International Graduate School | Method for monitoring chatter in machining process |
| CN111259788A (zh) * | 2020-01-14 | 2020-06-09 | 华志微创医疗科技（北京）有限公司 | 头颈拐点的检测方法、装置以及计算机设备 |
| WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
| KR102325629B1 (ko) * | 2020-09-18 | 2021-11-11 | 국민대학교산학협력단 | 이상 탐지 방법 및 이상 탐지 장치 |
| CN115200797A (zh) * | 2022-09-19 | 2022-10-18 | 山东超华环保智能装备有限公司 | 一种用于零泄露阀的泄露检测系统 |
| CN115240146A (zh) * | 2022-09-23 | 2022-10-25 | 南通韦俐数控机床有限公司 | 基于计算机视觉的机床装配智能验收方法 |
| CN115841493A (zh) * | 2023-02-27 | 2023-03-24 | 曲阜市虹飞电缆有限公司 | 一种基于图像处理的电缆检测方法 |
| CN116229335A (zh) * | 2023-05-10 | 2023-06-06 | 山东大佳机械有限公司 | 基于图像数据的畜禽养殖场环境识别方法 |
| CN116718218A (zh) * | 2023-05-30 | 2023-09-08 | 恩迈智能数字医疗(嘉兴)有限公司 | 一种光电集成式传感芯片测试数据处理方法 |
| CN116758441A (zh) * | 2023-06-16 | 2023-09-15 | 河南通航无人机科技有限公司 | 一种无人机集群智能调度管理系统 |
| CN116441031A (zh) * | 2023-06-20 | 2023-07-18 | 广东绿富域资源再生科技有限公司 | 一种焚烧垃圾炉渣的智能化破碎系统 |
| CN116861313A (zh) * | 2023-07-07 | 2023-10-10 | 昆明理工大学 | 基于振动能量趋势的卡尔曼滤波工况识别方法、系统 |
| CN116703485A (zh) * | 2023-08-04 | 2023-09-05 | 山东创亿智慧信息科技发展有限责任公司 | 基于大数据的广告精准营销方法及系统 |
| CN116873156A (zh) * | 2023-09-05 | 2023-10-13 | 山东航宇游艇发展有限公司 | 基于大数据的天然气船舶动力异常智能监控方法 |
| CN116939047A (zh) * | 2023-09-18 | 2023-10-24 | 吉林省车桥汽车零部件有限公司 | 一种用于数控机床系统的数据智能通信方法 |
| CN116992393A (zh) * | 2023-09-27 | 2023-11-03 | 联通(江苏)产业互联网有限公司 | 一种基于工业物联网的安全生产监测方法 |
| CN117033911A (zh) * | 2023-10-07 | 2023-11-10 | 深圳市魔样科技有限公司 | 基于智能眼镜数据的计步分析方法 |
| CN117191305A (zh) * | 2023-11-06 | 2023-12-08 | 临沂市公路事业发展中心兰陵县中心 | 一种公路桥梁的状态评估方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| PÉTER BÖRÖCZ 等: "Measurement and Analysis of Vibration Levels in Rail Transport in Central Europe", 《PACKAGING TECHNOLOGY AND SCIENCE》, 31 December 2017 (2017-12-31), pages 361 * |
| 杨洲 等: "基于超像素分割的非局部均值去噪方法", 《计算机应用研究》, no. 05, 1 April 2017 (2017-04-01), pages 299 - 303 * |
| 王思涛 等: "基于边缘提取的非局部均值图像去噪", 《电子测量技术》, no. 11, 8 June 2018 (2018-06-08), pages 104 - 107 * |
| 胡萍 等: "最小二乘直线拟合的含噪声数据检测方法仿真", 《计算机仿真》, vol. 40, no. 9, 30 September 2023 (2023-09-30), pages 467 - 471 * |
| 萧澍 等: "椭圆窗口和参数自适应的非局部均值算法", 《计算机辅助设计与图形学学报》, no. 01, 15 January 2020 (2020-01-15), pages 82 - 92 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117828282A (zh) * | 2024-03-06 | 2024-04-05 | 山东泰霖信息工程有限公司 | 一种基于自适应滤波的数据高效处理方法 |
| CN117828282B (zh) * | 2024-03-06 | 2024-06-04 | 山东泰霖信息工程有限公司 | 一种基于自适应滤波的数据高效处理方法 |
| CN117972318A (zh) * | 2024-04-02 | 2024-05-03 | 山东万洋石油科技有限公司 | 一种高速自发电剪切阀脉冲波形测试方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117633554B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117633554B (zh) | 医用箱式物流传输监测及预警系统 | |
| US10013757B2 (en) | Classification apparatus for pathologic diagnosis of medical image, and pathologic diagnosis system using the same | |
| US5987094A (en) | Computer-assisted method and apparatus for the detection of lung nodules | |
| US9811899B2 (en) | Method, image processing system and computer-readable recording medium for item defect inspection | |
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| Anu et al. | Detection of bone fracture using image processing methods | |
| CN111260640B (zh) | 基于cyclegan的树状生成器网络齿轮点蚀图像测量方法及装置 | |
| US8214177B2 (en) | Optimized stochastic resonance signal detection method | |
| US9026404B2 (en) | Methods of improving detectors and classifiers using optimized stochastic resonance noise | |
| CN116269467A (zh) | 一种创伤患者清创术前信息采集系统 | |
| CN117893527B (zh) | 一种新能源储能箱体表面缺陷检测方法 | |
| CN116630329B (zh) | 用于多轴多通道数控系统的在线视觉检测方法 | |
| CN112801031A (zh) | 静脉图像识别方法、装置、电子设备及可读存储介质 | |
| CN109829902B (zh) | 一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法 | |
| Kwon et al. | PGGAN-based anomaly classification on chest x-ray using weighted multi-scale similarity | |
| CN109712134B (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
| CN112926516B (zh) | 一种鲁棒的手指静脉图像感兴趣区域提取方法 | |
| CN117291843B (zh) | 一种图像数据库高效管理方法 | |
| CN112529900B (zh) | 匹配乳腺图像中roi的方法、装置、终端与存储介质 | |
| CN117036352A (zh) | 一种基于人工智能的视频分析方法及系统 | |
| CN115564705B (zh) | 用于精密标准件的毛刺检测精度增强方法及系统 | |
| CN116958182B (zh) | 基于图像数据的混凝土裂缝快速检测方法 | |
| Kale et al. | Lung cancer prognosis by implementing various evolutionary Image processing steps | |
| CN117975513B (zh) | 医用物流站点身份智能识别系统 | |
| CN116245770B (zh) | 一种内窥镜图像边缘锐利度增强方法、装置、电子设备及存储介质 |
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 |