CN117648649B - 一种智慧标识的状态检测和分析方法及装置 - Google Patents

Abstract

本发明涉及智慧标识的技术领域，公开了一种智慧标识的状态检测和分析方法及装置，本发明通过对智慧标识的工作数据和所处环境的环境数据的多维度的采集，获取智慧标识在各个时刻的状态数据，并基于此提取多项状态特征以进行后续的状态分析评估，在状态分析评估的过程中，针对各项状态特征进行对应标准的检测，并采用多重分析步骤，以获取详细准确的状态分析评估，解决了现有技术中对智慧标识的状态检测的精准程度不足、容易导致误报漏报的问题。

Description

一种智慧标识的状态检测和分析方法及装置

技术领域

本发明涉及智慧标识的技术领域，尤其涉及一种智慧标识的状态检测和分析方法及装置。

背景技术

智慧标识，通常是指利用现代信息技术，例如物联网（IoT）、大数据、云计算、人工智能等技术，对传统的标识系统进行升级和智能化改造的一种高级形式的标识系统。

在现有技术中，为了对智慧标识系统的工作状态进行检测，会持续采集智慧标识的各项运行数据并进行检测，然而这种方式缺少对智慧标识所处工作环境的环境因素的考量，对智慧标识的状态检测的精准程度不足，容易导致误报漏报的情况。

发明内容

本发明的目的在于提供一种智慧标识的状态检测和分析方法及装置，旨在解决现有技术中对智慧标识的状态检测的精准程度不足、容易导致误报漏报的问题。

本发明是这样实现的，第一方面，本发明提供一种智慧标识的状态检测和分析方法，包括：

对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估。

优选地，对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征的步骤包括：

基于所述状态数据序列进行各个时刻的基础状态特征的提取；其中，所述基础状态特征包括第一状态特征、第二状态特征以及第三状态特征，所述第一状态特征用于描述各个时刻的电压与电流之间的关系，所述第二状态特征用于描述各个时刻的亮度与光照强度的关系，所述第三状态特征用于描述各个时刻的温度与大气温度的关系；

基于所述状态数据序列进行各个时刻的基础状态特征的附加状态特征的提取；其中，所述附加状态特征包括所述基础状态特征的预设邻近时间范围内各个时刻的所述基础状态特征，所述附加状态特征用于描述所述基础状态特征在所述预设邻近时间范围内的变化关系。

优选地，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估的步骤包括：

根据所述智慧标识的规格数据对所述智慧标识各个时刻的所述基础状态特征进行分析，以得到分析结果，并根据所述分析结果生成所述智慧标识的初步状态评估；其中，所述初步状态评估包括正常状态、非正常状态以及危险状态；

当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理；

当所述基础状态特征的所述初步状态评估为危险状态时，则驱动所述智慧标识进入低功率运行状态，并通过与外部终端的通讯连接传输风险信号。

优选地，当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理的步骤包括：

调取对应所述初步状态评估为非正常状态的所述基础状态特征的所述附加状态特征；

按照时间顺序将所述附加状态特征中的各个所述第一状态特征、各个所述第二状态特征以及各个所述第三状态特征与所述基础状态特征中的所述第一状态特征、所述第二状态特征以及所述第三状态特征分别进行排列处理，以得到所述基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列；

对所述基础状态特征的所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列分别进行连续关系与变化趋势的分析，以得到分析结果，并根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估；其中，所述二度状态评估包括正常状态和非正常状态；

当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估。

优选地，根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估的步骤包括：

当所述连续关系不符合所述预期标准时，所述二度状态评估为非正常状态；

当所述连续关系符合所述预期标准，且所述变化趋势呈反复趋势时，所述二度状态评估为正常状态；

当所述连续关系符合所述预期标准，且所述变化趋势呈单向趋势时，若所述单向趋势朝向所述预期标准的范围边缘，所述二度状态评估为非正常状态，否则所述二度状态评估为正常状态。

优选地，当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估的步骤包括：

当所述二度状态评估为非正常状态，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，若所述智慧标识在未来时间段的实际状态特征符合预测，则最终状态评估为危险状态，以得到预测状态特征序列；

在对应所述未来时间段的时间里持续对所述智慧标识进行数据采集与特征提取，以得到所述智慧标识在未来时间段中的实际状态特征序列；

对所述实际状态特征序列和所述预测状态特征序列进行拟合处理，以得到所述实际状态特征序列与所述预测状态特征序列的拟合参数；所述拟合参数用于描述所述实际状态特征序列与所述预测状态特征序列的重合程度；

根据预期标准对所述拟合参数进行判断，若所述拟合参数高于预期标准，则最终状态评估为危险状态，否则为非正常状态。

优选地，还包括：

在所述智慧标识上设置由多个传感器组构成的传感器阵列，以对所述智慧标识进行不同部位的数据采集，从而获取所述智慧标识在不同部位上的亮度数据与温度数据；

根据所述传感器阵列中各个所述传感器组之间的位置关系构建标识模拟模型，并将获取的所述智慧标识在不同部位上的亮度数据与温度数据代入至所述标识模拟模型中，以获取所述智慧标识在各个时刻的数据分布图谱；其中，所述数据分布图谱用于描述所述智慧标识的各个部位的亮度数据与温度数据之间的关系；

根据预先设置的标准对所述智慧标识在各个时刻的数据分布图谱进行分析处理，以得到所述智慧标识的数据变化图谱，以对所述智慧标识内部的亮度与温度的变化进行反馈。

第二方面，本发明提供一种智慧标识的状态检测和分析装置，包括：

数据采集模块，用于对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

数据处理模块，用于将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

状态分析模块，用于对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估。

本发明提供了一种智慧标识的状态检测和分析方法，具有以下有益效果：

本发明通过对智慧标识的工作数据和所处环境的环境数据的多维度的采集，获取智慧标识在各个时刻的状态数据，并基于此提取多项状态特征以进行后续的状态分析评估，在状态分析评估的过程中，针对各项状态特征进行对应标准的检测，并采用多重分析步骤，以获取详细准确的状态分析评估，解决了现有技术中对智慧标识的状态检测的精准程度不足、容易导致误报漏报的问题。

附图说明

图1是本发明实施例提供的一种智慧标识的状态检测和分析方法的步骤示意图；

图2是本发明实施例提供的一种智慧标识的状态检测和分析装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

以下结合具体实施例对本发明的实现进行详细的描述。

参照图1、图2所示，为本发明提供较佳实施例。

第一方面，本发明提供一种智慧标识的状态检测和分析方法，包括：

S1：对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

S2：将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

S3：对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估。

具体地，智慧标识的工作状态表现在内部的工作数据上，也就是智慧标识的亮度、温度、电压、电流一系列的参数，通过判断这些参数是否处于正常范围可以反馈出智慧标识的工作状态是否正常，同时，智慧标识的外部工作环境也会对智慧标识的内部工作参数造成影响，如智慧标识所处环境的光照强度和大气温度，会在一定程度上导致智慧标识的亮度和温度的变化，也就是说，在考虑到智慧标识的工作环境的情况下，单独判断会反馈出非正常工作状态的智慧标识的一些工作数据实际上对应的是智慧标识的正常工作状态，为了避免判断失误，提升状态分析的精准度，需要从智慧标识的工作数据和所处的工作环境的环境数据两方面进行检测分析。

更具体地，持续对智慧标识的工作数据和智慧标识所处工作环境的环境数据进行多维度的采集，以获取智慧标识的亮度、温度、电压、电流，以及所处环境的光照强度和大气温度。

更具体地，上述的各项数据是本发明提供的一种实施例中所采用的数据，在其他实施例中可以进行其他种类的数据的扩展。

更具体地，将各个时刻的各项工作数据与各项环境数据进行组合处理，以得到智慧标识在各个时刻的状态数据，状态数据包括两个部分，第一个部分是时刻标记部分，第二个部分是对应时刻标记的工作数据与环境数据，根据时间顺序对各个顺序的状态数据进行排列处理，将排列处理的结果作为智慧标识的状态数据序列。

更具体地，对状态数据序列进行若干项目的状态特征的提取，以提取得到智慧标识的各项状态特征，基于各项状态特征进行智慧标识的分析处理，以对智慧标识进行状态分析评估。

需要说明的是，状态数据序列中的各个状态数据包含有多个种类的数据，因此基于状态数据可以提取出多个项目的状态特征，这些状态特征均用于对智慧标识的工作状态进行检测与分析。

本发明提供了一种智慧标识的状态检测和分析方法，具有以下有益效果：

本发明通过对智慧标识的工作数据和所处环境的环境数据的多维度的采集，获取智慧标识在各个时刻的状态数据，并基于此提取多项状态特征以进行后续的状态分析评估，在状态分析评估的过程中，针对各项状态特征进行对应标准的检测，并采用多重分析步骤，以获取详细准确的状态分析评估，解决了现有技术中对智慧标识的状态检测的精准程度不足、容易导致误报漏报的问题。

优选地，对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征的步骤包括：

S31：基于所述状态数据序列进行各个时刻的基础状态特征的提取；其中，所述基础状态特征包括第一状态特征、第二状态特征以及第三状态特征，所述第一状态特征用于描述各个时刻的电压与电流之间的关系，所述第二状态特征用于描述各个时刻的亮度与光照强度的关系，所述第三状态特征用于描述各个时刻的温度与大气温度的关系；

S32：基于所述状态数据序列进行各个时刻的基础状态特征的附加状态特征的提取；其中，所述附加状态特征包括所述基础状态特征的预设邻近时间范围内各个时刻的所述基础状态特征，所述附加状态特征用于描述所述基础状态特征在所述预设邻近时间范围内的变化关系。

具体地，智慧标识的每个时刻均具有基础状态特征与附加特征状态，其中，基础状态特征是该时刻本身的各项工作数据与各项环境数据之间的关系，附加状态特征是该时刻之前的预定时间范围内的各个基础状态特征，也就是说，附加状态特征是通过指定时刻之前的预定时间范围内的各项工作数据与各项环境数据对指定时刻进行辅助判断。

更具体地，基础状态特征包括第一状态特征、第二状态特征以及第三状态特征；其中，第一状态特征用于描述各个时刻的电压与电流之间的关系，第二状态特征用于描述各个时刻的亮度与光照强度的关系，第三状态特征用于描述各个时刻的温度与大气温度的关系。

更具体地，在基础状态特征中的第一状态特征中，电压与电流应保持一个稳定的数值与比例，此时代表着智慧标识处于正常工作状态；在基础状态特征的第二状态特征中，亮度应处于预定范围内，并且该预定范围可以继续划分为若干更小范围，每个更小范围分别对应着不同的光照强度，也就是说，外部的工作环境的光照强度影响着智慧标识的亮度的强弱倾向；在基础状态特征的第三状态特征中，温度应处于预定范围之内，并且该预定范围可以继续划分为若干更小范围，每个更小范围分别对应着不同的大气温度，也就是说，外部的工作环境的大气温度影响着智慧标识的温度的强弱倾向。

更具体地，在基础状态特征中，第一状态特征、第二状态特征以及第三状态特征分别可以反馈智慧标识的工作状态，同时第一状态特征与第二状态特征或第三状态特征进行结合，可以从另外的角度反馈智慧标识的工作状态。

更具体地，附加状态特征包括基础状态的预设邻近时间范围内各个时刻的基础状态特征，附加状态特征用于描述基础状态特征在预设邻近时间范围内的变化关系。

可以理解的是，基础状态特征是从当前时刻的角度对智慧标识的状态进行检测与分析，而附加状态特征是从一定时间范围内的角度对智慧标识的状态进行检测与分析。

优选地，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估的步骤包括：

S33：根据所述智慧标识的规格数据对所述智慧标识各个时刻的所述基础状态特征进行分析，以得到分析结果，并根据所述分析结果生成所述智慧标识的初步状态评估；其中，所述初步状态评估包括正常状态、非正常状态以及危险状态；

S34：当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理；

S35：当所述基础状态特征的所述初步状态评估为危险状态时，则驱动所述智慧标识进入低功率运行状态，并通过与外部终端的通讯连接传输风险信号。

具体地，不同型号的智慧标识具有与之对应的规格数据，规格数据用于描述智慧标识在正常工作状态下应展现出来的工作性能，为了获取智慧标识的规格数据，需要预先对智慧标识的型号进行识别，并向智慧标识的检测分析系统中输入与之对应的规格数据。

可以理解的是，不同的规格数据会带来对各个状态特征不同的评判标准，这一步骤的实现可以利用卷积神经网络进行：预先获取大量的训练数据，训练数据的内容包括已有的智慧标识的规格数据与对应的评判标准，通过卷积神经网络算法模型基于训练数据进行训练，以获取智慧标识的规格数据与对应的评判标准之间的映射关系，通过该映射关系即可根据输入的规格数据生成对应的评判标准。

更具体地，根据智慧标识的规格数据对智慧标识各个时刻的基础状态特征进行分析，以得到分析结果，并根据分析结果生成智慧标识的初步状态评估；其中，初步状态评估包括正常状态、非正常状态以及危险状态。

可以理解的是，初步状态评估是对智慧标识的各个时刻的第一次的评估，初步状态评估决定了后续的处理步骤：若初步状态评估为正常状态，则该时刻的智慧标识工作状态正常，若初步状态评估为危险状态，则驱动智慧标识进入低功率运行状态，以防智慧标识出现严重故障，并通过与外部终端的通讯连接传输风险信号，从而召唤维修人员前来维修，若初步状态评估为非正常状态，则代表智慧标识存在安全隐患，需要对基础状态特征的附加状态特征进行分析，以得到分析结果，根据分析结果生成智慧标识的二度状态评估，并根据二度状态评估进行后续处理。

优选地，当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理的步骤包括：

S341：调取对应所述初步状态评估为非正常状态的所述基础状态特征的所述附加状态特征；

S342：按照时间顺序将所述附加状态特征中的各个所述第一状态特征、各个所述第二状态特征以及各个所述第三状态特征与所述基础状态特征中的所述第一状态特征、所述第二状态特征以及所述第三状态特征分别进行排列处理，以得到所述基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列；

S343：对所述基础状态特征的所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列分别进行连续关系与变化趋势的分析，以得到分析结果，并根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估；其中，所述二度状态评估包括正常状态和非正常状态；

S344：当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估。

具体地，调取对应初步状态评估为非正常状态的基础状态特征的附加状态特征；按照时间顺序将附加状态特征中的各个第一状态特征、各个第二状态特征以及各个第三状态特征与基础状态特征中的第一状态特征、第二状态特征以及第三状态特征分别进行排列处理，以得到基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列。

可以理解的是，第一状态变化序列、第二状态变化序列以及第三状态变化序列分别对应基础状态特征的第一状态特征、第二状态特征以及第三状态特征，由于初步状态评估对应的是基础状态特征的某一个或多个状态特征，因此在该步骤中根据初步状态评估生成对应的状态变化序列并进行分析。

更具体地，对基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列分别进行连续关系与变化趋势的分析，以得到分析结果，并根据预期标准对分析结果进行判断，从而判断出基础状态特征的二度状态评估；其中，二度状态评估包括正常状态和非正常状态。

需要说明的是，连续关系用于反馈当前时刻的智慧标识是否属于状态突变，变化趋势用于反馈当前时刻的智慧标识是否朝向危险状态进行发展。

更具体地，当二度状态评估为非正常状态时，通过自回归模型根据第一状态变化序列、第二状态变化序列以及第三状态变化序列进行未来时间段状态特征的预测，并根据预测的未来时间段状态特征对智慧标识进行状态检测，以生成智慧标识的最终状态评估。

更具体地，自回归模型一种时间序列预测模型，基于时间序列自身的历史数据来预测未来的值，在本实施例中，通过自回归模型对各状态变化序列进行未来时间段状态特征的预测，并采集智慧标识实际的状态特征与预测的特征进行对比，根据对比的结果来生成最终状态评估。

优选地，根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估的步骤包括：

S3431：当所述连续关系不符合所述预期标准时，所述二度状态评估为非正常状态；

S3432：当所述连续关系符合所述预期标准，且所述变化趋势呈反复趋势时，所述二度状态评估为正常状态；

S3433：当所述连续关系符合所述预期标准，且所述变化趋势呈单向趋势时，若所述单向趋势朝向所述预期标准的范围边缘，所述二度状态评估为非正常状态，否则所述二度状态评估为正常状态。

具体地，连续关系用于判断当前时刻的状态特征与之前时间段内的状态特征是否存在断层，若存在断层，则表示当前时刻的状态特征是突然变化的结果，这意味着智慧标识在此刻存在突发状况。

因此，若连续关系不符合预期标准，二度状态评估均为非正常状态。

更具体地，若连续关系不符合预期标准，则判断之前时间段内的状态特征的变化趋势，若变化趋势呈反复趋势，则代表智慧标识的状态呈一定范围内的波动状态，不会朝向危险状态发展，因此二度状态评估为正常状态。

更具体地，若变化趋势呈单向趋势，则代表智慧标识的状态朝向一个固定方向发展，因此，若单向趋势朝向预期标准的范围边缘，代表着智慧标识朝向危险状态发展，二度状态评估为非正常状态，否则二度状态评估为正常状态。

优选地，当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估的步骤包括：

S3441：当所述二度状态评估为非正常状态，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，若所述智慧标识在未来时间段的实际状态特征符合预测，则最终状态评估为危险状态，以得到预测状态特征序列；

S3442：在对应所述未来时间段的时间里持续对所述智慧标识进行数据采集与特征提取，以得到所述智慧标识在未来时间段中的实际状态特征序列；

S3443：对所述实际状态特征序列和所述预测状态特征序列进行拟合处理，以得到所述实际状态特征序列与所述预测状态特征序列的拟合参数；所述拟合参数用于描述所述实际状态特征序列与所述预测状态特征序列的重合程度；

S3444：根据预期标准对所述拟合参数进行判断，若所述拟合参数高于预期标准，则最终状态评估为危险状态，否则为非正常状态。

具体地，当二度状态评估为非正常状态，通过自回归模型根据第一状态变化序列、第二状态变化序列以及第三状态变化序列进行未来时间段状态特征的预测，若智慧标识在未来时间段的实际状态特征符合预测，则最终状态评估为危险状态，否则为非正常状态。

可以理解的是，当二度状态评估为非正常状态时，意味着两种情况：

第一种情况：连续关系不符合所述预期标准；

第二种情况：连续关系符合预期标准，且变化趋势呈单向趋势，单向趋势朝向所述预期标准的范围边缘。

具体地，在第一种情况下，代表着智慧标识状况突变，预测是针对突变后的状况进行的，若智慧标识在未来时间段的实际状态特征符合预测，意味着智慧标识的的实际状况确实发生了突变，并且这个突变持续进行，而不是消失，因此最终状态评估为危险状态。

更具体地，在第二种情况下，代表着智慧标识的状态持续向着危险状态发展，预测是基于这一态势进行的，若智慧标识在未来时间段的实际状态特征符合预测，意味着智慧标识的态势确实地继续向着危险状态发展，因此最终状态评估为危险状态。

需要说明的是，不同的状态分析评价对应不同的处理对策，例如：危险状态会降低运行功率，并向维修人员发出警告信号，非正常状态会提升对智慧标识的监控力度。

优选地，还包括：

S41：在所述智慧标识上设置由多个传感器组构成的传感器阵列，以对所述智慧标识进行不同部位的数据采集，从而获取所述智慧标识在不同部位上的亮度数据与温度数据；

S42：根据所述传感器阵列中各个所述传感器组之间的位置关系构建标识模拟模型，并将获取的所述智慧标识在不同部位上的亮度数据与温度数据代入至所述标识模拟模型中，以获取所述智慧标识在各个时刻的数据分布图谱；其中，所述数据分布图谱用于描述所述智慧标识的各个部位的亮度数据与温度数据之间的关系；

S43：根据预先设置的标准对所述智慧标识在各个时刻的数据分布图谱进行分析处理，以得到所述智慧标识的数据变化图谱，以对所述智慧标识内部的亮度与温度的变化进行反馈。

优选地，在智慧标识上设置由多个传感器组构成的传感器阵列：通过在智慧标识上安装多个传感器组，可以实现对不同部位的数据采集。每个传感器组可以包括亮度传感器和温度传感器，用于采集智慧标识在不同部位的亮度数据和温度数据。

更具体地，根据传感器阵列中各个传感器组的位置关系，构建智慧标识的标识模拟模型。该模型可以考虑智慧标识的形状、材质等因素，并通过数学建模的方式描述智慧标识内部的光照和温度传播规律。

更具体地，代入数据并获取数据分布图谱：将通过传感器阵列采集到的智慧标识在不同部位的亮度数据和温度数据代入至标识模拟模型中。通过模型计算和仿真，可以得到智慧标识在各个时刻的数据分布图谱。数据分布图谱展示了智慧标识各个部位的亮度数据与温度数据之间的关系。

更具体地，分析处理数据分布图谱：根据预先设置的标准，对智慧标识在各个时刻的数据分布图谱进行分析处理。可以使用数据分析技术，如统计分析、模式识别等方法，来识别和提取数据中的特征、趋势和异常变化。通过分析处理，可以得到智慧标识的数据变化图谱，用于反馈智慧标识内部亮度和温度的变化情况。

可以理解的是，通过以上步骤，可以实现对智慧标识内部不同部位的亮度数据和温度数据的采集、模拟建模、数据分布图谱获取以及数据变化图谱分析处理。这样可以帮助了解智慧标识的状态和变化情况，为进一步优化标识设计、管理和维护提供参考依据。

参照图2所示，第二方面，本发明提供一种智慧标识的状态检测和分析装置，包括：

数据采集模块，用于对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

数据处理模块，用于将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

状态分析模块，用于对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估。

在本实施例中，上述装置实施例中的各个模块的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。

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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种智慧标识的状态检测和分析方法，其特征在于，包括：

对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估；

对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征的步骤包括：

基于所述状态数据序列进行各个时刻的基础状态特征的提取；其中，所述基础状态特征包括第一状态特征、第二状态特征以及第三状态特征，所述第一状态特征用于描述各个时刻的电压与电流之间的关系，所述第二状态特征用于描述各个时刻的亮度与光照强度的关系，所述第三状态特征用于描述各个时刻的温度与大气温度的关系；

基于所述状态数据序列进行各个时刻的基础状态特征的附加状态特征的提取；其中，所述附加状态特征包括所述基础状态特征的预设邻近时间范围内各个时刻的所述基础状态特征，所述附加状态特征用于描述所述基础状态特征在所述预设邻近时间范围内的变化关系；

基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估的步骤包括：

根据所述智慧标识的规格数据对所述智慧标识各个时刻的所述基础状态特征进行分析，以得到分析结果，并根据所述分析结果生成所述智慧标识的初步状态评估；其中，所述初步状态评估包括正常状态、非正常状态以及危险状态；

当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理；

当所述基础状态特征的所述初步状态评估为危险状态时，则驱动所述智慧标识进入低功率运行状态，并通过与外部终端的通讯连接传输风险信号；

当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理的步骤包括：

调取对应所述初步状态评估为非正常状态的所述基础状态特征的所述附加状态特征；

按照时间顺序将所述附加状态特征中的各个所述第一状态特征、各个所述第二状态特征以及各个所述第三状态特征与所述基础状态特征中的所述第一状态特征、所述第二状态特征以及所述第三状态特征分别进行排列处理，以得到所述基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列；

对所述基础状态特征的所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列分别进行连续关系与变化趋势的分析，以得到分析结果，并根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估；其中，所述二度状态评估包括正常状态和非正常状态；

当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估。

2.如权利要求1所述的一种智慧标识的状态检测和分析方法，其特征在于，根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估的步骤包括：

当所述连续关系不符合所述预期标准时，所述二度状态评估为非正常状态；

当所述连续关系符合所述预期标准，且所述变化趋势呈反复趋势时，所述二度状态评估为正常状态；

当所述连续关系符合所述预期标准，且所述变化趋势呈单向趋势时，若所述单向趋势朝向所述预期标准的范围边缘，所述二度状态评估为非正常状态，否则所述二度状态评估为正常状态。

3.如权利要求1所述的一种智慧标识的状态检测和分析方法，其特征在于，当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估的步骤包括：

当所述二度状态评估为非正常状态，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，以得到预测状态特征序列；

在对应所述未来时间段的时间里持续对所述智慧标识进行数据采集与特征提取，以得到所述智慧标识在未来时间段中的实际状态特征序列；

对所述实际状态特征序列和所述预测状态特征序列进行拟合处理，以得到所述实际状态特征序列与所述预测状态特征序列的拟合参数；所述拟合参数用于描述所述实际状态特征序列与所述预测状态特征序列的重合程度；

根据预期标准对所述拟合参数进行判断，若所述拟合参数高于预期标准，则最终状态评估为危险状态，否则为非正常状态。

4.如权利要求1所述的一种智慧标识的状态检测和分析方法，其特征在于，还包括：

在所述智慧标识上设置由多个传感器组构成的传感器阵列，以对所述智慧标识进行不同部位的数据采集，从而获取所述智慧标识在不同部位上的亮度数据与温度数据；

根据所述传感器阵列中各个所述传感器组之间的位置关系构建标识模拟模型，并将获取的所述智慧标识在不同部位上的亮度数据与温度数据代入至所述标识模拟模型中，以获取所述智慧标识在各个时刻的数据分布图谱；其中，所述数据分布图谱用于描述所述智慧标识的各个部位的亮度数据与温度数据之间的关系；

根据预先设置的标准对所述智慧标识在各个时刻的数据分布图谱进行分析处理，以得到所述智慧标识的数据变化图谱，以对所述智慧标识内部的亮度与温度的变化进行反馈。

5.一种智慧标识的状态检测和分析装置，其特征在于，包括：

数据采集模块，用于对智慧标识进行多维度的数据采集，以获取所述智慧标识在各个时刻的各项工作数据，对所述智慧标识所处的工作环境进行多维度的数据采集，以获取所述智慧标识所处的工作环境在各个时刻的各项环境数据；其中，所述工作数据包括所述智慧标识的亮度、温度、电压、电流，所述环境数据包括光照强度、大气温度；

数据处理模块，用于将各个时刻的各项所述工作数据与各项所述环境数据进行组合处理，以得到所述智慧标识在各个时刻的状态数据，根据时间顺序对各个时刻的所述状态数据进行排列处理，将排列处理的结果作为所述智慧标识的状态数据序列；

状态分析模块，用于对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征，基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估；

对所述状态数据序列进行若干项目的状态特征的提取，以提取得到所述智慧标识的各项所述状态特征的步骤包括：

基于所述状态数据序列进行各个时刻的基础状态特征的提取；其中，所述基础状态特征包括第一状态特征、第二状态特征以及第三状态特征，所述第一状态特征用于描述各个时刻的电压与电流之间的关系，所述第二状态特征用于描述各个时刻的亮度与光照强度的关系，所述第三状态特征用于描述各个时刻的温度与大气温度的关系；

基于所述状态数据序列进行各个时刻的基础状态特征的附加状态特征的提取；其中，所述附加状态特征包括所述基础状态特征的预设邻近时间范围内各个时刻的所述基础状态特征，所述附加状态特征用于描述所述基础状态特征在所述预设邻近时间范围内的变化关系；

基于各项所述状态特征进行所述智慧标识的状态分析处理，以对所述智慧标识进行状态分析评估的步骤包括：

根据所述智慧标识的规格数据对所述智慧标识各个时刻的所述基础状态特征进行分析，以得到分析结果，并根据所述分析结果生成所述智慧标识的初步状态评估；其中，所述初步状态评估包括正常状态、非正常状态以及危险状态；

当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理；

当所述基础状态特征的所述初步状态评估为危险状态时，则驱动所述智慧标识进入低功率运行状态，并通过与外部终端的通讯连接传输风险信号；

当所述基础状态特征的所述初步状态评估为非正常状态时，对所述基础状态特征的所述附加状态特征进行分析，以得到分析结果，根据所述分析结果生成所述智慧标识的二度状态评估，并根据所述二度状态评估进行后续处理的步骤包括：

调取对应所述初步状态评估为非正常状态的所述基础状态特征的所述附加状态特征；

按照时间顺序将所述附加状态特征中的各个所述第一状态特征、各个所述第二状态特征以及各个所述第三状态特征与所述基础状态特征中的所述第一状态特征、所述第二状态特征以及所述第三状态特征分别进行排列处理，以得到所述基础状态特征的第一状态变化序列、第二状态变化序列以及第三状态变化序列；

对所述基础状态特征的所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列分别进行连续关系与变化趋势的分析，以得到分析结果，并根据预期标准对所述分析结果进行判断，从而判断出所述基础状态特征的二度状态评估；其中，所述二度状态评估包括正常状态和非正常状态；

当所述二度状态评估为非正常状态时，通过自回归模型根据所述第一状态变化序列、所述第二状态变化序列以及所述第三状态变化序列进行未来时间段状态特征的预测，并根据预测的所述未来时间段状态特征对所述智慧标识进行状态检测，以生成所述智慧标识的最终状态评估。