CN117689101A - 一种巡检多元痕迹统计系统及人工干预方法 - Google Patents
一种巡检多元痕迹统计系统及人工干预方法 Download PDFInfo
- Publication number
- CN117689101A CN117689101A CN202311584029.4A CN202311584029A CN117689101A CN 117689101 A CN117689101 A CN 117689101A CN 202311584029 A CN202311584029 A CN 202311584029A CN 117689101 A CN117689101 A CN 117689101A
- Authority
- CN
- China
- Prior art keywords
- data
- inspection
- unit
- trace
- manual intervention
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000013523 data management Methods 0.000 claims abstract description 14
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims abstract description 9
- 238000013135 deep learning Methods 0.000 claims abstract description 8
- 230000005856 abnormality Effects 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 7
- 238000011960 computer-aided design Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种巡检多元痕迹统计系统及人工干预方法，涉及数据统计技术领域，包括：数据采集单元、数据预处理单元、三维建模单元、数据储存单元、数据分析单元、人工干预单元、数据管理单元以及可视化呈现单元；数据分析单元，具体用于：利用图像处理、机器学习和深度学习的算法，对巡检数据和三维模型进行自动分析；人工干预单元，具体用于：检测到的异常情况，触发人工干预，操作员通过该单元接收警报通知，并对异常事件进行实时干预。本发明通过设置的数据分析单元以及人工干预单元，对数据进行精准的分析，当检测出异常时，可快速了解针对问题所在之处，进行人工干预，减少冗余或重复的巡检任务，提高巡检效率。
Description
技术领域
本发明涉及数据统计技术领域，具体是一种巡检多元痕迹统计系统及人工干预方法。
背景技术
巡检多元痕迹统计系统是一种用于收集、分析和可视化巡检多元痕迹数据的系统，它可以帮助监测和管理巡检的相关数据，提供实时的数据分析和报告，有助于发现异常、诊断问题、优化运营，并支持决策制定，方便对地理信息的数据进行有效准确的分析。
但现有的技术存在以下的不足：
现有的地理信息的数据统筹，通过各种传感器将信息进行采集后，人工将数据统筹，进行算法分析，此方案不仅需要更多的时间用于分析数据，且存在数据分析的不够精准，增加冗余或重复的巡检任务，降低了巡检的效率。
发明内容
本发明的目的在于：为了解决现有的地理信息的数据统筹，通过各种传感器将信息进行采集后，人工将数据统筹，进行算法分析，此方案不仅需要更多的时间用于分析数据，且存在数据分析的不够精准，增加冗余或重复的巡检任务，降低了巡检的效率的问题，提供一种巡检多元痕迹统计系统及人工干预方法。
为实现上述目的，本发明提供如下技术方案：
本发明为一种巡检多元痕迹统计系统及人工干预方法，包括：
数据采集单元、数据预处理单元、三维建模单元、数据储存单元、数据分析单元、人工干预单元、数据管理单元以及可视化呈现单元；
数据分析单元，具体用于：利用图像处理、机器学习和深度学习的算法，对巡检数据和三维模型进行自动分析，通过比较巡检多元痕迹数据与正常状态或历史数据的差异，进行异常检测和故障诊断；
人工干预单元，具体用于：检测到的异常情况，触发人工干预，操作员通过该单元接收警报通知，并对异常事件进行实时干预，包括人工检查、修复缺陷的操作。
通过设置的数据分析单元，可快速对收集的巡检数据进行自动分析，并且对分析的数据进行异常检测，当出现异常时，可精准的了解问题所在，对异常的地方，进行人工检测维修，提高了对设备的维修效率。
作为本发明再进一步的方案：所述数据采集，使用传感器和相机采集地理信息的巡检多元痕迹数据，包括图像、视频、GPS轨迹。
通过设置的传感器和相机，用于捕捉和监测巡检现场的各种数据和痕迹。
作为本发明再进一步的方案：所述数据预处理单元，具体用于：
数据预处理，对采集到的巡检多元痕迹数据进行预处理，包括数据清洗、校准、修复和补全的操作，以确保数据的质量和完整性。
通过图像处理、数据清洗、数据纠偏的技术，对原始数据进行清洗和预处理，包括数据去噪、空值填充、数据对齐，提高后续分析的准确性和可靠性。
作为本发明再进一步的方案：所述三维建模单元，具体用于：
三维模型生成，基于采集的地理信息数据，使用计算机辅助设计(CAD)软件、激光扫描和摄影测量的方法，生成相应的三维模型。
基于收集的信息数据，通过设置使用CAD软件，构件出三维模型，将收集的数据，直观的表达出来。
作为本发明再进一步的方案：所述数据储存单元，具体用于：
数据储存，将处理后的数据存储到数据库或其他存储介质中，以便后续的使用。
通过将数据储存至数据库内部，使得数据有所可循，方便将下次收集的数据与本次数据进行对比分析。
作为本发明再进一步的方案：所述数据管理单元，具体用于：
数据管理，根据人工干预的结果，更新巡检多元痕迹数据和相关模型，确保其与实际情况保持一致，同时，进行数据的持续维护和更新。
通过将数据进行实时更新，使得数据分析的更加精准，基于历史巡检多元痕迹数据，进行趋势分析和预测，帮助预测未来设备的状态和趋势，提前做出相应的调整和决策。
作为本发明再进一步的方案：所述可视化呈现单元，具体用于：
将修正后的巡检多元痕迹数据和三维模型以可视化的方式呈现给用户，以便更直观地理解和分析数据。
通过设置对应的网页，将分析结果以可视化的形式呈现，帮助用户直观地理解和解释巡检多元痕迹数据，此外，可以生成报告或汇总数据，以支持决策和监管。
一种巡检多元痕迹统计系统的人工干预方法，包括：
S1、数据采集：从各种传感器设备中获取地理信息的巡检多元痕迹数据；
S2、数据预处理：对采集到的数据进行预处理、校准、修复和补全等操作；
S3、三维建模：将采集到的巡检多元痕迹数据转换为三维模型；
S4、数据储存：将采集的数据存储到数据库或其他存储介质中；
S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析；
S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤；
S7、数据管理：操作员记录相关信息，如处理时间、具体操作、问题描述等，并将干预结果和更新的数据反馈到系统中；
S8、可视化呈现：将巡检多元痕迹数据和三维模型以可视化的方式呈现给用户；
通过设置的这八个步骤，可更加清晰的了解巡检多元痕迹统计系统的人工干预方法。
作为本发明再进一步的方案：所述S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析包括；
采集到的数据经过处理和分析，利用图像处理、机器学习和深度学习的算法的操作，对收集的数据进行分析。
通过利用机器学习算法来训练模型，以区分正常巡检数据与异常数据，进行异常检测和故障诊断，利用深度神经网络来对巡检多元痕迹数据进行学习和建模，以检测异常和进行故障诊断。
作为本发明再进一步的方案：所述S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤包括；
操作员会收到警报通知，并进行相应的干预措施，包括人工检查、修复缺陷的操作。
通过设置规则和阈值，实时监控巡检过程中的异常情况，并向相关人员发送报警信息和通知，通过短信、邮件、手机推送的方式与用户，进行即时的沟通和反馈。
与现有技术相比，本发明的有益效果是：
通过设置的数据分析单元以及人工干预单元，采集到的数据经过处理和分析，利用图像处理、机器学习和深度学习的算法的操作，对收集的数据进行分析，这些分析结果可以用于生成统计报告、可视化展示和异常事件的预警，根据设定的规则和阈值，系统会自动检测和识别出异常事件，一旦发现异常，系统会触发人工干预步骤，人工操作员会收到警报通知，并进行相应的干预措施，包括人工检查、修复缺陷的操作，该方案，可对数据进行精准的分析，当检测出异常时，可快速了解针对问题所在之处，进行人工干预，减少冗余或重复的巡检任务，提高巡检效率。
基于有益效果一，通过可视化呈现单元，绘制图表、生成报表、制作地图，帮助用户直观地理解和解释数据，快速准确地掌握情况，此外，可以生成报告或汇总数据，为规划和设计工作提供必要的信息和参考，以支持决策和监管。
附图说明
图1为本发明巡检多元痕迹统计系统的结构示意图；
图2为本发明巡检多元痕迹统计系统的人工干预方法的流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
请参阅图1，本发明实施例中，一种巡检多元痕迹统计系统，包括：数据采集单元、数据预处理单元、三维建模单元、数据储存单元、数据分析单元、人工干预单元、数据管理单元以及可视化呈现单元；
数据分析单元，具体用于：利用图像处理、机器学习和深度学习的算法，对巡检数据和三维模型进行自动分析，通过比较巡检多元痕迹数据与正常状态或历史数据的差异，进行异常检测和故障诊断；
人工干预单元，具体用于：检测到的异常情况，触发人工干预，操作员通过该单元接收警报通知，并对异常事件进行实时干预，包括人工检查、修复缺陷的操作；
数据采集单元，具体用于：数据采集，使用传感器和相机采集地理信息的巡检多元痕迹数据，包括图像、视频、GPS轨迹；
数据预处理单元，具体用于：数据预处理，对采集到的巡检多元痕迹数据进行预处理，包括数据清洗、校准、修复和补全的操作，以确保数据的质量和完整性；
三维建模单元，具体用于：三维模型生成，基于采集的地理信息数据，使用计算机辅助设计(CAD)软件、激光扫描和摄影测量的方法，生成相应的三维模型；
数据储存单元，具体用于：数据储存，将处理后的数据存储到数据库或其他存储介质中，以便后续的使用；
数据管理单元，具体用于：数据管理，根据人工干预的结果，更新巡检多元痕迹数据和相关模型，确保其与实际情况保持一致，同时，进行数据的持续维护和更新；
可视化呈现单元，具体用于：将修正后的巡检多元痕迹数据和三维模型以可视化的方式呈现给用户，以便更直观地理解和分析数据。
在本实施例中：通过设置的数据采集单元，采集需要巡检的地区的地理信息，数据预处理单元将采集的信息，进行校准、修复和补全后，使用三维建模单元，将采集的数据，通过CAD软件，构建成三维模型后，将绘制完成的数据，通过数据储存单元，输送至数据库内部中储存后，利用数据分析单元，将数据进行自动分析，设置的人工干预单元，负责监控和处理系统中检测到的异常情况，并触发相关的人工干预措施，将异常情况解决后，将更新的数据，通过数据管理单元，输送至数据库内部，通过设置的可视化呈现单元，将巡检多元痕迹数据以及三维模型，通过可视化的方式呈现给用户，以便更直观地理解和分析数据。
请参阅图2，本发明实施例中，一种巡检多元痕迹统计系统的人工干预方法，包括：
S1、数据采集：从各种传感器设备中获取地理信息的巡检多元痕迹数据；
S2、数据预处理：对采集到的数据进行预处理、校准、修复和补全等操作；
S3、三维建模：将采集到的巡检多元痕迹数据转换为三维模型；
S4、数据储存：将采集的数据存储到数据库或其他存储介质中；
S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析；
S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤；
S7、数据管理：操作员记录相关信息，如处理时间、具体操作、问题描述等，并将干预结果和更新的数据反馈到系统中；
S8、可视化呈现：将巡检多元痕迹数据和三维模型以可视化的方式呈现给用户；
S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析包括；
采集到的数据经过处理和分析，利用图像处理、机器学习和深度学习的算法的操作，对收集的数据进行分析；
S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤包括；
操作员会收到警报通知，并进行相应的干预措施，包括人工检查、修复缺陷的操作；
在本实施例中：通过各种传感器获取数据后，将数据进行清洗、校准。修复以及补全后，使用CAD软件构成三维模型，将数据上传至数据库后，利用自动化算法，对收集的数据进行分析，当检测到异常情况时，操作员接收到警报通知后，对异常事件进行实时的干预，将异常事件处理完成后，将更新的软件再次上传至数据库内部中，将最终的巡检多元痕迹数据以及三维模型，以可视化的方式呈现给用户。
以上所述的，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种巡检多元痕迹统计系统，其特征在于，包括：
数据采集单元、数据预处理单元、三维建模单元、数据储存单元、数据分析单元、人工干预单元、数据管理单元以及可视化呈现单元；
数据分析单元，具体用于：利用图像处理、机器学习和深度学习的算法，对巡检数据和三维模型进行自动分析，通过比较巡检多元痕迹数据与正常状态或历史数据的差异，进行异常检测和故障诊断；
人工干预单元，具体用于：检测到的异常情况，触发人工干预，操作员通过该单元接收警报通知，并对异常事件进行实时干预，包括人工检查、修复缺陷的操作。
2.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述数据采集单元，具体用于：
数据采集，使用传感器和相机采集地理信息的巡检多元痕迹数据，包括图像、视频、GPS轨迹。
3.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述数据预处理单元，具体用于：
数据预处理，对采集到的巡检多元痕迹数据进行预处理，包括数据清洗、校准、修复和补全的操作，以确保数据的质量和完整性。
4.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述三维建模单元，具体用于：
三维模型生成，基于采集的地理信息数据，使用计算机辅助设计(CAD)软件、激光扫描和摄影测量的方法，生成相应的三维模型。
5.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述数据储存单元，具体用于：
数据储存，将处理后的数据存储到数据库或其他存储介质中，以便后续的使用。
6.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述数据管理单元，具体用于：
数据管理，根据人工干预的结果，更新巡检多元痕迹数据和相关模型，确保其与实际情况保持一致，同时，进行数据的持续维护和更新。
7.根据权利要求1所述的一种巡检多元痕迹统计系统，其特征在于，所述可视化呈现单元，具体用于：
将修正后的巡检多元痕迹数据和三维模型以可视化的方式呈现给用户，以便更直观地理解和分析数据。
8.一种巡检多元痕迹统计系统的人工干预方法，其特征在于，包括：
S1、数据采集：从各种传感器设备中获取地理信息的巡检多元痕迹数据；
S2、数据预处理：对采集到的数据进行预处理、校准、修复和补全等操作；
S3、三维建模：将采集到的巡检多元痕迹数据转换为三维模型；
S4、数据储存：将采集的数据存储到数据库或其他存储介质中；
S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析；
S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤；
S7、数据管理：操作员记录相关信息，如处理时间、具体操作、问题描述等，并将干预结果和更新的数据反馈到系统中；
S8、可视化呈现：将巡检多元痕迹数据和三维模型以可视化的方式呈现给用户。
9.根据权利要求8所述的一种巡检多元痕迹统计系统的人工干预方法，其特征在于，所述S5、数据分析：使用自动化算法和技术对巡检多元痕迹数据进行处理和分析包括；
采集到的数据经过处理和分析，利用图像处理、机器学习和深度学习的算法的操作，对收集的数据进行分析。
10.根据权利要求8所述的一种巡检多元痕迹统计系统的人工干预方法，其特征在于，所述S6、人工干预：根据自动分析的结果，系统会自动检测出异常情况，并触发人工干预步骤包括；
操作员会收到警报通知，并进行相应的干预措施，包括人工检查、修复缺陷的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584029.4A CN117689101A (zh) | 2023-11-24 | 2023-11-24 | 一种巡检多元痕迹统计系统及人工干预方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584029.4A CN117689101A (zh) | 2023-11-24 | 2023-11-24 | 一种巡检多元痕迹统计系统及人工干预方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117689101A true CN117689101A (zh) | 2024-03-12 |
Family
ID=90136275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311584029.4A Pending CN117689101A (zh) | 2023-11-24 | 2023-11-24 | 一种巡检多元痕迹统计系统及人工干预方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689101A (zh) |
-
2023
- 2023-11-24 CN CN202311584029.4A patent/CN117689101A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
| CN110366031B (zh) | 一种数字化车间mes系统基于视觉的异常状态监测与故障诊断方法 | |
| CN110619620B (zh) | 导致表面缺陷的异常定位方法、装置、系统及电子设备 | |
| CN112925279A (zh) | 一种基于mes系统的故障综合分析系统 | |
| JP6540531B2 (ja) | 監視装置及び監視装置の制御方法 | |
| KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
| JP6668262B2 (ja) | 自動的なレシピ安定性の監視および報告 | |
| CN108627520A (zh) | 一种非均质固体材料外观质量的在线检测系统和方法 | |
| KR20080070543A (ko) | 자동화 생산라인의 불량예측 조기 경보 방법 | |
| CN116629627A (zh) | 输电在线监测装置的智能检测系统 | |
| CN113849774A (zh) | 基于寿命分析和健康监测的设备智能维护平台 | |
| CN112580858A (zh) | 设备参数预测分析方法及系统 | |
| CN113343998A (zh) | 电力机械表计读数监测系统、方法、计算机设备及应用 | |
| CN117251812A (zh) | 一种基于大数据分析的高压电力线路运行故障检测方法 | |
| CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及系统 | |
| CN114137302A (zh) | 一种电能计量器具检定全过程监控系统 | |
| CN113450471A (zh) | 一种生产园区智能巡检系统 | |
| CN107506832B (zh) | 对监控巡视进行辅助的隐患挖掘方法 | |
| CN114332713A (zh) | 一种基于物联网的施工区域运行监测方法、装置及系统 | |
| CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
| CN116840240A (zh) | 电源分配器视觉检测系统 | |
| CN117689101A (zh) | 一种巡检多元痕迹统计系统及人工干预方法 | |
| CN117010549A (zh) | 基于大数据管理体系的信息溯源方法及终端 | |
| CN113487189A (zh) | 一种石化设备故障概率风险评估系统及评估方法 | |
| CN110455370B (zh) | 防汛抗旱远程遥测显示系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |