CN113554850A - 一种5g网络实时预警方法及*** - Google Patents
一种5g网络实时预警方法及*** Download PDFInfo
- Publication number
- CN113554850A CN113554850A CN202110916963.6A CN202110916963A CN113554850A CN 113554850 A CN113554850 A CN 113554850A CN 202110916963 A CN202110916963 A CN 202110916963A CN 113554850 A CN113554850 A CN 113554850A
- Authority
- CN
- China
- Prior art keywords
- early warning
- matching
- gas
- library
- obtaining
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种5G网络实时预警方法及***,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:根据第一智能摄像头和第一化学实验室的第一影像信息获得第一划分区域的第一气体检测信息;构建第一化学气体识别库;获得所述第一气体检测信息的第一匹配类别库;基于所述第一匹配类别库获得第一匹配编码;构建第一实时预警信号库;根据所述第一匹配编码,获得对应的第一匹配预警频率,并与预设响应周期结合进而生成第一匹配预警信号;将所述第一匹配预警信号发送至所述化学室管理***中进行预警。解决了现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题。
Description
技术领域
本发明涉及预警相关领域,尤其涉及一种5G网络实时预警方法及***。
背景技术
化学实验室是专门提供化学实验条件及其进行科学探究的重要场所。通常化学实验室都会配有化学药品柜,药柜里面有常用的化学药品。化学实验室危险程度高,是因为里面存在着大量的化学危险品,因此,预防化学实验室发生危险事故,要加强这方面的安全防护措施,以预警的方式防止危险事故的发生。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题。
发明内容
本申请实施例通过提供一种5G网络实时预警方法及***,解决了现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题,达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
鉴于上述问题,提出了本申请实施例提供一种5G网络实时预警方法及***。
第一方面,本申请实施例提供了一种5G网络实时预警方法,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:根据第一智能摄像头,获得第一化学实验室的第一影像信息;根据所述第一影像信息,获得第一划分区域的第一气体检测信息;构建第一化学气体识别库;根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;构建第一实时预警信号库;基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;根据所述第一匹配预警属性,生成第一匹配预警信号;将所述第一匹配预警信号发送至所述化学室管理***中进行预警。
另一方面,本申请还提供了一种5G网络实时预警***,所述***包括:第一获得单元,所述第一获得单元用于根据第一智能摄像头,获得第一化学实验室的第一影像信息;第二获得单元,所述第二获得单元用于根据所述第一影像信息,获得第一划分区域的第一气体检测信息;第一构建单元,所述第一构建单元用于构建第一化学气体识别库;第三获得单元,所述第三获得单元用于根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;
第四获得单元,所述第四获得单元用于通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;第五获得单元,所述第五获得单元用于基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;第二构建单元,所述第二构建单元用于构建第一实时预警信号库;第六获得单元,所述第六获得单元用于基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;第一生成单元,所述第一生成单元用于根据所述第一匹配预警属性,生成第一匹配预警信号;第一发送单元,所述第一发送单元用于将所述第一匹配预警信号发送至化学室管理***中进行预警。
第三方面,本发明提供了一种5G网络实时预警***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例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:
由于采用了通过智能摄像头对第一化学室中进行影像采集,进而对采集到的影响信息进行图像冻结并进行分析,进而将其中划分出的区域以气体探测器进行探测,从而获得其中的第一气体检测信息,进而根据提前对化学气体进行的树状层级划分获得的所述第一气体检测信息对应的第一匹配类别库完成对应编码的匹配,进一步而言,将对应编码中的数字序列代表的预警频率和预警响应时间属性等进行结合生成匹配的预警信号,再将生成的第一匹配预警信号发送至化学室管理***中进行预警的方式,达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种5G网络实时预警方法的流程示意图;
图2为本申请实施例一种5G网络实时预警***的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第三获得单元14,第四获得单元15,第五获得单元16,第二构建单元17,第六获得单元18,第一生成单元19,第一发送单元20,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种5G网络实时预警方法及***,解决了现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题,达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
化学实验室是专门提供化学实验条件及其进行科学探究的重要场所。通常化学实验室都会配有化学药品柜,药柜里面有常用的化学药品。化学实验室危险程度高,是因为里面存在着大量的化学危险品,因此,预防化学实验室发生危险事故,要加强这方面的安全防护措施,以预警的方式防止危险事故的发生。但现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种5G网络实时预警方法,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:根据第一智能摄像头,获得第一化学实验室的第一影像信息;根据所述第一影像信息,获得第一划分区域的第一气体检测信息;构建第一化学气体识别库;根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;构建第一实时预警信号库;基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;根据所述第一匹配预警属性,生成第一匹配预警信号;将所述第一匹配预警信号发送至所述化学室管理***中进行预警。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种5G网络实时预警方法,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:
步骤S100:根据第一智能摄像头,获得第一化学实验室的第一影像信息;
具体而言,所述第一智能摄像头为智能化采集影像的摄像头,能够进行多角度和多方位的智能变化,比如当某一区域中发生了一些化学反应存在动态变化的情况下,所述第一智能摄像头能够智能变化方向和角度,进而达到完整和清晰采集到对应的影响信息。所述第一化学实验室为所述5G网络实时预警***所应用某个化学实验室中或者某化工厂中存放化学用品的室内中,所述第一影像信息是根据所述第一智能摄像头进行室内对应影像采集获得的室内药品存放区域等影像信息。
步骤S200:根据所述第一影像信息,获得第一划分区域的第一气体检测信息;
具体而言,所述第一划分区域为根据采集到的所述第一影像信息进行区域分析获得其中一个药品存放区域,其中,由于化学存放的物品较多,因此需要分类或者间隔存放从而形成对应的某一区域,比如化学药品存放柜,化学试剂,操作台的半成品等,所述第一气体检测信息是根据所述第一划分区域中的存在的气体探测器进行气体探测获得的气体信息,比如气体浓度、气体成分、气体属性等具体的检测信息,进而将所述第一气体检测信息进行进一步的细化分析,为之后的预警提供数据分析的基础。
步骤S300:构建第一化学气体识别库;
步骤S400:根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;
具体而言,构建所述第一化学气体识别库是基于对所述第一化学实验室中的化学药品种类等进行信息识别进而对应生成的化学气体识别库,进一步的,所述多属性信息为基于化学气体中的所有属性信息,比如是否具有危险、危险程度、腐蚀性、易燃性、有毒性等各个属性信息进而对所有的信息进行分类存储,进而形成所述多类别气体识别库,进一步的,通过对所述第一化学气体识别库进行属性分类存储和识别,进而生成多个类别中的化学气体,能够针对性的对检测的气体进行识别,提高***响应速度,基于5G网络中传输速度快,响应快的特点,能够在数据处理的基础上降低***的延时反应时间,从而提高预警及时性的技术效果。
步骤S500:通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;
具体而言,所述第一匹配类别库是根据所述第一气体检测信息的属性信息进行多个判断,从所述多类别气体识别库中对应层级获得的对应匹配类别,比如当气体探测器中的浓度达到一定标准后表示目前该气体浓度较大已产生泄露,进一步对泄露的气体进行多属性判断进而生成对应的匹配类别库。
步骤S600:基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;
具体而言,所述第一匹配编码是基于所述第一匹配类别库进行对应后生成的编码信息,其中,所述第一匹配编码为3个序列数字的集合编码,其中,每一个序列数字代表某一类别的匹配库,比如泄露的某化学气体经判断其属性是有毒的危险气体,基于危险性对应匹配第一危险性气体库,基于有毒对应匹配第一有毒气体库,不适宜人员干预对应匹配无法干预气体库,其中每一个匹配的气体库都对应着某一具体编码,进而基于气体属性生成所述第一匹配编码,从而达到了基于准确的气体属性实时分析监测,并将气体进行分类编码存储的方式,生成对应的代表编码信息,进一步为之后的预警提供实时、有效的基础条件。
步骤S700:构建第一实时预警信号库;
具体而言,构建所述第一实时预警信号库是基于对应的所有类别识别库中对应的数字进行的编码对应预警信号的设置,进一步的,所述第一实时预警信号库中包括预警的方式、预警的频率、预警的周期、预警的响应音色,预警颜色等各个匹配设置,从而基于上述所有的编码信息将所述第一实时预警信号库中的对应信息进行设置。举例来说,对于上述举例的有毒的危险气体,其中,基于气体危险性可设置预警的频率和分贝,基于其有毒可设置某一预警响应的方式,比如长鸣,间歇鸣笛,规律鸣笛中一种;基于其不适宜人员处理可预设预警颜色为红色等进行具体化的构建。
步骤S800:基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;
步骤S900:根据所述第一匹配预警属性,生成第一匹配预警信号;
具体而言,根据所述第一气体检测信息经分析获得的所述第一匹配编码对应的数字序列,在构建所述第一实时预警信号库的基础上,获得其中所述第一匹配编码对应的预警属性信息,即其中的响应颜色、响应频率、预警方式等各个信息,其中,由于所述第一匹配编码中的各个序列数字相对应与其中的某一预警属性信息,因此可以将对应所述第一匹配预警属性生成所述第一匹配预警信号进而进行传输,其中,基于5G能够实现大数据量化传输、延时低的基础上,使得传输所述第一匹配预警属性对应的数据信息能够及时进行响应,从而达到了在提升智能化和个性化的基础上提高预警实时性的技术效果。
步骤S1000:将所述第一匹配预警信号发送至所述化学室管理***中进行预警。
具体而言,由于所述化学室管理***是对化学室进行综合管理的总控制***,其中,对于接收到所述第一匹配预警信号后不仅能够对目前泄露的化学气体属性信息准确把握,同时所述化学室管理***也可以根据所述第一匹配预警信号控制所述第一化学实验中的排气设施、电磁阀、排风扇、警铃、预警信号灯等外接设备的联动,从而达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
进一步而言,所述根据所述第一匹配预警属性,生成第一匹配预警信号之后,本申请实施例步骤S900还包括:
步骤S910:获得多划分区域的多气体检测信息;
步骤S920:获得所述多气体检测信息对应的多匹配预警信号;
步骤S930:将所述多气体检测信息和所述多匹配预警信号输入预警信号检测模型,获得第一精度系数;
步骤S940:判断所述第一精度系数是否处于预设精度系数阈值中;
步骤S950:若所述第一精度系数处于所述预设精度系数阈值中,获得第一发送指令。
具体而言,所述多气体检测信息和所述多匹配预警信号是模型进行精度检查时多次化模拟的数据信息,所述预警信号检测模型为检测预警信号精度的检测模型,基于所述多气体检测信息和所述多匹配预警信号的大量数据作为支撑进而输入到所述预警信号检测模型中进行数据分析,从而获得所述第一精度系数,当模型精度达到一定目标精度时基于所述第一发送指令将模型精度检查结果发送。详细来说,由于所述预警信号检测模型是以神经网络模型为基础建立的模型。神经网络由大量的神经元之间相互连接构成的一种运算模型,当输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束,达到了通过所述预警信号检测模型完成对模型精度的的进一步确定,提高***预警响应分析准确率的技术效果。
进一步而言,本申请实施例还包括:
步骤S941:若所述第一精度系数不处于所述预设精度系数阈值中,获得第一自检指令;
步骤S942:根据所述第一自检指令,获得所述预警信号检测模型的第一误差系数;
步骤S943:判断所述第一误差系数是否处于预设误差系数阈值中;
步骤S944:若所述第一误差系数不处于预设误差系数阈值中,获得第一气体分类阈值和第一预警属性阈值;
步骤S945:判断所述第一气体分类阈值和第一预警属性阈值的第一误差相关性;
步骤S946:根据所述第一误差相关性,获得第一调整指令。
具体而言,经判断若所述第一精度系数未达到目标系数阈值,表示目前预警信号的获得存在一定误差,进而需要对预警信号获得的整个过程进行自检进一步判断其误差系数的多少,由于一定外在环境的变化,比如外界环境和空气湿润度或者气温的上升都会对气体检测对应预警信号的生成形成一定的客观影响,因此,需要进一步对误差进行细化分析,其中,当所述第一误差系数超出预设的阈值范围,表示目前误差存在一定的可控因素,从而对气体分类的判断阈值和预警属性的判断阈值进行进一步的相关调整即精确划分的方式,使得最终形成的匹配编码具有准确性和有效性。
进一步而言,所述若所述第一精度系数不处于所述预设精度系数阈值中,获得第一自检指令之后,本申请实施例步骤S941还包括:
步骤S9411:根据第一数据采集指令,获得第一预设自检周期中的第一虚警错误信息;
步骤S9412:根据第二数据采集指令,获得所述第一预设自检周期中的第一漏警错误信息;
步骤S9413:根据第一数量统计指令对所述第一虚警错误信息和所述第一漏警错误信息进行统计,获得第一虚警错误率和第一漏警错误率;
步骤S9414:将所述第一虚警错误率和所述第一漏警错误率输入预警自检模型中,根据所述预警自检模型,获得所述第一误差系数。
具体而言,上一实施例中的误差系数的检测需要采集某一预设自检周期中的数据信息进行进一步的统计分析,其中,所述第一数据采集指令用于采集第一虚警报错误信息,所述第一虚警报错误信息是对检测气体中未发生泄露的气体进行了虚警报,所述第二数据采集指令用于采集第一漏警报错误信息,所述第一漏警报错误信息是对检测气体中已发生泄露的气体进行了遗漏,未准确进行警报对应信息,进一步的,根据所述第一数量统计指令计算其中的错误率进而完成所述第一误差系数的获得。通过对某一预设周期内的信息进行实时采集进而完成统计分析的方式,达到了提高实时预警信号获得的可靠性和高精度性,提高实时预警的技术效果。
进一步而言,本申请实施例还包括:
步骤S1110:根据第一气体属性,获得第一层级树状分类规则;
步骤S1120:根据所述第一层级树状分类规则对所述第一化学气体识别库中的气体进行分类,获得第一序列数字;
步骤S1130:根据第二气体属性生成的第二层级树状分类规则,获得第二序列数字;
步骤S1140:根据第三气体属性生成的第三层级树状分类规则,获得第三序列数字;
步骤S1150:根据所述第一序列数字、所述第二序列数字和所述第三序列数字,生成所述第一匹配编码。
具体而言,所述第一气体属性为判断是否为危险气体的属性信息,根据判断的两种结果生成对应的数字系列对应于所述第一层级树状分类规则;所述第二气体属性为判断是否具有可燃性、有毒性和腐蚀性,根据判断的三种结果生成对应的数字序列对应于所述第二层级树状分类规则;所述第三气体属性为判断是否适宜人员出入的两种结果生成对应的数字序列对应于所述第三层级树状分类规则,进而生成所述第一匹配编码达到了基于属性进行编码预设,进而完成对应气体的属性的编码并进行对应预警属性设置,从而达到以树状层级进行气体对应划分再完成编码的方式,达到了实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
进一步而言,本申请实施例还包括:
步骤S110:根据所述第一智能摄像头,对所述第一影像信息进行分析,获得第一标识指令;
步骤S120:根据所述第一标识指令,获得第一动态标识区域和第一静态标识区域;
步骤S130:根据所述第一动态标识区域和所述第一静态标识区域,生成第一实时预警影像信息;
步骤S140:将所述第一实时预警影像信息存储到第一影像调用库中。
具体而言,所述第一标识指令用于将化学气体泄露或者化学气体碰撞反应的一些危险性情况进行影像的采集并进行区域标识,其中,进行区域标识是将动态区域和静态区域进行结合的方式进行区域存储,进而生成所述第一实时预警影像信息,进一步而言,通过将化学气体进行分类连接智能摄像头情况下,能够查看发生反映和变化的实时影像,将影像进行存储当需要调阅对应影像时通过调阅指令将所述第一实时预警影像信息从所述第一影像调阅库中进行调用,从而能够基于实时存储的影响信息使得相关工作人员及时采取措施。
进一步而言,所述将所述多气体检测信息和所述多匹配预警信号输入预警精度检测模型,获得第一精度系数,本申请实施例步骤S930还包括:
步骤S931:将所述多气体检测信息和所述多匹配预警信号输入预警精度检测模型,所述预警精度检测模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述多气体检测信息和所述多匹配预警信号和标识第一输出结果的标识信息;
步骤S932:获得所述预警精度检测模型中的第一输出结果,所述第一输出结果为第一精度系数。
具体而言,将所述第一精度系数作为监督数据输入每一组训练数据中,对所述多气体检测信息和所述多匹配预警信号进行监督学***的技术效果。
综上所述,本申请实施例所提供的一种5G网络实时预警方法及***具有如下技术效果:
1、由于采用了通过智能摄像头对第一化学室中进行影像采集,进而对采集到的影响信息进行图像冻结并进行分析,进而将其中划分出的区域以气体探测器进行探测,从而获得其中的第一气体检测信息,进而根据提前对化学气体进行的树状层级划分获得的所述第一气体检测信息对应的第一匹配类别库完成对应编码的匹配,进一步而言,将对应编码中的数字序列代表的预警频率和预警响应时间属性等进行结合生成匹配的预警信号,再将生成的第一匹配预警信号发送至化学室管理***中进行预警的方式,达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
2、由于采用了通过设置层级树状分类规则,进而完成对应气体的属性的编码并进行对应预警属性设置,以树状层级进行气体对应划分再完成编码的方式,达到了实现多层级灵活预警进而提升预警个性化和准确性的技术效果。
3、由于采用了将第一虚警错误率和第一漏警错误率输入预警自检模型中进行自检,实时采集进而完成统计分析的方式,达到了提高实时预警信号获得的可靠性和高精度性,提高实时预警的技术效果。
实施例二
基于与前述实施例中一种5G网络实时预警方法同样发明构思,本发明还提供了一种5G网络实时预警***,如图2所示,所述***包括:
第一获得单元11,所述第一获得单元11用于根据第一智能摄像头,获得第一化学实验室的第一影像信息;
第二获得单元12,所述第二获得单元12用于根据所述第一影像信息,获得第一划分区域的第一气体检测信息;
第一构建单元13,所述第一构建单元13用于构建第一化学气体识别库;
第三获得单元14,所述第三获得单元14用于根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;
第四获得单元15,所述第四获得单元15用于通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;
第五获得单元16,所述第五获得单元16用于基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;
第二构建单元17,所述第二构建单元17用于构建第一实时预警信号库;
第六获得单元18,所述第六获得单元18用于基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;
第一生成单元19,所述第一生成单元19用于根据所述第一匹配预警属性,生成第一匹配预警信号;
第一发送单元20,所述第一发送单元20用于将所述第一匹配预警信号发送至化学室管理***中进行预警。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于获得多划分区域的多气体检测信息;
第八获得单元,所述第八获得单元用于获得所述多气体检测信息对应的多匹配预警信号;
第九获得单元,所述第九获得单元用于将所述多气体检测信息和所述多匹配预警信号输入预警信号检测模型,获得第一精度系数;
第一判断单元,所述第一判断单元用于判断所述第一精度系数是否处于预设精度系数阈值中;
第十获得单元,所述第十获得单元用于若所述第一精度系数处于所述预设精度系数阈值中,获得第一发送指令。
进一步的,所述***还包括:
第十一获得单元,所述第十一获得单元用于若所述第一精度系数不处于所述预设精度系数阈值中,获得第一自检指令;
第十二获得单元,所述第十二获得单元用于根据所述第一自检指令,获得所述预警信号检测模型的第一误差系数;
第二判断单元,所述第二判断单元用于判断所述第一误差系数是否处于预设误差系数阈值中;
第十三获得单元,所述第十三获得单元用于若所述第一误差系数不处于预设误差系数阈值中,获得第一气体分类阈值和第一预警属性阈值;
第三判断单元,所述第三判断单元用于判断所述第一气体分类阈值和第一预警属性阈值的第一误差相关性;
第十四获得单元,所述第十四获得单元用于根据所述第一误差相关性,获得第一调整指令。
进一步的,所述***还包括:
第十五获得单元,所述第十五获得单元用于根据第一数据采集指令,获得第一预设自检周期中的第一虚警错误信息;
第二生成单元,所述第二生成单元用于根据第二数据采集指令,获得所述第一预设自检周期中的第一漏警错误信息;
第十六获得单元,所述第十六获得单元用于根据第一数量统计指令对所述第一虚警错误信息和所述第一漏警错误信息进行统计,获得第一虚警错误率和第一漏警错误率;
第十七获得单元,所述第十七获得单元用于将所述第一虚警错误率和所述第一漏警错误率输入预警自检模型中,根据所述预警自检模型,获得所述第一误差系数。
进一步的,所述***还包括:
第十八获得单元,所述第十八获得单元用于根据第一气体属性,获得第一层级树状分类规则。
第十九获得单元,所述第十九获得单元用于根据所述第一层级树状分类规则对所述第一化学气体识别库中的气体进行分类,获得第一序列数字;
第二十获得单元,所述第二十获得单元用于根据第二气体属性生成的第二层级树状分类规则,获得第二序列数字;
第二十一获得单元,所述第二十一获得单元用于根据第三气体属性生成的第三层级树状分类规则,获得第三序列数字;
第二十二获得单元,所述第二十二获得单元用于根据所述第一筛选规则对所述第二合并颜色信息进行排序,获得第二排序颜色信息;
第二生成单元,所述第二生成单元用于根据所述第一序列数字、所述第二序列数字和所述第三序列数字,生成所述第一匹配编码。
进一步的,所述***还包括:
第二十三获得单元,所述第二十三获得单元用于根据所述第一智能摄像头,对所述第一影像信息进行分析,获得第一标识指令;
第二十四获得单元,所述第二十四获得单元用于根据所述第一标识指令,获得第一动态标识区域和第一静态标识区域;
第三生成单元,所述第三生成单元用于根据所述第一动态标识区域和所述第一静态标识区域,生成第一实时预警影像信息;
第一存储单元,所述第一存储单元用于将所述第一实时预警影像信息存储到第一影像调用库中。
进一步的,所述***还包括:
第一输入单元,所述第一输入单元用于将所述多气体检测信息和所述多匹配预警信号输入预警精度检测模型,所述预警精度检测模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述多气体检测信息和所述多匹配预警信号和标识第一输出结果的标识信息;
第二十五获得单元,所述第二十五获得单元用于获得所述预警精度检测模型中的第一输出结果,所述第一输出结果为第一精度系数。
前述图1实施例一中的一种5G网络实时预警方法的各种变化方式和具体实例同样适用于本实施例的一种5G网络实时预警***,通过前述对一种5G网络实时预警方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种5G网络实时预警***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种5G网络实时预警方法的发明构思,本发明还提供一种5G网络实时预警***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种5G网络实时预警方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种5G网络实时预警方法,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:根据第一智能摄像头,获得第一化学实验室的第一影像信息;根据所述第一影像信息,获得第一划分区域的第一气体检测信息;构建第一化学气体识别库;根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;构建第一实时预警信号库;基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;根据所述第一匹配预警属性,生成第一匹配预警信号;将所述第一匹配预警信号发送至所述化学室管理***中进行预警。解决了现有技术中预警方法不够迅速,且预警响应具有一定延时性的技术问题,达到了通过基于5G网络的特性实现多层级灵活预警,进而提升预警的实时性、智能性的技术效果。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种5G网络实时预警方法,所述方法应用于化学实验室管理***,所述***与一智能摄像头通信连接,所述方法包括:
根据第一智能摄像头,获得第一化学实验室的第一影像信息;
根据所述第一影像信息,获得第一划分区域的第一气体检测信息;
构建第一化学气体识别库;
根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;
通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;
基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;
构建第一实时预警信号库;
基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;
根据所述第一匹配预警属性,生成第一匹配预警信号;
将所述第一匹配预警信号发送至所述化学室管理***中进行预警。
2.如权利要求1所述的方法,所述根据所述第一匹配预警属性,生成第一匹配预警信号之后,所述方法还包括:
获得多划分区域的多气体检测信息;
获得所述多气体检测信息对应的多匹配预警信号;
将所述多气体检测信息和所述多匹配预警信号输入预警信号检测模型,获得第一精度系数;
判断所述第一精度系数是否处于预设精度系数阈值中;
若所述第一精度系数处于所述预设精度系数阈值中,获得第一发送指令。
3.如权利要求2所述的方法,所述方法还包括:
若所述第一精度系数不处于所述预设精度系数阈值中,获得第一自检指令;
根据所述第一自检指令,获得所述预警信号检测模型的第一误差系数;
判断所述第一误差系数是否处于预设误差系数阈值中;
若所述第一误差系数不处于预设误差系数阈值中,获得第一气体分类阈值和第一预警属性阈值;
判断所述第一气体分类阈值和第一预警属性阈值的第一误差相关性;
根据所述第一误差相关性,获得第一调整指令。
4.如权利要求3所述的方法,所述若所述第一精度系数不处于所述预设精度系数阈值中,获得第一自检指令之后,所述方法还包括:
根据第一数据采集指令,获得第一预设自检周期中的第一虚警错误信息;
根据第二数据采集指令,获得所述第一预设自检周期中的第一漏警错误信息;
根据第一数量统计指令对所述第一虚警错误信息和所述第一漏警错误信息进行统计,获得第一虚警错误率和第一漏警错误率;
将所述第一虚警错误率和所述第一漏警错误率输入预警自检模型中,根据所述预警自检模型,获得所述第一误差系数。
5.如权利要求1所述的方法,所述方法还包括:
根据第一气体属性,获得第一层级树状分类规则;
根据所述第一层级树状分类规则对所述第一化学气体识别库中的气体进行分类,获得第一序列数字;
根据第二气体属性生成的第二层级树状分类规则,获得第二序列数字;
根据第三气体属性生成的第三层级树状分类规则,获得第三序列数字;
根据所述第一序列数字、所述第二序列数字和所述第三序列数字,生成所述第一匹配编码。
6.如权利要求1所述的方法,所述方法还包括:
根据所述第一智能摄像头,对所述第一影像信息进行分析,获得第一标识指令;
根据所述第一标识指令,获得第一动态标识区域和第一静态标识区域;
根据所述第一动态标识区域和所述第一静态标识区域,生成第一实时预警影像信息;
将所述第一实时预警影像信息存储到第一影像调用库中。
7.如权利要求2所述的方法,所述将所述多气体检测信息和所述多匹配预警信号输入预警精度检测模型,获得第一精度系数,所述方法还包括:
将所述多气体检测信息和所述多匹配预警信号输入预警精度检测模型,所述预警精度检测模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述多气体检测信息和所述多匹配预警信号和标识第一输出结果的标识信息;
获得所述预警精度检测模型中的第一输出结果,所述第一输出结果为第一精度系数。
8.一种5G网络实时预警***,其中,所述***包括:
第一获得单元,所述第一获得单元用于根据第一智能摄像头,获得第一化学实验室的第一影像信息;
第二获得单元,所述第二获得单元用于根据所述第一影像信息,获得第一划分区域的第一气体检测信息;
第一构建单元,所述第一构建单元用于构建第一化学气体识别库;
第三获得单元,所述第三获得单元用于根据多属性信息对所述第一化学气体识别库中的气体进行分类,获得多类别气体识别库;
第四获得单元,所述第四获得单元用于通过对所述第一气体检测信息与所述多类别气体识别库进行匹配,获得第一匹配类别库;
第五获得单元,所述第五获得单元用于基于所述第一匹配类别库获得第一匹配编码,其中,所述第一匹配编码为所述第一匹配类别库对应的编码;
第二构建单元,所述第二构建单元用于构建第一实时预警信号库;
第六获得单元,所述第六获得单元用于基于所述第一实时预警信号库,获得所述第一匹配编码的第一匹配预警属性;
第一生成单元,所述第一生成单元用于根据所述第一匹配预警属性,生成第一匹配预警信号;
第一发送单元,所述第一发送单元用于将所述第一匹配预警信号发送至化学室管理***中进行预警。
9.一种5G网络实时预警***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110916963.6A CN113554850A (zh) | 2021-08-11 | 2021-08-11 | 一种5g网络实时预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110916963.6A CN113554850A (zh) | 2021-08-11 | 2021-08-11 | 一种5g网络实时预警方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554850A true CN113554850A (zh) | 2021-10-26 |
Family
ID=78133802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110916963.6A Withdrawn CN113554850A (zh) | 2021-08-11 | 2021-08-11 | 一种5g网络实时预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554850A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117082543A (zh) * | 2023-09-11 | 2023-11-17 | 北京市大唐盛兴科技发展有限公司 | 一种便携式无线信号传输检测装置 |
-
2021
- 2021-08-11 CN CN202110916963.6A patent/CN113554850A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117082543A (zh) * | 2023-09-11 | 2023-11-17 | 北京市大唐盛兴科技发展有限公司 | 一种便携式无线信号传输检测装置 |
CN117082543B (zh) * | 2023-09-11 | 2024-04-19 | 北京市大唐盛兴科技发展有限公司 | 一种便携式无线信号传输检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100461044C (zh) | 一种丙烯聚合生产中熔融指数检测的故障诊断***及方法 | |
CN113344134B (zh) | 一种低压配电监控终端数据采集异常检测方法及*** | |
CN108257365B (zh) | 一种基于全局不确定性证据动态融合的工业报警器设计方法 | |
CN115077627B (zh) | 一种多融合环境数据监管方法及监管*** | |
CN112836719B (zh) | 一种融合二分类和三元组的示功图相似性检测方法 | |
CN112734977B (zh) | 一种基于物联网的设备风险预警***及算法 | |
CN113554850A (zh) | 一种5g网络实时预警方法及*** | |
CN117195135A (zh) | 一种水污染异常溯源检测方法及*** | |
CN111191855A (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
CN116337135A (zh) | 一种仪表故障诊断方法、***、电子设备及可读存储介质 | |
CN110866558A (zh) | 一种基于多源数据融合分析的旋转设备状态预警方法 | |
CN108050397B (zh) | 基于光纤多源信号的分层序贯比管道泄漏监控方法及*** | |
CN112750272B (zh) | 一种消防报警器的智能控制方法及*** | |
CN117115637A (zh) | 一种基于大数据技术的水质监测预警方法及*** | |
CN105722129A (zh) | 一种基于fsax-markov模型的无线传感网事件检测方法及*** | |
CN111121946B (zh) | 大动态范围大离散单区域多点精准确定异常值的方法 | |
Candy et al. | Receiver operating characteristic (roc) curves: An analysis tool for detection performance | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及*** | |
CN109685458A (zh) | 一种用于环境监测仪器的质量控制方法和装置 | |
Barontini et al. | Application of a bio-inspired anomaly detection algorithm for unsupervised SHM of a historic masonry church | |
CN117191172B (zh) | 一种天平称量罩的质量检测和饱和预警的方法及装置 | |
CN113762981B (zh) | 一种基于指数分布的产品可信度计算方法 | |
CN117740082B (zh) | 一种电力设备故障风险预警方法及*** | |
CN113705547B (zh) | 环境弄虚作假行为识别动态管控方法、装置 | |
RU2764873C1 (ru) | Способ обнаружения аномалий в инфокоммуникационных системах |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211026 |
|
WW01 | Invention patent application withdrawn after publication |