CN115311811B - 基于物联网的电气火灾远程报警处理方法及装置 - Google Patents

基于物联网的电气火灾远程报警处理方法及装置 Download PDF

Info

Publication number
CN115311811B
CN115311811B CN202211237719.8A CN202211237719A CN115311811B CN 115311811 B CN115311811 B CN 115311811B CN 202211237719 A CN202211237719 A CN 202211237719A CN 115311811 B CN115311811 B CN 115311811B
Authority
CN
China
Prior art keywords
value
pixel
preset
image
pixel points
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.)
Active
Application number
CN202211237719.8A
Other languages
English (en)
Other versions
CN115311811A (zh
Inventor
仲崇涛
陈礼贵
王睿
周健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Anshilang Intelligent Technology Co ltd
Original Assignee
Jiangsu Anshilang Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Anshilang Intelligent Technology Co ltd filed Critical Jiangsu Anshilang Intelligent Technology Co ltd
Priority to CN202211237719.8A priority Critical patent/CN115311811B/zh
Publication of CN115311811A publication Critical patent/CN115311811A/zh
Application granted granted Critical
Publication of CN115311811B publication Critical patent/CN115311811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于物联网的电气火灾远程报警处理方法及装置，根据像素点相同数量和像素点不同数量得到图像差异度；若图像差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于采集时刻提取红外图像中各变电设备所在区域的区域图像；对图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个像素值变化趋势得到各图像集合对应的趋势变化差值；根据环境信息、使用时长和目标像素点总数量的平均值对预设趋势阈值进行调整得到当前趋势阈值；若趋势变化差值大于当前趋势阈值，则将图像集合所对应的变电设备作为预警变电设备，将预警变电设备发送至火灾处理端。

Description

基于物联网的电气火灾远程报警处理方法及装置
技术领域
本发明涉及数据处理技术，尤其涉及一种基于物联网的电气火灾远程报警处理方法及装置。
背景技术
电气火灾是指由电能充当火源而引起的火灾，容易演变成重特大火灾事故，扑救时存在触电和***危险，相对其他火灾危害性更大。尤其在变电站这种具有大量变电设备的场所，一旦发生了电气火灾，后果将不堪设想。
现有技术中，通常会使用红外热成像仪来检测是否发生电气火灾，由于红外热成像仪是反映物体表面温度而成像的设备，因此可以作为有效的火警探测设备。但是对于一些正常工作时便会持续产生热量的变电设备来讲，使用该种方式很难检测出其是否发生火灾，因此如何利用红外热成像仪及时感知探测变电设备的火灾发生情况，是目前亟需解决的问题。
发明内容
本发明实施例提供一种基于物联网的电气火灾远程报警处理方法，可以利用红外热成像仪及时感知变电设备的火灾发生情况。
本发明实施例的第一方面，提供一种基于物联网的电气火灾远程报警处理方法，包括：
获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度；
若所述图像差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合；
对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值变化趋势得到各所述图像集合对应的趋势变化差值；
采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值；
若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
可选地，在第一方面的一种可能实现方式中，获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度，包括:
对所述第一红外图像和所述第二红外图像进行坐标化处理得到每个像素点的坐标值；
获取所述第一红外图像和所述第二红外图像中像素点的坐标生成第一坐标集合和第二坐标集合；
计算第一坐标集合和第二坐标集合中位于中心坐标的像素点的像素值和位于预设范围外的像素点的像素值的差值；
基于第一坐标集合和第二坐标集合中各像素点对应的差值的比值得到第一坐标集合和第二坐标集合中像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度。
可选地，在第一方面的一种可能实现方式中，基于第一坐标集合和第二坐标集合中各像素点对应的差值的比值得到第一坐标集合和第二坐标集合中像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度，包括：
采集所述第一坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第一差值，以及第二坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第二差值；
获取所述第一坐标集合和所述第二坐标集合中位于相同坐标的像素点对应的第一差值和第二差值，基于所述第一差值和所述第二差值得到所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点对应的差值比；
若所述差值比小于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为相同像素点，若所述差值比大于等于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为不同像素点；
统计所述相同像素点的数量得到像素点相同数量，统计所述不同像素点的数量得到像素点不同数量，根据像素点相同数量和像素点不同数量的和得到像素点总数量，基于像素点相同数量和像素点总数量的比值得到图像差异度。
可选地，在第一方面的一种可能实现方式中，通过以下步骤构建预设范围：
以所述第一坐标集合和所述第二坐标集合中位于中心坐标的像素点为圆心，预设半径为半径生成预设范围；
获取所述第一坐标集合和所述第二坐标集合中所有像素点的像素数量，基于所述像素数量对所述预设范围进行调整得到调整范围；
通过以下公式计算调整范围所对应的调整半径的像素点的数量，
Figure 9790DEST_PATH_IMAGE001
其中，
Figure 936157DEST_PATH_IMAGE002
为调整范围所对应的调整半径的像素点的数量，
Figure 16109DEST_PATH_IMAGE003
为所有像素点的像素 数量，
Figure 635309DEST_PATH_IMAGE004
为预设像素数量，
Figure 433501DEST_PATH_IMAGE005
为调整范围的权重值，
Figure 163559DEST_PATH_IMAGE006
为预设半径所对应的像素点的数量。
可选地，在第一方面的一种可能实现方式中，根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合，包括：
根据所述当前时刻和预设采集时长确定第一采集时刻和第二采集时刻，基于所述第一采集时刻和第二采集时刻提取红外图像中各变电设备所在区域的区域图像；
基于所述预设采集时长和两个所述区域图像的像素值进行计算，得到像素值变化趋势；
根据所述像素值变化趋势和预设像素值变化趋势得到时长偏移系数，基于所述时长偏移系数对预设采集时长进行调整，得到当前采集时长；
根据所述第二采集时刻和所述当前采集时长确定下一采集时刻，并将所述第一采集时刻删除，将第二采集时刻更新为第一采集时刻，将所述下一采集时刻确定为第二采集时刻；
重复执行以上步骤，并在满足预设要求后停止执行。
可选地，在第一方面的一种可能实现方式中，根据所述像素值变化趋势和预设像素值变化趋势得到时长偏移系数，基于所述时长偏移系数对预设采集时长进行调整，得到当前采集时长，包括：
根据所述时长偏移系数对所述预设采集时长进行调整得到调整后的调整采集时长，基于所述预设采集时长和所述调整采集时长的差值得到当前采集时长；
通过以下公式计算当前采集时长，
Figure 98017DEST_PATH_IMAGE007
其中，
Figure 622540DEST_PATH_IMAGE008
为当前采集时长，
Figure 908027DEST_PATH_IMAGE009
为预设采集时长，
Figure 176198DEST_PATH_IMAGE010
为像素值变化趋势，
Figure 230741DEST_PATH_IMAGE011
为预设像素值变化趋势，
Figure 191744DEST_PATH_IMAGE012
为时长偏移系数，
Figure 698949DEST_PATH_IMAGE013
为调整采集时长的权重值。
可选地，在第一方面的一种可能实现方式中，对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值变化趋势得到各所述图像集合对应的趋势变化差值，包括：
获取各所述区域图像中目标像素点的目标像素值，根据所有目标像素值的平均值得到各所述区域图像对应的像素值；
获取相邻区域图像之间采集时长，基于所述采集时长对图像集合中相邻区域图像之间的前一区域图像和后一区域图像的像素值进行计算，得到多个像素值变化趋势；
确定相邻所述像素值变化趋势中的前一像素值变化趋势和后一像素值变化趋势，根据所述后一像素值变化趋势和前一像素值变化趋势的差值得到多个趋势变化差值；
通过以下公式计算趋势变化差值，
Figure 770810DEST_PATH_IMAGE014
其中，
Figure 945440DEST_PATH_IMAGE015
为趋势变化差值，
Figure 811764DEST_PATH_IMAGE016
为第
Figure 71844DEST_PATH_IMAGE017
个像素值变化趋势，
Figure 478555DEST_PATH_IMAGE018
为第
Figure 507691DEST_PATH_IMAGE019
个像素值 变化趋势，
Figure 544917DEST_PATH_IMAGE020
为第
Figure 292293DEST_PATH_IMAGE021
个像素值变化趋势，
Figure 705957DEST_PATH_IMAGE022
为第
Figure 324020DEST_PATH_IMAGE023
个前一区域图像中目标像素点的目标像 素值，
Figure 797727DEST_PATH_IMAGE024
为前一区域图像中目标像素点的总数量，
Figure 32399DEST_PATH_IMAGE025
为前一区域图像中目标像素点的数 量值，
Figure 984174DEST_PATH_IMAGE026
为前一区域图像对应的像素平均值，
Figure 722323DEST_PATH_IMAGE027
为第
Figure 101352DEST_PATH_IMAGE023
个后一区域图像中目标像素点 的目标像素值，
Figure 823320DEST_PATH_IMAGE028
为后一区域图像中目标像素点的总数量，
Figure 578787DEST_PATH_IMAGE029
为后一区域图像中目标像素 点的数量值，
Figure 437021DEST_PATH_IMAGE030
为后一区域图像对应的像素平均值，
Figure 801267DEST_PATH_IMAGE031
为第
Figure 948215DEST_PATH_IMAGE023
个相邻区域图像之间采 集时长，
Figure 241793DEST_PATH_IMAGE032
为趋势计算权重值。
可选地，在第一方面的一种可能实现方式中，采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值，包括：
根据温度采集装置获取所述环境信息对应的环境温度值，根据所述环境温度值和预设温度值进行计算，得到温度偏移系数；
获取每个变电设备对应的预设使用寿命，根据预设使用寿命和当前使用时长进行计算，生成使用寿命偏移值；
采集图像集合中所有区域图像的目标像素点的总数量，基于目标像素点总数量的平均值和预设像素点数量进行计算，得到数量偏移值；
根据所述温度偏移系数、所述使用寿命偏移值和所述数量偏移值对预设趋势阈值进行调整得到调整后的当前趋势阈值；
通过以下公式计算当前趋势阈值，
Figure 954534DEST_PATH_IMAGE033
其中，
Figure 940945DEST_PATH_IMAGE034
为当前趋势阈值，
Figure 168664DEST_PATH_IMAGE035
为环境温度值，
Figure 469195DEST_PATH_IMAGE036
为预设温度值，
Figure 833180DEST_PATH_IMAGE037
为预设使用寿 命，
Figure 990492DEST_PATH_IMAGE038
为当前使用时长，
Figure 908769DEST_PATH_IMAGE039
为目标像素点总数量的平均值，
Figure 544150DEST_PATH_IMAGE040
为预设像素点数量，
Figure 231483DEST_PATH_IMAGE041
为预 设趋势阈值，
Figure 762959DEST_PATH_IMAGE042
为当前趋势阈值的权重值。
可选地，在第一方面的一种可能实现方式中，若接收到工作人员通过输入设备输入的修正信息，所述修正信息包括未发生火灾报警的修正信息以及发生火灾未报警的修正信息；
若修正信息为未发生火灾报警的修正信息，则计算当前趋势阈值和预设调高修正值的调高值，基于所述调高值对当前趋势阈值的权重值进行修正得到修正权重值；
若修正信息为发生火灾未报警的修正信息，则计算当前趋势阈值和预设调低修正值的调低值，基于所述调低值对当前趋势阈值的权重值进行修正得到修正权重值；
通过以下公式计算修正权重值，
Figure 902953DEST_PATH_IMAGE043
其中，
Figure 607604DEST_PATH_IMAGE044
为修正权重值，
Figure 149444DEST_PATH_IMAGE045
为预设调高修正值，
Figure 648558DEST_PATH_IMAGE046
为增加修正权重，
Figure 72586DEST_PATH_IMAGE047
为减小修 正权重值，
Figure 49770DEST_PATH_IMAGE048
为预设调低修正值。
本发明实施例的第二方面，提供一种基于物联网的电气火灾远程报警处理装置，
可选地，在第二方面的一种可能实现方式中，包括：
差异模块，用于获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度；
图像模块，用于若所述差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合；
差值模块，用于对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值趋势得到各所述图像集合对应的趋势变化差值；
阈值模块，用于采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值；
预警模块，用于若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
本发明的有益效果如下：
1、本发明首先通过各变电设备所对应的红外图像在不同时刻的像素值得到其像素值变化趋势，再通过相邻像素值变化趋势得到趋势变化差值，根据趋势变化差值和预设好的阈值进行比较来判断是否发生火灾。相较于现有技术，通过该种方式可以使红外设备监测变电设备的火灾发生情况更加准确。此外，本方案还利用一些容易影响预设阈值的因素来对预设阈值进行调整，例如环境因素、使用时长等，并且在事后也会对其进行进一步的调整，确保其更加准确。相较于现有技术，通过该种方式可以动态调整预设阈值，使预设阈值更加符合本发明的实际应用场景。
2、本发明通过将变电房不同时刻的红外图像进行坐标化处理，并对不同时刻对应的红外图像中处于预设范围外坐标的像素点和中心坐标的像素点的像素值进行差值计算，来得到不同时刻的红外图像所对应的差异值，通过差异值来判断变电设备不同时刻的红外图像是否发生变化。通过该种方式，可以判断出不同时刻的变电房的情况是否发生变化，从而可以进一步确定其是否会发生火灾，并且通过差值计算差异值还可以减少误差，使计算结果更加符合场景。
3、本发明首先通过各变电设备所对应的红外图像在相邻时刻的像素值的差值与其对应时长的比值得到像素值变化趋势，再通过相邻像素值变化趋势的差值得到趋势变化差值。通过该种方式，可以获取到变电设备在一定时间内红外图像的变化情况，通过其变化情况可以确定变电设备运行是否异常。此外，本方案还通过像素值变化趋势对预设采集时长进行调整，使其可以在像素值变化趋势较大时，及时获取到变电设备的变化情况，可以预防因采集时间不当而导致的情况恶化。
4、本发明通过变电设备对应的环境信息、当前使用时长，以及所述图像集合中目标像素点总数量的平均值，来对预设阈值进行调整，并且在事后预警发生误差时还会对其进行进一步调整。通过该种方式，可以对预设阈值进行一个动态调整，使其更加符合本发明的实际应用场景。
附图说明
图1为本发明实施例提供的一种基于物联网的电气火灾远程报警处理方法示意图；
图2为本发明实施例提供的一种基于物联网的电气火灾远程报警处理方法示意图；
图3为本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例提供的一种基于物联网的电气火灾远程报警处理方法示意图，图1所示方法的执行主体可以是软件和/或硬件装置。本申请的执行主体可以包括但不限于以下中的至少一个：用户设备、网络设备等。其中，用户设备可以包括但不限于计算机、智能手机、个人数字助理（Personal Digital Assistant，简称：PDA）及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。该基于物联网的电气火灾远程报警处理方法包括步骤S1至步骤S5，具体如下：
S1，获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度。
其中，第一时间点为获取红外图像的第一个时间点，第一红外图像为变电房在第一时间点对应的红外图像，第二时间点为经过预设时长之后获取红外图像的第二个时间点，第二红外图像为变电房在第二时间点对应的红外图像。
例如，若第一时间点为十点整，预设时长为10分钟，则第二时间点为十点过十分。
像素点相同数量为第一红外图像和第二红外图像中划分为像素值相同的像素点的数量，像素点不同数量为第一红外图像和第二红外图像中划分为像素值不同的像素点的数量，图像差异度为第一红外图像和第二红外图像的图像差异度。
在一些实施例中，上述图像差异度可以通过步骤S11至步骤S14获得，具体如下：
S11，对所述第一红外图像和所述第二红外图像进行坐标化处理得到每个像素点的坐标值。
需要说明的是，第一红外图像和第二红外图像是以同一坐标原点进行坐标化处理的，例如都是以中心点为坐标原点进行坐标化处理。
S12，获取所述第一红外图像和所述第二红外图像中像素点的坐标生成第一坐标集合和第二坐标集合。
其中，第一坐标集合为第一红外图像经过坐标化处理之后所有像素点的坐标组成的集合，第二坐标集合为第二红外图像经过坐标化处理之后所有像素点的坐标组成的集合。
S13，计算第一坐标集合和第二坐标集合中位于中心坐标的像素点的像素值和位于预设范围外的像素点的像素值的差值。
S14，基于第一坐标集合和第二坐标集合中各像素点对应的差值的比值得到第一坐标集合和第二坐标集合中像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度。
可以理解的是，由于光线等因素的影响，不同时间点获取的红外图像很少会完全一样。由此可知，其位于同一坐标的像素点的像素值也有可能会发生一些偏差，因此为了减少误差，本方案在判断相同像素点和不同像素点的时候是根据预设范围外的各坐标的像素点和中心坐标的像素点的像素值的差值来进行判断。
具体的，可以通过步骤S141至步骤S144来获取到相同的像素点和不同的像素点的数量以及得到图像差异度。
S141，采集所述第一坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第一差值，以及第二坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第二差值。
其中，第一差值为第一坐标集合中位于中心坐标的像素点的像素值和位于预设范围外各坐标的像素点的像素值的差值，第二差值为第二坐标集合中位于中心坐标的像素点的像素值和位于预设范围外各坐标的像素点的像素值的差值。
在一些实施例中，通过以下步骤构建预设范围：
以所述第一坐标集合和所述第二坐标集合中位于中心坐标的像素点为圆心，预设半径为半径生成预设范围。
在实际应用中，预设半径可以由工作人员根据实际情况预先进行设置。
可以理解的是，为了减少位于同一坐标的像素点的像素值由于光线等因素的影响而造成的误差，本方案选择将各预设范围外的像素点的像素值与中心坐标的像素点的像素值的差值进行判断，从而确定其是否为相同像素点。其次，中心坐标的像素点的像素值与其周围坐标的像素点的像素值会十分相似，因此本方案在计算各坐标的像素点的像素值时将预设范围内的像素点排除在外是为了减小误差。
获取所述第一坐标集合和所述第二坐标集合中所有像素点的像素数量，基于所述像素数量对所述预设范围进行调整得到调整范围。本发明会结合第一红外图像和所述第二红外图像内像素点的总数量来对预设范围进行调整，得到相对应的调整范围，如果总数量越大，则相对应的调整范围越大，通过该种方式，使得本发明能够在图像较大时自动对预设范围进行放大处理，在图像较小时自动对预设范围进行缩小处理，得到一个相对适宜的调整范围。
通过以下公式计算调整范围所对应的调整半径的像素点的数量，
Figure 914957DEST_PATH_IMAGE001
其中，
Figure 584973DEST_PATH_IMAGE002
为调整范围所对应的调整半径的像素点的数量，
Figure 699560DEST_PATH_IMAGE003
为所有像素点的像素 数量，
Figure 480434DEST_PATH_IMAGE004
为预设像素数量，
Figure 996866DEST_PATH_IMAGE005
为调整范围的权重值，
Figure 837783DEST_PATH_IMAGE006
为预设半径所对应的像素点的数量。
从上述公式中可以看出，所有像素点的像素数量
Figure 439666DEST_PATH_IMAGE003
和调整范围所对应的调整半 径的像素点的数量
Figure 820968DEST_PATH_IMAGE049
成正比关系，所有像素点的像素数量
Figure 191907DEST_PATH_IMAGE003
越大，调整范围所对应的调整 半径的像素点的数量
Figure 203725DEST_PATH_IMAGE002
也会越大，因为所有像素点的像素数量
Figure 27325DEST_PATH_IMAGE003
的数值越大，则相对应的 图像越大，因此调整范围也会越大。使得后续所计算的差值相对更加的准确。
S142，获取所述第一坐标集合和所述第二坐标集合中位于相同坐标的像素点对应的第一差值和第二差值，基于所述第一差值和所述第二差值得到所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点对应的差值比。
其中，差值比为第一坐标集合和第二坐标集合中位于同一坐标的像素点所对应的第一差值和第二差值的比值。
在一些实施例中，上述差值比可以通过以下公式计算得到：
Figure 415581DEST_PATH_IMAGE050
其中，
Figure 646885DEST_PATH_IMAGE051
为差值比，
Figure 829605DEST_PATH_IMAGE052
为第一坐标集合中位于中心坐标的像素点的像素值，
Figure 406080DEST_PATH_IMAGE053
为 第一坐标集合中位于预设范围外坐标的像素点的像素值，
Figure 332447DEST_PATH_IMAGE054
为第二坐标集合中位于中心坐 标的像素点的像素值，
Figure 412399DEST_PATH_IMAGE055
为第二坐标集合中位于预设范围外坐标的像素点的像素值，
Figure 31599DEST_PATH_IMAGE056
为 差值比的权重值。
上述差值比越大，说明第一坐标集合和第二坐标集合中位于同一坐标的像素点的像素值就差的越大，基于此，便可以将第一坐标集合和第二坐标集合中位于同一坐标的像素点划分为相同的像素点或者不同的像素点。
S143，若所述差值比小于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为相同像素点，若所述差值比大于等于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为不同像素点。
其中，相同像素点为第一坐标集合和第二坐标集合中判断为像素值相同的像素点，不同像素点为第一坐标集合和第二坐标集合中判断为像素值不相同的像素点。
可以理解的是，若差值比小于预设差值比，则说明第一坐标集合和第二坐标集合中位于同一坐标的像素点的像素值相似度符合预设要求，可以将其判断为相同像素点；若差值比对大于等于预设差值比，则说明第一坐标集合和第二坐标集合中位于同一坐标的像素点的像素值相似度不符合预设要求，可以将其判断为不同像素点。
S144，统计所述相同像素点的数量得到像素点相同数量，统计所述不同像素点的数量得到像素点不同数量，根据像素点相同数量和像素点不同数量的和得到像素点总数量，基于像素点相同数量和像素点总数量的比值得到图像差异度。
具体的，在获取到所有相同像素点和所有不同像素点之后，便可以对其进行统计得到像素点相同数量和像素点不同数量。对像素点相同数量和像素点不同数量进行求和之后，再根据像素点相同数量和像素点总数量的比值便可以得到图像差异度。
图像差异度的比值越高则说明两个图像越相似，说明此时变电房是没有发生异常的；反之，图像差异度的比值越低则说明两个图像越不相似，说明此时变电房很有可能已经发生异常。
通过上述方式得到的图像差异度，可以实时判断出变电房的情况是否发生异常，以便于工作人员及时发现问题。
S2，若所述图像差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合。
其中，采集时刻为采集各变电设备所在区域的区域图像的时刻，图像集合为各变电设备在多个采集时刻采集的区域图像所组成的集合。
在一些实施例中，上述区域图像可以由以下方式获得:
首先可以在红外摄像头采集区域内由人工预先设置与各变电设备对应的区域提取框，接着由各变电设备对应的区域提取框确定各变电设备所对应的区域图像。
一般来说，变电设备的位置是不会发生变化的，因此可以利用人工预先设置好各变电设备对应的区域提取框来采集其对应的区域图像。
此外，当变电设备的位置发生变化时，相应的区域提取框也可以随之发生改变。
可以理解的是，若图像差异度大于预设差异度，则说明变电房所在的区域内可能有变电设备发生了异常，此时可以通过采集不同时刻的变电设备所对应的区域图像来确定是哪一个变电设备发生了异常。
在一些实施例中，上述区域图像以及图像集合可以通过下列步骤S21至步骤S25获得。
S21，根据所述当前时刻和预设采集时长确定第一采集时刻和第二采集时刻，基于所述第一采集时刻和第二采集时刻提取红外图像中各变电设备所在区域的区域图像。
其中，第一采集时刻为前一个采集各变电设备所对应的区域图像的时刻，第二采集时刻为后一个采集各变电设备所对应的区域图像的时刻。
例如，若当前时刻为十点整，预设采集时长为1分钟，则上述第一采集时刻便为当前时刻即十点整，上述第二采集时刻便为十点零一分。
具体的，在获取到第一采集时刻和第二采集时刻之后便可以在第一采集时刻和第二采集时刻分别提取其对应的区域图像。
S22，基于所述预设采集时长和两个所述区域图像的像素值进行计算，得到像素值变化趋势。
其中，像素值变化趋势为两个相邻的区域图像之间像素值的变化趋势。
在一些实施例中，像素值变化趋势可以通过两个区域图像所对应的像素值的差值与预设采集时长的比值计算得到。
S23，根据所述像素值变化趋势和预设像素值变化趋势得到时长偏移系数，基于所述时长偏移系数对预设采集时长进行调整，得到当前采集时长。
其中，时长偏移系数为像素值变化趋势和预设像素值变化趋势的比值，当前采集时长为预设采集时长经过调整后的采集时长。
可以理解的是，由于预设采集时长是预先进行设置的，因此它是不会发生变化的，但是实际发生火灾时变电设备的火苗蹿升速度是十分迅速的，很可能会导致预设采集时长之后火势迅速延展的情况发生，因此可以对预设采集时长进行动态调整来及时的提醒工作人员火灾的发生情况。
在一些实施例中，上述当前采集时长可以通过以下步骤得到：
根据所述时长偏移系数对所述预设采集时长进行调整得到调整后的调整采集时长，基于所述预设采集时长和所述调整采集时长的差值得到当前采集时长。
通过以下公式计算当前采集时长，
Figure 829791DEST_PATH_IMAGE007
其中，
Figure 294270DEST_PATH_IMAGE008
为当前采集时长，
Figure 494307DEST_PATH_IMAGE009
为预设采集时长，
Figure 487671DEST_PATH_IMAGE010
为像素值变化趋势，
Figure 507580DEST_PATH_IMAGE011
为预设像素值变化趋势，
Figure 41329DEST_PATH_IMAGE057
为时长偏移系数，
Figure 95873DEST_PATH_IMAGE013
为调整采集时长的权重值。
上述公式的具体构思为：
当像素值变化趋势
Figure 791296DEST_PATH_IMAGE010
越大时，说明两个区域图像的像素值差异越大，此时很有可 能是发生了火灾导致两个区域图像的像素值差异变大，此时相应的当前采集时长
Figure 564080DEST_PATH_IMAGE008
也可 以相应的缩短，以便于能够及时的采集到下一时刻的区域图像，通过多张区域图像之间的 像素值变化趋势来进一步确定是否发生了火灾。
当像素值变化趋势
Figure 635942DEST_PATH_IMAGE010
越小时，说明两个区域图像的像素值差异越小，或者后一个 区域图像的像素值小于前一个区域图像的像素值，此时发生火灾的概率很小，因此可以当 前采集时长
Figure 544992DEST_PATH_IMAGE008
相应的设置的长一些，以保证对变电设备的监测。
在实际应用中，预设像素值变化趋势
Figure 676896DEST_PATH_IMAGE011
和预设采集时长
Figure 671397DEST_PATH_IMAGE009
可以相对应的进行 设置。调整采集时长的权重值
Figure 546949DEST_PATH_IMAGE013
可以根据实际情况设置，当前采集时长
Figure 841664DEST_PATH_IMAGE008
过小时，可以 通过调整采集时长的权重值
Figure 878890DEST_PATH_IMAGE013
对其进行增大处理，当前采集时长
Figure 626266DEST_PATH_IMAGE008
过大时，可以通过调 整采集时长的权重值
Figure 774351DEST_PATH_IMAGE058
对其进行减小处理。
S24，根据所述第二采集时刻和所述当前采集时长确定下一采集时刻，并将所述第一采集时刻删除，将第二采集时刻更新为第一采集时刻，将所述下一采集时刻确定为第二采集时刻。
S25，重复执行以上步骤，并在满足预设要求后停止执行。
具体的，将第二采集时刻加上当前采集时长后便可以得到第二采集时刻之后的下一个采集时刻，此时可以将原来的第二采集时刻更新为第一采集时刻，将原来的第一采集时刻删除，将下一个采集时刻更新为第二采集时刻再重复上述步骤，实现对区域图像的采集。
在实际应用中，预设要求可以是在获取到预设数量的区域图像之后停止执行上述步骤，预设数量可以由工作人员根据实际情况预先进行设置。
在获取到各个时刻的区域图像后，便可以根据所有的区域图像生成各变电设备对应的图像集合。
通过上述方式获得的区域图像和图像集合，以及对预设采集时长进行调整得到的当前采集时长，可以及时的对各变电设备对应的区域图像进行采集，以便于工作人员能够及时的发现变电设备是否发生火灾。
S3，对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值变化趋势得到各所述图像集合对应的趋势变化差值。
其中，趋势变化差值为相邻两个像素值变化趋势的差值。
在一些实施例中，上述趋势变化差值可以通过步骤S31至步骤S33获得。
S31，获取各所述区域图像中目标像素点的目标像素值，根据所有目标像素值的平均值得到各所述区域图像对应的像素值。
在实际应用中，工作人员可以预先设置一个像素值范围，将落入像素值范围的像素点作为上述目标像素点，将目标像素点对应的像素值作为上述目标像素值。其中，像素值范围是例如是红色所对应的像素值范围，本方案通过像素值范围可以提取发热区域所对应的像素点。
可以理解的是，发生火灾时变电设备的温度会上升，而正常工作时持续产生热量的变电设备温度也会很高，因此为了区分正常工作时持续产生热量的变电设备是否发生火灾，可以通过对目标像素点的像素值进行判断，这是由于工作时持续产生热量的变电设备若发生持续升温，其对应的目标像素点和目标像素值也会相应增加。
S32，获取相邻区域图像之间采集时长，基于所述采集时长对图像集合中相邻区域图像之间的前一区域图像和后一区域图像的像素值进行计算，得到多个像素值变化趋势。
需要说明的是，相邻区域图像之间采集时长可能是预设采集时长，也有可能是当前采集时长。若相邻的区域图像为第一组相邻的区域图像，即采集的第一张区域图像和采集的第二张区域图像，采集时长便为预设采集时长，若相邻的区域图像不为第一组相邻的区域图像，采集时长便为当前采集时长。
S33，确定相邻所述像素值变化趋势中的前一像素值变化趋势和后一像素值变化趋势，根据所述后一像素值变化趋势和前一像素值变化趋势的差值得到多个趋势变化差值。
通过以下公式计算趋势变化差值，
Figure 923572DEST_PATH_IMAGE059
其中，
Figure 131700DEST_PATH_IMAGE015
为趋势变化差值，
Figure 631951DEST_PATH_IMAGE016
为第
Figure 849306DEST_PATH_IMAGE023
个像素值变化趋势，
Figure 587455DEST_PATH_IMAGE018
为第
Figure 232063DEST_PATH_IMAGE019
个像素值 变化趋势，
Figure 891714DEST_PATH_IMAGE060
为第
Figure 647181DEST_PATH_IMAGE021
个像素值变化趋势，
Figure 296293DEST_PATH_IMAGE022
为第
Figure 111803DEST_PATH_IMAGE023
个前一区域图像中目标像素点的目标像 素值，
Figure 789909DEST_PATH_IMAGE024
为前一区域图像中目标像素点的总数量，
Figure 552328DEST_PATH_IMAGE061
为前一区域图像中目标像素点的数量 值，
Figure 61807DEST_PATH_IMAGE062
为前一区域图像对应的像素平均值，
Figure 48218DEST_PATH_IMAGE027
为第
Figure 479199DEST_PATH_IMAGE023
个后一区域图像中目标像素点的 目标像素值，
Figure 310889DEST_PATH_IMAGE063
为后一区域图像中目标像素点的总数量，
Figure 143716DEST_PATH_IMAGE029
为后一区域图像中目标像素点 的数量值，
Figure 301027DEST_PATH_IMAGE064
为后一区域图像对应的像素平均值，
Figure 953726DEST_PATH_IMAGE031
为第
Figure 854686DEST_PATH_IMAGE023
个相邻区域图像之间采集时 长，
Figure 542019DEST_PATH_IMAGE065
为趋势计算权重值。
从上述公式中可以看出，第
Figure 870232DEST_PATH_IMAGE019
个像素值变化趋势
Figure 10226DEST_PATH_IMAGE018
与第
Figure 449298DEST_PATH_IMAGE023
个像素值变化趋 势
Figure 194400DEST_PATH_IMAGE016
的差值越大，说明此时相邻像素值变化趋势的变化越大，趋势变化差值
Figure 693514DEST_PATH_IMAGE015
便也越大， 此时的变电设备很有可能处于持续的升温状态，很可能发生了火灾。
前一区域图像对应的像素平均值
Figure 320805DEST_PATH_IMAGE066
和后一区域图像对应的像素平均值
Figure 563567DEST_PATH_IMAGE064
的差值越大，说明此时相邻区域图像之间的像素值变化越大，第
Figure 225493DEST_PATH_IMAGE067
个像素值变化趋势
Figure 895509DEST_PATH_IMAGE060
便 也会越大，此时很有可能是由于变电设备的升温导致相邻区域图像之间的像素值变化加 大。
在实际应用中，趋势计算权重值
Figure 744516DEST_PATH_IMAGE068
可以根据实际情况预先进行设置，当第
Figure 790969DEST_PATH_IMAGE067
个像 素值变化趋势
Figure 307401DEST_PATH_IMAGE069
过大时，可以通过趋势计算权重值
Figure 148318DEST_PATH_IMAGE068
对其进行调小处理，当第
Figure 484622DEST_PATH_IMAGE067
个像素 值变化趋势
Figure 69187DEST_PATH_IMAGE020
过小时，可以通过趋势计算权重值
Figure 440125DEST_PATH_IMAGE068
对其进行增大处理。
通过上述方式得到的趋势变化差值，可以及时的获取到各变电设备对应的像素值变化趋势，以便于及时的对变电设备的火灾发生情况做出预警。
S4，采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值。
其中，环境信息为变电设备周围环境所对应的信息，当前使用时长为变电设备从开始更换或安装到当前时间所对应的使用时长，当前趋势阈值为发出预警信息时的趋势变化差值所对应的阈值。
在实际应用中，一般是事先设置好阈值，等获取到的各种数据到达阈值后便会生成相应的预警信息。但是由于各种因素的影响很有可能导致事先设置的阈值出现不准确的情况发生，因此本方案为了使设置的阈值更加准确，采集了多种可能影响阈值发生变化的因素来对其进行调整。
在一些实施例中，可以通过以下步骤来得到上述当前趋势阈值。
S41，根据温度采集装置获取所述环境信息对应的环境温度值，根据所述环境温度值和预设温度值进行计算，得到温度偏移系数。
其中，环境温度值为温度采集装置采集的环境温度，温度偏移系数为环境温度值和预设温度值的比值。
S42，获取每个变电设备对应的预设使用寿命，根据预设使用寿命和当前使用时长进行计算，生成使用寿命偏移值。
其中，使用寿命偏移值为预设使用寿命和当前使用时长的比值。
S43，采集图像集合中所有区域图像的目标像素点的总数量，基于目标像素点总数量的平均值和预设像素点数量进行计算，得到数量偏移值。
具体的，首先获取到每张区域图像对应的目标像素点的数量，接着再将所有区域图像中目标像素点的数量相加得到所有目标像素点的总数量，最后再将目标像素点的总数量进行求平均。其中，数量偏移值为目标像素点总数量的平均值和预设像素点数量的比值。
S44，根据所述温度偏移系数、所述使用寿命偏移值和所述数量偏移值对预设趋势阈值进行调整得到调整后的当前趋势阈值。
通过以下公式计算当前趋势阈值，
Figure 451944DEST_PATH_IMAGE033
其中，
Figure 541122DEST_PATH_IMAGE034
为当前趋势阈值，
Figure 929379DEST_PATH_IMAGE035
为环境温度值，
Figure 420403DEST_PATH_IMAGE036
为预设温度值，
Figure 608982DEST_PATH_IMAGE037
为预设使用寿 命，
Figure 919877DEST_PATH_IMAGE038
为当前使用时长，
Figure 846245DEST_PATH_IMAGE039
为目标像素点总数量的平均值，
Figure 191776DEST_PATH_IMAGE040
为预设像素点数量，
Figure 748659DEST_PATH_IMAGE041
为预 设趋势阈值，
Figure 546851DEST_PATH_IMAGE042
为当前趋势阈值的权重值。
上述公式的总构思为：
环境温度值
Figure 276909DEST_PATH_IMAGE070
越高，说明此时环境温度便会越高，当周围环境温度越高时，对变电 设备的温度变化可能也会造成影响，使得变电设备也进行升温，因此可以将当前趋势阈值
Figure 476947DEST_PATH_IMAGE034
也适当调大，以降低环境温度所带来的影响，反之亦然。
当前使用时长
Figure 1469DEST_PATH_IMAGE071
越大，说明变电设备的使用时间便越长，相应的也越容易因为发 生故障而导致火灾，因此可以将当前趋势阈值
Figure 286957DEST_PATH_IMAGE034
也适当调小，以降低当前使用时长
Figure 617444DEST_PATH_IMAGE038
所带 来的影响，反之亦然。
当目标像素点总数量的平均值
Figure 875250DEST_PATH_IMAGE039
越大时，说明此时红外采集器距离变电设备的采 集距离便越近，此时若将阈值设置的很低，很有可能很容易就使其达到阈值而造成误判，因 此可以将当前趋势阈值
Figure 570673DEST_PATH_IMAGE034
设置的大一些，以减少目标像素点总数量的平均值
Figure 343457DEST_PATH_IMAGE039
所带来的 影响，反之亦然。
在实际应用中，很有可能还会出现阈值误判的情况发生，因此本方案在上述方式的基础上，还通过以下方式对当前趋势阈值调整：
S441，若接收到工作人员通过输入设备输入的修正信息，所述修正信息包括未发生火灾报警的修正信息以及发生火灾未报警的修正信息。
可以理解的是，预警信息在未发生火灾时报警或在发生火灾时未报警都会造成误判，因此为了减少阈值误判的情况发生，可以通过工作人员输入的修正信息对其进行调整。
S442，若修正信息为未发生火灾报警的修正信息，则计算当前趋势阈值和预设调高修正值的调高值，基于所述调高值对当前趋势阈值的权重值进行修正得到修正权重值。
S443，若修正信息为发生火灾未报警的修正信息，则计算当前趋势阈值和预设调低修正值的调低值，基于所述调低值对当前趋势阈值的权重值进行修正得到修正权重值。
可以理解的是，若修正信息为未发生火灾报警的修正信息，则说明此时的当前趋势阈值是偏低的才会导致其在未发生火灾时发出预警，因此需要对其进行增大处理来改善阈值误判的情况。
若修正信息为发生火灾未报警的修正信息，则说明此时的当前趋势阈值是偏高的才会导致其在未发生火灾时发出预警，因此需要对其进行减小处理来改善阈值误判的情况。
其中，预设调低修正值和预设调高修正值可以由工作人员根据实际情况事先进行设置。
通过以下公式计算修正权重值，
Figure 415318DEST_PATH_IMAGE072
其中，
Figure 324369DEST_PATH_IMAGE044
为修正权重值，
Figure 721852DEST_PATH_IMAGE045
为预设调高修正值，
Figure 450774DEST_PATH_IMAGE046
为增加修正权重，
Figure 591905DEST_PATH_IMAGE047
为减小修 正权重值，
Figure 355462DEST_PATH_IMAGE048
为预设调低修正值。
上述公式的整体构思为：
当未发生火灾报警时，可以对当前趋势阈值的权重值
Figure 658267DEST_PATH_IMAGE073
进行增大处理，以便于在 下一次进行计算时可以通过调整后的修正权重值
Figure 140064DEST_PATH_IMAGE044
对当前趋势阈值
Figure 553728DEST_PATH_IMAGE074
进行调整。其中，增 加的幅度可以由当前趋势阈值
Figure 437370DEST_PATH_IMAGE074
和预设调高修正值
Figure 911077DEST_PATH_IMAGE045
来进行调整。
当发生火灾未报警时，可以对当前趋势阈值的权重值
Figure 880170DEST_PATH_IMAGE075
进行减小处理，以便于在 下一次进行计算时可以通过调整后的修正权重值
Figure 97524DEST_PATH_IMAGE044
对当前趋势阈值
Figure 38936DEST_PATH_IMAGE074
进行调整。其中，减 小的幅度可以由当前趋势阈值
Figure 683544DEST_PATH_IMAGE074
和预设调低修正值
Figure 139933DEST_PATH_IMAGE048
来进行调整。
在实际应用中，预设调高修正值
Figure 895399DEST_PATH_IMAGE045
、增加修正权重
Figure 753634DEST_PATH_IMAGE046
、减小修正权重值
Figure 303564DEST_PATH_IMAGE047
和预设 调低修正值
Figure 247249DEST_PATH_IMAGE048
可以由工作人员根据实际情况预先进行设置。
通过上述方式获得的当前趋势阈值和修正权重值，可以根据实际情况对阈值进行动态调整，使其经过调整的阈值更加符合本发明的适用场景，并且通过修正权重值对阈值进行再调整，也可以使阈值更加准确。
S5，若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
可以理解的是，若图像集合所对应的趋势变化差值大于所述当前趋势阈值，则说明此时图像集合对应的变电设备很可能发生了火灾，因此可以将图集合所对应的变电设备作为预警变电设备上传至处理端，以便于工作人员可以及时的对其做出处理。
通过该种方式，可以使工作人员及时的对变电设备发生的状况做出处理，可以预防由于变电设备发生火灾所带来的的巨大危害。
参见图2，是本发明实施例提供的一种基于物联网的电气火灾远程报警处理装置的结构示意图，该基于物联网的电气火灾远程报警处理装置包括：
差异模块，用于获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度。
图像模块，用于若所述差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合。
差值模块，用于对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值趋势得到各所述图像集合对应的趋势变化差值。
阈值模块，用于采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值。
预警模块，用于若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
图2所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
参见图3，是本发明实施例提供的一种电子设备的硬件结构示意图，该电子设备30包括：处理器31、存储器32和计算机程序；其中
存储器32，用于存储所述计算机程序，该存储器还可以是闪存（flash）。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器31，用于执行所述存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器32既可以是独立的，也可以跟处理器31集成在一起。
当所述存储器32是独立于处理器31之外的器件时，所述设备还可以包括：
总线33，用于连接所述存储器32和处理器31。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元（英文：CentralProcessing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：DigitalSignal Processor，简称：DSP）、专用集成电路（英文：Application Specific IntegratedCircuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于物联网的电气火灾远程报警处理方法，其特征在于，包括：
获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度；
若所述图像差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合；
对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值变化趋势得到各所述图像集合对应的趋势变化差值；
采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值；
若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
2.根据权利要求1所述的方法，其特征在于，
获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度，包括:
对所述第一红外图像和所述第二红外图像进行坐标化处理得到每个像素点的坐标值；
获取所述第一红外图像和所述第二红外图像中像素点的坐标生成第一坐标集合和第二坐标集合；
计算第一坐标集合和第二坐标集合中位于中心坐标的像素点的像素值和位于预设范围外的像素点的像素值的差值；
基于第一坐标集合和第二坐标集合中各像素点对应的差值的比值得到第一坐标集合和第二坐标集合中像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度。
3.根据权利要求2所述的方法，其特征在于，
基于第一坐标集合和第二坐标集合中各像素点对应的差值的比值得到第一坐标集合和第二坐标集合中像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度，包括：
采集所述第一坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第一差值，以及第二坐标集合中位于中心坐标的像素点和位于预设范围外各坐标的像素点的像素值，进行像素值的差值计算得到第二差值；
获取所述第一坐标集合和所述第二坐标集合中位于相同坐标的像素点对应的第一差值和第二差值，基于所述第一差值和所述第二差值得到所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点对应的差值比；
若所述差值比小于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为相同像素点，若所述差值比大于等于预设差值比，则将所述第一坐标集合和所述第二坐标集合中位于同一坐标的像素点作为不同像素点；
统计所述相同像素点的数量得到像素点相同数量，统计所述不同像素点的数量得到像素点不同数量，根据像素点相同数量和像素点不同数量的和得到像素点总数量，基于像素点相同数量和像素点总数量的比值得到图像差异度。
4.根据权利要求3所述的方法，其特征在于，通过以下步骤构建预设范围：
以所述第一坐标集合和所述第二坐标集合中位于中心坐标的像素点为圆心，预设半径为半径生成预设范围；
获取所述第一坐标集合和所述第二坐标集合中所有像素点的像素数量，基于所述像素数量对所述预设范围进行调整得到调整范围；
通过以下公式计算调整范围所对应的调整半径的像素点的数量，
Figure 991223DEST_PATH_IMAGE001
其中，
Figure 377205DEST_PATH_IMAGE003
为调整范围所对应的调整半径的像素点的数量，
Figure 750417DEST_PATH_IMAGE005
为所有像素点的像素数量，
Figure 880047DEST_PATH_IMAGE007
为预设像素数量，
Figure 789360DEST_PATH_IMAGE009
为调整范围的权重值，
Figure 80664DEST_PATH_IMAGE011
为预设半径所对应的像素点的数量。
5.根据权利要求1所述的方法，其特征在于，
根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合，包括：
根据所述当前时刻和预设采集时长确定第一采集时刻和第二采集时刻，基于所述第一采集时刻和第二采集时刻提取红外图像中各变电设备所在区域的区域图像；
基于所述预设采集时长和两个所述区域图像的像素值进行计算，得到像素值变化趋势；
根据所述像素值变化趋势和预设像素值变化趋势得到时长偏移系数，基于所述时长偏移系数对预设采集时长进行调整，得到当前采集时长；
根据所述第二采集时刻和所述当前采集时长确定下一采集时刻，并将所述第一采集时刻删除，将第二采集时刻更新为第一采集时刻，将所述下一采集时刻确定为第二采集时刻；
重复执行以上步骤，并在满足预设要求后停止执行。
6.根据权利要求5所述的方法，其特征在于，
根据所述像素值变化趋势和预设像素值变化趋势得到时长偏移系数，基于所述时长偏移系数对预设采集时长进行调整，得到当前采集时长，包括：
根据所述时长偏移系数对所述预设采集时长进行调整得到调整后的调整采集时长，基于所述预设采集时长和所述调整采集时长的差值得到当前采集时长；
通过以下公式计算当前采集时长，
Figure 941172DEST_PATH_IMAGE013
其中，
Figure 608914DEST_PATH_IMAGE015
为当前采集时长，
Figure 871268DEST_PATH_IMAGE017
为预设采集时长，
Figure 333473DEST_PATH_IMAGE019
为像素值变化趋势，
Figure 884540DEST_PATH_IMAGE021
为预设像素值变化趋势，
Figure 887131DEST_PATH_IMAGE023
为时长偏移系数，
Figure 708719DEST_PATH_IMAGE025
为调整采集时长的权重值。
7.根据权利要求6所述的方法，其特征在于，
对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值变化趋势得到各所述图像集合对应的趋势变化差值，包括：
获取各所述区域图像中目标像素点的目标像素值，根据所有目标像素值的平均值得到各所述区域图像对应的像素值；
获取相邻区域图像之间采集时长，基于所述采集时长对图像集合中相邻区域图像之间的前一区域图像和后一区域图像的像素值进行计算，得到多个像素值变化趋势；
确定相邻所述像素值变化趋势中的前一像素值变化趋势和后一像素值变化趋势，根据所述后一像素值变化趋势和前一像素值变化趋势的差值得到多个趋势变化差值；
通过以下公式计算趋势变化差值，
Figure 732039DEST_PATH_IMAGE027
其中，
Figure 442506DEST_PATH_IMAGE029
为趋势变化差值，
Figure 576684DEST_PATH_IMAGE031
为第
Figure 688996DEST_PATH_IMAGE033
个像素值变化趋势，
Figure 617638DEST_PATH_IMAGE035
为第
Figure 815401DEST_PATH_IMAGE037
个像素值变化趋势，
Figure 989156DEST_PATH_IMAGE039
为第
Figure 690396DEST_PATH_IMAGE041
个像素值变化趋势，
Figure 55518DEST_PATH_IMAGE043
为第
Figure 474998DEST_PATH_IMAGE033
个前一区域图像中目标像素点的目标像素值，
Figure 950979DEST_PATH_IMAGE045
为前一区域图像中目标像素点的总数量，
Figure 772304DEST_PATH_IMAGE047
为前一区域图像中目标像素点的数量值，
Figure DEST_PATH_IMAGE049
为前一区域图像对应的像素平均值，
Figure DEST_PATH_IMAGE051
为第
Figure 872110DEST_PATH_IMAGE033
个后一区域图像中目标像素点的目标像素值，
Figure DEST_PATH_IMAGE053
为后一区域图像中目标像素点的总数量，
Figure DEST_PATH_IMAGE055
为后一区域图像中目标像素点的数量值，
Figure DEST_PATH_IMAGE057
为后一区域图像对应的像素平均值，
Figure DEST_PATH_IMAGE059
为第
Figure 903519DEST_PATH_IMAGE033
个相邻区域图像之间采集时长，
Figure DEST_PATH_IMAGE061
为趋势计算权重值。
8.根据权利要求7所述的方法，其特征在于，
采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值，包括：
根据温度采集装置获取所述环境信息对应的环境温度值，根据所述环境温度值和预设温度值进行计算，得到温度偏移系数；
获取每个变电设备对应的预设使用寿命，根据预设使用寿命和当前使用时长进行计算，生成使用寿命偏移值；
采集图像集合中所有区域图像的目标像素点的总数量，基于目标像素点总数量的平均值和预设像素点数量进行计算，得到数量偏移值；
根据所述温度偏移系数、所述使用寿命偏移值和所述数量偏移值对预设趋势阈值进行调整得到调整后的当前趋势阈值；
通过以下公式计算当前趋势阈值，
Figure DEST_PATH_IMAGE063
其中，
Figure DEST_PATH_IMAGE065
为当前趋势阈值，
Figure DEST_PATH_IMAGE067
为环境温度值，
Figure DEST_PATH_IMAGE069
为预设温度值，
Figure DEST_PATH_IMAGE071
为预设使用寿命，
Figure DEST_PATH_IMAGE073
为当前使用时长，
Figure DEST_PATH_IMAGE075
为目标像素点总数量的平均值，
Figure DEST_PATH_IMAGE077
为预设像素点数量，
Figure DEST_PATH_IMAGE079
为预设趋势阈值，
Figure DEST_PATH_IMAGE081
为当前趋势阈值的权重值。
9.根据权利要求8所述的方法，其特征在于，还包括：
若接收到工作人员通过输入设备输入的修正信息，所述修正信息包括未发生火灾报警的修正信息以及发生火灾未报警的修正信息；
若修正信息为未发生火灾报警的修正信息，则计算当前趋势阈值和预设调高修正值的调高值，基于所述调高值对当前趋势阈值的权重值进行修正得到修正权重值；
若修正信息为发生火灾未报警的修正信息，则计算当前趋势阈值和预设调低修正值的调低值，基于所述调低值对当前趋势阈值的权重值进行修正得到修正权重值；
通过以下公式计算修正权重值，
Figure DEST_PATH_IMAGE083
其中，
Figure DEST_PATH_IMAGE085
为修正权重值，
Figure DEST_PATH_IMAGE087
为预设调高修正值，
Figure DEST_PATH_IMAGE089
为增加修正权重，
Figure DEST_PATH_IMAGE091
为减小修正权重值，
Figure DEST_PATH_IMAGE093
为预设调低修正值。
10.一种基于物联网的电气火灾远程报警处理装置，其特征在于，包括：
差异模块，用于获取变电房在第一时间点的第一红外图像，以及在第二时间点的第二红外图像，并依据所述第一红外图像和所述第二红外图像中相同位置像素点的像素值，得到像素点相同数量和像素点不同数量，根据所述像素点相同数量和所述像素点不同数量得到图像差异度；
图像模块，用于若所述差异度大于预设差异度，则根据当前时刻和预设时间段得到多个采集时刻，基于所述采集时刻提取红外图像中各变电设备所在区域的区域图像，并按照时间进行排序生成各变电设备所对应的图像集合；
差值模块，用于对所述图像集合中各相邻时间点对应区域图像的像素值进行处理，得到多个像素值变化趋势，基于多个所述像素值趋势得到各所述图像集合对应的趋势变化差值；
阈值模块，用于采集变电设备对应的环境信息和当前使用时长，以及所述图像集合中目标像素点总数量的平均值，根据所述环境信息、所述使用时长和所述目标像素点总数量的平均值对预设趋势阈值进行实时调整得到调整后的当前趋势阈值；
预警模块，用于若所述图像集合所对应的趋势变化差值大于所述当前趋势阈值，则将该图像集合所对应的变电设备作为预警变电设备，将所述预警变电设备发送至火灾处理端。
CN202211237719.8A 2022-10-11 2022-10-11 基于物联网的电气火灾远程报警处理方法及装置 Active CN115311811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211237719.8A CN115311811B (zh) 2022-10-11 2022-10-11 基于物联网的电气火灾远程报警处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211237719.8A CN115311811B (zh) 2022-10-11 2022-10-11 基于物联网的电气火灾远程报警处理方法及装置

Publications (2)

Publication Number Publication Date
CN115311811A CN115311811A (zh) 2022-11-08
CN115311811B true CN115311811B (zh) 2022-12-06

Family

ID=83868195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211237719.8A Active CN115311811B (zh) 2022-10-11 2022-10-11 基于物联网的电气火灾远程报警处理方法及装置

Country Status (1)

Country Link
CN (1) CN115311811B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189367B (zh) * 2022-12-09 2023-09-26 嘉应学院 一种基于物联网的建筑火灾报警***
CN115841489B (zh) * 2023-02-21 2023-04-28 华至云链科技(苏州)有限公司 智能点检方法及平台
CN116758079B (zh) * 2023-08-18 2023-12-05 杭州浩联智能科技有限公司 一种基于火花像素的危害预警方法
CN116912780B (zh) * 2023-09-12 2023-11-24 国网浙江省电力有限公司杭州供电公司 基于模式动态切换的充电监测保护方法及保护***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067566A (ja) * 1999-08-30 2001-03-16 Fujitsu Ltd 火災検知装置
CN101840571A (zh) * 2010-03-30 2010-09-22 杭州电子科技大学 一种基于视频图像的火焰检测方法
CN102208018A (zh) * 2011-06-01 2011-10-05 西安工程大学 一种基于视频差异分析的输电线路火灾识别方法
CN102236947A (zh) * 2010-04-29 2011-11-09 中国建筑科学研究院 基于视频摄像机的火焰监测方法与***
CN108537202A (zh) * 2018-04-19 2018-09-14 广州林邦信息科技有限公司 森林火灾识别装置及***
CN109643482A (zh) * 2016-06-28 2019-04-16 烟雾检测器有限责任公司 使用照相机的烟雾检测***和方法
CN110634261A (zh) * 2019-08-27 2019-12-31 国网山东省电力公司泗水县供电公司 一种地下配电网火灾预警***及方法
CN113551775A (zh) * 2021-06-23 2021-10-26 国网福建省电力有限公司 基于红外热成像的设备故障在线监测报警方法和***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6696958B2 (en) * 2002-01-14 2004-02-24 Rosemount Aerospace Inc. Method of detecting a fire by IR image processing
US20080136934A1 (en) * 2006-12-12 2008-06-12 Industrial Technology Research Institute Flame Detecting Method And Device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067566A (ja) * 1999-08-30 2001-03-16 Fujitsu Ltd 火災検知装置
CN101840571A (zh) * 2010-03-30 2010-09-22 杭州电子科技大学 一种基于视频图像的火焰检测方法
CN102236947A (zh) * 2010-04-29 2011-11-09 中国建筑科学研究院 基于视频摄像机的火焰监测方法与***
CN102208018A (zh) * 2011-06-01 2011-10-05 西安工程大学 一种基于视频差异分析的输电线路火灾识别方法
CN109643482A (zh) * 2016-06-28 2019-04-16 烟雾检测器有限责任公司 使用照相机的烟雾检测***和方法
CN108537202A (zh) * 2018-04-19 2018-09-14 广州林邦信息科技有限公司 森林火灾识别装置及***
CN110634261A (zh) * 2019-08-27 2019-12-31 国网山东省电力公司泗水县供电公司 一种地下配电网火灾预警***及方法
CN113551775A (zh) * 2021-06-23 2021-10-26 国网福建省电力有限公司 基于红外热成像的设备故障在线监测报警方法和***

Also Published As

Publication number Publication date
CN115311811A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN115311811B (zh) 基于物联网的电气火灾远程报警处理方法及装置
CN111426393B (zh) 温度修正方法、装置及***
CN110739637A (zh) 一种输电线路监控方法、***、终端及存储介质
WO2018149322A1 (zh) 图像识别方法、装置、设备及存储介质
CN116567410B (zh) 基于场景识别的辅助拍照方法及***
CN107393252A (zh) 基于物联网的机房烟雾报警***
CN116298737B (zh) 一种开关柜放电监测***、方法和设备
CN116380980B (zh) 一种气体浓度的确定方法、装置、电子设备及介质
JP2007310464A (ja) 監視カメラシステム及び監視カメラシステムの制御方法
CN116486125A (zh) 一种设备的检测方法、装置、设备及介质
CN115311624B (zh) 一种边坡位移监测方法、装置、电子设备及存储介质
CN114204680B (zh) 多类型自动化检测设备融合远程诊断***及方法
CN116205380A (zh) 新能源电场站内损耗预测模型构建方法、预测方法和***
CN115683046A (zh) 测距方法、装置、传感器及计算机可读存储介质
CN108345575A (zh) 一种铁塔防雷设备故障概率计算方法及***
CN112037176A (zh) 人体存在检测装置
TW202036371A (zh) 場域分析裝置及其方法
CN116959728B (zh) 工厂管理***数据处理方法及平台
CN113820018A (zh) 一种基于红外成像的测温方法、装置、***及介质
CN113608960B (zh) 一种服务监控方法、装置、电子设备及存储介质
KR102470097B1 (ko) 연산부하를 자동 분산시킬 수 있는 호흡기 감염증 실시간 위험도 측정 시스템
CN115841489A (zh) 智能点检方法及平台
CN114167158A (zh) 一种常见用电器电气安全隐患智能识别方法及***
CN114739536A (zh) 健康监测***以及终端设备
CN116832369A (zh) 一种变电站火灾消防***控制方法、装置及存储介质

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