CN115858831A - 一种数据库用数据存储方法 - Google Patents
一种数据库用数据存储方法 Download PDFInfo
- Publication number
- CN115858831A CN115858831A CN202310151986.1A CN202310151986A CN115858831A CN 115858831 A CN115858831 A CN 115858831A CN 202310151986 A CN202310151986 A CN 202310151986A CN 115858831 A CN115858831 A CN 115858831A
- Authority
- CN
- China
- Prior art keywords
- working
- database
- data
- image
- data storage
- 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
Images
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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据库管理技术领域,具体公开了一种数据库用数据存储方法,所述方法包括实时获取摄像头的工作角度,根据所述工作角度建立车间图像;对所述车间图像进行识别,确定生产设备及其工作状态;根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据;所述数据存储架构为数据库的集合;对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记。本发明通过摄像头获取到的图像确定生产设备,对生产设备进行识别,可以得到矩阵形式的工作状态,由矩阵形式的工作状态搭建数据库,可以根据实际情况建立最契合该车间的数据存储架构,条理性极强,适配性高。
Description
技术领域
本发明涉及数据库管理技术领域,具体是一种数据库用数据存储方法。
背景技术
数据库是“按照数据结构来组织、存储和管理数据的仓库”。是一个长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。
随着物联网技术的发展,智能生产车间逐渐取代了传统的以人工为主的生产车间,在智能生产车间的运行过程中,会产生大量的生产数据,这些生产数据由生产设备产生,它能够反映整个生产活动,非常重要,在当前的存储硬件条件下,这些数据可以进行存储,但是,现有的存储架构在存储这些数据时,适配性不高,数据的检索过程较为麻烦。
发明内容
本发明的目的在于提供一种数据库用数据存储方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种数据库用数据存储方法,所述方法包括:
实时获取摄像头的工作角度,根据所述工作角度建立车间图像;
对所述车间图像进行识别,确定生产设备及其工作状态;所述工作状态由与车间地图对应的矩阵表示;
根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据;所述数据存储架构为数据库的集合;
对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记。
作为本发明进一步的方案:所述实时获取摄像头的工作角度,根据所述工作角度建立车间图像的步骤包括:
查询摄像头的安装表格,基于所述安装表格确定以时间为索引的角度表;所述角度表中含有角度项;
基于预设的工作角度和监测范围之间的关系向所述角度表中***范围项;
根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像;
其中,所述基准模型定时更新。
作为本发明进一步的方案:所述根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像的步骤包括:
接收用户输入的图像图幅,根据所述图像图幅确定模型边界;
向摄像头发送复位指令,接收摄像头反馈的初始图像,将所述初始图像填充至所述模型边界,得到基准模型;
依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像。
作为本发明进一步的方案:所述依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像的步骤包括:
依次读取角度表中的范围项,计算所述范围项与其他范围项之间的交集;
当所述交集不为空时,在两个摄像头获取到的图像中截取待比对区域,输入预设的比对识别模型,标记问题区域;
以预设的更新时刻为始时刻,逆时序查询最近的车间图像,作为新的基准模型;其中,当车间图像中存在问题区域时,剔除问题区域并以当前车间图像的时刻为始时刻,执行查询过程。
作为本发明进一步的方案:所述对所述车间图像进行识别,确定生产设备及其工作状态的步骤包括:
对所述车间图像进行轮廓识别,根据轮廓识别结果定位生产设备及生产设备中的指示灯;
对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态;
根据所述工作状态确定预设时长的采集频率,将所述采集频率向该生产设备对应的摄像头发送;
接收摄像头在预设时长的采集频率下反馈的图像,对所述工作状态进行验证。
作为本发明进一步的方案:所述对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态的步骤包括:
读取轮廓识别结果,根据所述轮廓识别结果确定设备的相对位置,根据所述相对位置建立单位矩阵;
读取色值识别结果,根据色值识别结果确定各个设备的当前工作情况;
根据预设的映射模型将所述当前工作情况转换为状态值;
基于所述单位矩阵统计所有状态值,得到工作状态。
作为本发明进一步的方案:所述根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据的步骤包括:
读取历史工作状态,根据历史工作状态计算各设备的波动特征;
根据所述波动特征确定数据库类型及数据库大小,建立数据库;
根据工作状态统计各数据库,得到数据存储架构;相邻数据库之间存在连接通道;
建立数据库与设备的连接通道,接收工作数据。
作为本发明进一步的方案:所述读取历史工作状态,根据历史工作状态计算各设备的波动特征的步骤包括:
在预存的历史工作状态库中查询预设周期数量的历史工作状态;所述历史工作状态库实时更新;
根据预设的遍历顺序提取每个周期的历史工作状态中的状态值,得到各设备的状态数组;
计算所述状态数组的均值和方差,得到各设备的波动特征。
作为本发明进一步的方案:所述对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记的步骤包括:
读取工作状态,依次以各元素为中心,将所述工作状态输入预设的二维高斯分布模型,确定其他元素对中心的影响权重;
定时随机读取某一数据库中的工作数据,对所述工作数据进行识别,计算异常值;
当异常值达到预设的异常阈值时,根据所述影响权重和所述异常值计算对其他数据库的理论影响值;
根据所述理论影响值验证其他数据库中的工作数据,得到准确度;
根据所述准确度对所述数据库进行风险标记。
作为本发明进一步的方案:所述根据所述理论影响值验证其他数据库中的工作数据,得到准确度的步骤包括:
获取其他数据库中的工作数据;
查询其他数据库中的参考数据;所述参考数据为状态值达到预设的安全值时的数值均值;
比对所述工作数据和所述参考数据,计算实际影响值;
根据所述实际影响值和所述理论影响值计算准确度。
与现有技术相比,本发明的有益效果是:本发明通过摄像头获取到的图像确定生产设备,对生产设备进行识别,可以得到矩阵形式的工作状态,由矩阵形式的工作状态搭建数据库,可以根据实际情况建立最契合该车间的数据存储架构,条理性极强,适配性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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地介绍,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。
图1为数据库用数据存储方法的流程框图。
图2为数据库用数据存储方法的第一子流程框图。
图3为数据库用数据存储方法的第二子流程框图。
图4为数据库用数据存储方法的第三子流程框图。
图5为数据库用数据存储方法的第四子流程框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,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。
图1为数据库用数据存储方法的流程框图,本发明实施例中,一种数据库用数据存储方法,所述方法包括:
步骤S100:实时获取摄像头的工作角度,根据所述工作角度建立车间图像;
摄像头预先安装在车间中,摄像头的工作角度不同,监控的范围不同,由工作角度确定摄像头的监控范围,根据所述监控范围连接摄像头获取到的图像,可以得到一个整体的车间图像。
步骤S200:对所述车间图像进行识别,确定生产设备及其工作状态;所述工作状态由与车间地图对应的矩阵表示;
对所述车间图像进行识别,可以确定车间中的生产设备及其工作状态;所述工作状态是一个矩阵,用于表示所有生产设备的运行状况。
步骤S300:根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据;所述数据存储架构为数据库的集合;
对工作状态(矩阵)进行分析,可以确定不同的数据库,不同数据库用于获取并存储不同生产设备的运行数据;所有数据库连接起来共同搭建出一个数据存储架构。
步骤S400:对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记;
对获取到的工作数据进行识别,可以对数据库的应用过程(数据存储过程)进行识别,进而判断存储过程的准确度,如果准确度较低,就需要标记对应的数据库,告之管理人员存在风险。
图2为数据库用数据存储方法的第一子流程框图,所述实时获取摄像头的工作角度,根据所述工作角度建立车间图像的步骤包括:
步骤S101:查询摄像头的安装表格,基于所述安装表格确定以时间为索引的角度表;所述角度表中含有角度项;
摄像头在安装时会进行备案,存在一个安装表格,在安装表格中增设一列,用于记录摄像头的工作角度。
步骤S102:基于预设的工作角度和监测范围之间的关系向所述角度表中***范围项;
不同工作角度和监测范围之间存在确定的关系,这可以在标定过程中进行确定,符合光学传播原理,由工作角度确定监测范围后,向所述角度表中***范围项。
步骤S103:根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像;
当范围项确定后,接收摄像头获取到的图像,将摄像头获取到的图像***预设的基准模型,可以得到车间图像;其中,所述基准模型定时更新;这一过程并不复杂,就是不断地通过摄像头接收到的图像对已有的车间图像进行不断地更新,得到最新的车间图像。
作为本发明技术方案的一个优选实施例,所述根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像的步骤包括:
接收用户输入的图像图幅,根据所述图像图幅确定模型边界;
图像图幅由用户输入,用于表征车间图像的大小,称之为基准模型的模型边界。
向摄像头发送复位指令,接收摄像头反馈的初始图像,将所述初始图像填充至所述模型边界,得到基准模型;
在最先生成车间图像时,向摄像头发送复位指令,摄像头经复位后,可以全面的获取整个车间的信息,此时,可以得到一张完整的车间图像,称为初始图像。
依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像;
在运行过程中,摄像头本身可能会发生转动,此时,获取其采集到的图像,对基准模型进行更新,即可实时的得到车间图像。
作为本发明技术方案的一个优选实施例,所述依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像的步骤包括:
依次读取角度表中的范围项,计算所述范围项与其他范围项之间的交集;
依次读取角度表中各摄像头采集范围,判断各个采集范围之间是否存在交集。
当所述交集不为空时,在两个摄像头获取到的图像中截取待比对区域,输入预设的比对识别模型,标记问题区域;
当交集不为空时,就说明两个摄像头采集到的图像对应的内容存在部分重叠,此时,对这一部分进行比对识别,可以判断该交集是否存在问题;举例说明,如果两个摄像头对同一交集的采集结果不同,就需要将所述交集处标记为问题区域。
以预设的更新时刻为始时刻,逆时序查询最近的车间图像,作为新的基准模型;其中,当车间图像中存在问题区域时,剔除问题区域并以当前车间图像的时刻为始时刻,执行查询过程;
上述内容对车间图像的更新过程进行了具体的描述,重点提到了对问题区域的更新,当摄像头采集到了新的图像时,如果它不是问题区域,就***到已有的车间图像中,覆盖原有内容,如果它是问题区域,就保留原有内容。
图3为数据库用数据存储方法的第二子流程框图,所述对所述车间图像进行识别,确定生产设备及其工作状态的步骤包括:
步骤S201:对所述车间图像进行轮廓识别,根据轮廓识别结果定位生产设备及生产设备中的指示灯;
生产设备上自带指示灯,用于反映生产设备的运行状况,对车间图像进行轮廓识别,可以定位生产设备及其指示灯,在图像中,所述指示灯位置包含于生产设备位置。
步骤S202:对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态;
对指示灯进行色值识别,确定指示灯的颜色,根据指示灯的颜色确定生产设备的运行状况,统计所有运行状况,可以得到工作状态。
步骤S203:根据所述工作状态确定预设时长的采集频率,将所述采集频率向该生产设备对应的摄像头发送;
步骤S204:接收摄像头在预设时长的采集频率下反馈的图像,对所述工作状态进行验证;
在上述内容的基础上,由得到的工作状态对不同的摄像头进行频率调节,使得摄像头获取更多的图像,进而对工作状态进行验证,确保工作状态的准确性。
作为本发明技术方案的一个优选实施例,所述对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态的步骤包括:
读取轮廓识别结果,根据所述轮廓识别结果确定设备的相对位置,根据所述相对位置建立单位矩阵;
读取色值识别结果,根据色值识别结果确定各个设备的当前工作情况;
根据预设的映射模型将所述当前工作情况转换为状态值;
基于所述单位矩阵统计所有状态值,得到工作状态。
上述内容对工作状态的确定过程进行了限定,工作状态的目的是统计所有生产设备的运行状况,首先,根据轮廓识别结果确定生产设备的位置,对位置进行统计,得到单位矩阵;然后,读取色值识别结果,所述色值识别结果反映了信号灯的状态,由信号灯的状态确定各个设备的运行状况(当前工作情况);最后,将所述运行状况进行数值化处理,可以得到状态值,统计所有状态值,即可得到工作状态。
图4为数据库用数据存储方法的第三子流程框图,所述根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据的步骤包括:
步骤S301:读取历史工作状态,根据历史工作状态计算各设备的波动特征;
工作状态生成后,需要实时存储,得到历史工作状态,对历史工作状态进行分析,可以计算各设备的波动特征。
步骤S302:根据所述波动特征确定数据库类型及数据库大小,建立数据库;
波动特征用于表征各生产设备的稳定性,稳定性越高,设备越稳定,需要获取的数据越少,数据库容量越小(若资源充足,容量也可以设置的非常大)。
步骤S303:根据工作状态统计各数据库,得到数据存储架构;相邻数据库之间存在连接通道;
当建立好数据库后,连接各个数据库,即可得到数据存储架构;值得一提的是,数据存储架构中相邻数据库之间可以建立连接通道,用于提高架构的鲁棒性,比如,当一个数据库中的数据溢出时,可以使用相邻的数据库。
步骤S304:建立数据库与设备的连接通道,接收工作数据;
通过数据库实时接收工作数据。
作为本发明技术方案的一个优选实施例,所述读取历史工作状态,根据历史工作状态计算各设备的波动特征的步骤包括:
在预存的历史工作状态库中查询预设周期数量的历史工作状态;所述历史工作状态库实时更新;
根据预设的遍历顺序提取每个周期的历史工作状态中的状态值,得到各设备的状态数组;
计算所述状态数组的均值和方差,得到各设备的波动特征。
在本发明技术方案的一个实例中,读取并统计工作状态中的状态值,可以得到由状态值组成的状态数组,计算所述状态数据的均值和方差,作为波动特征,均值和方差足以反映设备的运行稳定性。
图5为数据库用数据存储方法的第四子流程框图,所述对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记的步骤包括:
步骤S401:读取工作状态,依次以各元素为中心,将所述工作状态输入预设的二维高斯分布模型,确定其他元素对中心的影响权重;
二维高斯分布模型采用现有公式即可,用来计算二维平面内,两个存在距离的点之间,相互影响的程度,也就是所述影响权重;步骤S401完成后,任意两个点之间的影响权重均为已知数据。
步骤S402:定时随机读取某一数据库中的工作数据,对所述工作数据进行识别,计算异常值;
读取工作数据,对工作数据进行识别,可以得到异常值;识别方法采用现有的设备数据识别方法即可。
步骤S403:当异常值达到预设的异常阈值时,根据所述影响权重和所述异常值计算对其他数据库的理论影响值;
当异常值较大时,根据影响权重和异常值可以轻易计算出中心对其他点位的影响程度,由理论影响值进行表示。
步骤S404:根据所述理论影响值验证其他数据库中的工作数据,得到准确度;
由理论影响值验证其他数据库的工作数据,可以判断出各数据库获取数据过程的准确度。
步骤S405:根据所述准确度对所述数据库进行风险标记。
将准确度与预设的准确度阈值进行比对,可以进行风险标记。
进一步的,所述根据所述理论影响值验证其他数据库中的工作数据,得到准确度的步骤包括:
获取其他数据库中的工作数据;
查询其他数据库中的参考数据;所述参考数据为状态值达到预设的安全值时的数值均值;
比对所述工作数据和所述参考数据,计算实际影响值;
根据所述实际影响值和所述理论影响值计算准确度。
所述理论影响值的使用方法非常简单,就是根据数据库的实际工作数据计算出一个实际的偏差情况,由偏差情况可以计算出实际影响值;然后,根据所有其他设备对该数据库的理论影响值计算出综合理论影响值,比对综合理论影响值和实际影响值即可。
上述数据库用数据存储方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述数据库用数据存储方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示***的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例***中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个***实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种数据库用数据存储方法,其特征在于,所述方法包括:
实时获取摄像头的工作角度,根据所述工作角度建立车间图像;
对所述车间图像进行识别,确定生产设备及其工作状态;所述工作状态由与车间地图对应的矩阵表示;
根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据;所述数据存储架构为数据库的集合;
对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记。
2.根据权利要求1所述的数据库用数据存储方法,其特征在于,所述实时获取摄像头的工作角度,根据所述工作角度建立车间图像的步骤包括:
查询摄像头的安装表格,基于所述安装表格确定以时间为索引的角度表;所述角度表中含有角度项;
基于预设的工作角度和监测范围之间的关系向所述角度表中***范围项;
根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像;
其中,所述基准模型定时更新。
3.根据权利要求2所述的数据库用数据存储方法,其特征在于,所述根据所述范围项将摄像头获取到的图像***预设的基准模型,得到车间图像的步骤包括:
接收用户输入的图像图幅,根据所述图像图幅确定模型边界;
向摄像头发送复位指令,接收摄像头反馈的初始图像,将所述初始图像填充至所述模型边界,得到基准模型;
依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像。
4.根据权利要求3所述的数据库用数据存储方法,其特征在于,所述依次读取角度表中的范围项,根据所述范围项将摄像头获取到的图像***所述基准模型,得到车间图像的步骤包括:
依次读取角度表中的范围项,计算所述范围项与其他范围项之间的交集;
当所述交集不为空时,在两个摄像头获取到的图像中截取待比对区域,输入预设的比对识别模型,标记问题区域;
以预设的更新时刻为始时刻,逆时序查询最近的车间图像,作为新的基准模型;其中,当车间图像中存在问题区域时,剔除问题区域并以当前车间图像的时刻为始时刻,执行查询过程。
5.根据权利要求1所述的数据库用数据存储方法,其特征在于,所述对所述车间图像进行识别,确定生产设备及其工作状态的步骤包括:
对所述车间图像进行轮廓识别,根据轮廓识别结果定位生产设备及生产设备中的指示灯;
对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态;
根据所述工作状态确定预设时长的采集频率,将所述采集频率向该生产设备对应的摄像头发送;
接收摄像头在预设时长的采集频率下反馈的图像,对所述工作状态进行验证。
6.根据权利要求5所述的数据库用数据存储方法,其特征在于,所述对所述指示灯进行色值识别,根据色值识别结果判断生产设备的工作状态的步骤包括:
读取轮廓识别结果,根据所述轮廓识别结果确定设备的相对位置,根据所述相对位置建立单位矩阵;
读取色值识别结果,根据色值识别结果确定各个设备的当前工作情况;
根据预设的映射模型将所述当前工作情况转换为状态值;
基于所述单位矩阵统计所有状态值,得到工作状态。
7.根据权利要求1所述的数据库用数据存储方法,其特征在于,所述根据所述工作状态搭建数据存储架构,基于搭建好的数据存储架构接收工作数据的步骤包括:
读取历史工作状态,根据历史工作状态计算各设备的波动特征;
根据所述波动特征确定数据库类型及数据库大小,建立数据库;
根据工作状态统计各数据库,得到数据存储架构;相邻数据库之间存在连接通道;
建立数据库与设备的连接通道,接收工作数据。
8.根据权利要求7所述的数据库用数据存储方法,其特征在于,所述读取历史工作状态,根据历史工作状态计算各设备的波动特征的步骤包括:
在预存的历史工作状态库中查询预设周期数量的历史工作状态;所述历史工作状态库实时更新;
根据预设的遍历顺序提取每个周期的历史工作状态中的状态值,得到各设备的状态数组;
计算所述状态数组的均值和方差,得到各设备的波动特征。
9.根据权利要求1所述的数据库用数据存储方法,其特征在于,所述对所述工作数据进行识别,实时计算各数据库的准确度,根据所述准确度对所述数据库进行风险标记的步骤包括:
读取工作状态,依次以各元素为中心,将所述工作状态输入预设的二维高斯分布模型,确定其他元素对中心的影响权重;
定时随机读取某一数据库中的工作数据,对所述工作数据进行识别,计算异常值;
当异常值达到预设的异常阈值时,根据所述影响权重和所述异常值计算对其他数据库的理论影响值;
根据所述理论影响值验证其他数据库中的工作数据,得到准确度;
根据所述准确度对所述数据库进行风险标记。
10.根据权利要求9所述的数据库用数据存储方法,其特征在于,所述根据所述理论影响值验证其他数据库中的工作数据,得到准确度的步骤包括:
获取其他数据库中的工作数据;
查询其他数据库中的参考数据;所述参考数据为状态值达到预设的安全值时的数值均值;
比对所述工作数据和所述参考数据,计算实际影响值;
根据所述实际影响值和所述理论影响值计算准确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310151986.1A CN115858831B (zh) | 2023-02-22 | 2023-02-22 | 一种数据库用数据存储方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310151986.1A CN115858831B (zh) | 2023-02-22 | 2023-02-22 | 一种数据库用数据存储方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115858831A true CN115858831A (zh) | 2023-03-28 |
CN115858831B CN115858831B (zh) | 2023-06-23 |
Family
ID=85658685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310151986.1A Active CN115858831B (zh) | 2023-02-22 | 2023-02-22 | 一种数据库用数据存储方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115858831B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116072282A (zh) * | 2023-04-06 | 2023-05-05 | 吉林大学 | 用于ct设备的远程智能检测分析方法及*** |
CN116229036A (zh) * | 2023-05-06 | 2023-06-06 | 山东国研自动化有限公司 | 数据采集***、方法、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
US20190266138A1 (en) * | 2016-10-24 | 2019-08-29 | Beijing Wellintech Co., Ltd. | Method for retrieving data object based on spatial-temporal database |
CN114067340A (zh) * | 2022-01-17 | 2022-02-18 | 山东北软华兴软件有限公司 | 一种信息重要性智能判定方法和*** |
CN115222909A (zh) * | 2022-09-19 | 2022-10-21 | 深圳市湾测技术有限公司 | 一种三维图像检测模型构建方法 |
CN115424279A (zh) * | 2022-09-19 | 2022-12-02 | 山东诺德能源科技有限公司 | 连铸坯喷码识别方法 |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
CN115620377A (zh) * | 2022-11-10 | 2023-01-17 | 深圳蓄能发电有限公司 | 一种非公共区域的安防控制方法、装置及可读存储介质 |
-
2023
- 2023-02-22 CN CN202310151986.1A patent/CN115858831B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
US20190266138A1 (en) * | 2016-10-24 | 2019-08-29 | Beijing Wellintech Co., Ltd. | Method for retrieving data object based on spatial-temporal database |
CN114067340A (zh) * | 2022-01-17 | 2022-02-18 | 山东北软华兴软件有限公司 | 一种信息重要性智能判定方法和*** |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
CN115222909A (zh) * | 2022-09-19 | 2022-10-21 | 深圳市湾测技术有限公司 | 一种三维图像检测模型构建方法 |
CN115424279A (zh) * | 2022-09-19 | 2022-12-02 | 山东诺德能源科技有限公司 | 连铸坯喷码识别方法 |
CN115620377A (zh) * | 2022-11-10 | 2023-01-17 | 深圳蓄能发电有限公司 | 一种非公共区域的安防控制方法、装置及可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116072282A (zh) * | 2023-04-06 | 2023-05-05 | 吉林大学 | 用于ct设备的远程智能检测分析方法及*** |
CN116072282B (zh) * | 2023-04-06 | 2023-06-13 | 吉林大学 | 用于ct设备的远程智能检测分析方法及*** |
CN116229036A (zh) * | 2023-05-06 | 2023-06-06 | 山东国研自动化有限公司 | 数据采集***、方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115858831B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115858831B (zh) | 一种数据库用数据存储方法 | |
CN111046190B (zh) | 一种基于语义图谱的大数据标签冲突检测方法、***、存储介质及计算机设备 | |
CN114581442B (zh) | 用于mes***的产品检测方法及装置 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和*** | |
CN111104594A (zh) | 行情推送方法及装置 | |
CN111353004A (zh) | 一种药品文档的数据关联分析方法和*** | |
CN115641061A (zh) | 一种物料管理方法及装置 | |
CN112068874B (zh) | 软件项目持续集成方法、装置、终端设备和存储介质 | |
CN115098589A (zh) | 一种基于物联网的工业能耗数据监控方法及装置 | |
CN113703781A (zh) | 存储***接口生成方法、装置、电子设备及可读存储介质 | |
CN114328017A (zh) | 一种数据库备份方法、***、计算机设备和存储介质 | |
CN112818937B (zh) | Excel文件的识别方法、装置、电子设备及可读存储介质 | |
CN116208465A (zh) | 一种电力信息通信状况智能监测预警方法及*** | |
CN115633321A (zh) | 一种无线通信网络监控方法及*** | |
CN113283677B (zh) | 指标数据处理方法、装置、设备及存储介质 | |
CN115129598A (zh) | 一种sql语句的风险检测方法、装置、***及介质 | |
CN114841661A (zh) | 一种离散加工管理方法及*** | |
CN114579975A (zh) | 漏洞管理方法、***、计算机设备及存储介质 | |
CN111427900B (zh) | 一种标签库更新方法、装置、设备及可读存储介质 | |
CN116072282B (zh) | 用于ct设备的远程智能检测分析方法及*** | |
CN117555428B (zh) | 一种人工智能交互方法、***、计算机设备及其存储介质 | |
CN113407226B (zh) | 组件信息的管理方法、装置和电子设备 | |
CN117150785B (zh) | 一种大豆生长全生育期仿真方法及*** | |
CN115379441A (zh) | 一种5g信号传输功率限制方法及*** | |
CN113778036A (zh) | 餐厨垃圾处理智能管理和控制方法及*** |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230602 Address after: 1618, No. 3000 Huandao East Road, Hengqin New District, Zhuhai City, Guangdong Province, 519000 Applicant after: Zhuhai Da Hengqin Incubator Management Co.,Ltd. Address before: 701-6, Building 10, Yard 88, Liuxiang Road, Fengtai District, Beijing, 100079 Applicant before: BEIJING AMAX HEAT EXCHANGE EQUIPMENT MANUFACTURING CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |