CN115964678B - 一种基于多传感器数据的智能识别方法及*** - Google Patents
一种基于多传感器数据的智能识别方法及*** Download PDFInfo
- Publication number
- CN115964678B CN115964678B CN202310254438.1A CN202310254438A CN115964678B CN 115964678 B CN115964678 B CN 115964678B CN 202310254438 A CN202310254438 A CN 202310254438A CN 115964678 B CN115964678 B CN 115964678B
- Authority
- CN
- China
- Prior art keywords
- data
- characteristic
- sensor
- recognition
- layer
- 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
Links
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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供了一种基于多传感器数据的智能识别方法及***,涉及数据分析技术领域,搭建传感器数据共享平台,获取第一识别目标的信息,输入传感器数据共享平台,根据传感器网络层获取多个一次传感数据源,根据数据传输层将其传输至特征识别层,获取多个数据特征强度,确定多个二次传感数据源,联合二次传感数据源通过数据输出层进行输出,解决了现有技术中对于多传感器数据的识别方法多为技术方面的革新,忽略传感数据源的特征强度,导致数据识别困难,造成数据识别效率低下且识别精准度不足的技术问题,通过进行追本溯源,基于传感数据源的根源进行分析,保障传感数据源的特征强度,以降低数据识别难度,提高识别效率与精准度。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种基于多传感器数据的智能识别方法及***。
背景技术
传感器作为进行数据收集与测量的设备,包括多种传感设备类型,一般而言,传感器基于预定频率进行数据采集,并发送至相应的数据接收端,基于接收的时间序列数据进行事物发展趋势与变化规律的确定,因此对于传感数据的识别精度要求较高,即需保障传感数据的特征强度。
现如今,当前的传统传感数据识别方法,主要通过建模、数据增强、数据挖掘等技术手段进行数据识别,忽略了对于传感数据源评估分析,加强了传感数据的识别难度。
现有技术中,对于多传感器数据的识别方法多为技术方面的革新,忽略传感数据源的特征强度,导致数据识别困难,造成数据识别效率低下且识别精准度不足。
发明内容
本申请提供了一种基于多传感器数据的智能识别方法及***,用于针对解决现有技术中存在的对于多传感器数据的识别方法多为技术方面的革新,忽略传感数据源的特征强度,导致数据识别困难,造成数据识别效率低下且识别精准度不足的技术问题。
鉴于上述问题,本申请提供了一种基于多传感器数据的智能识别方法及***。
第一方面,本申请提供了一种基于多传感器数据的智能识别方法,所述方法包括:
搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
获取第一识别目标的信息;
将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
根据所述多个数据特征强度,获取多个二次传感数据源;
将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出。
第二方面,本申请提供了一种基于多传感器数据的智能识别***,所述***包括:
平台搭建模块,所述平台搭建模块用于搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
信息获取模块,所述信息获取模块用于获取第一识别目标的信息;
一次传感数据源获取模块, 所述一次传感数据源获取模块用于将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
特征强度识别模块,所述特征强度识别模块用于根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
二次传感数据源获取模块,所述二次传感数据源获取模块用于根据所述多个数据特征强度,获取多个二次传感数据源;
数据源输出模块,所述数据源输出模块用于将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出。
本申请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:
本申请实施例提供的一种基于多传感器数据的智能识别方法,搭建所述传感器数据共享平台,包括传感器网络层、数据传输层、特征识别层和数据输出层;获取第一识别目标的信息,输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,所述多个一次传感数据源与多传感器一一对应;根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中,进行数据特征强度识别获取多个数据特征强度;根据所述多个数据特征强度,获取多个二次传感数据源;将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出,解决了现有技术中存在的对于多传感器数据的识别方法多为技术方面的革新,忽略传感数据源的特征强度,导致数据识别困难,造成数据识别效率低下且识别精准度不足的技术问题,通过进行追本溯源,基于传感数据源的根源进行分析,保障传感数据源的特征强度,以降低数据识别难度,提高识别效率与精准度。
附图说明
图1为本申请提供了一种基于多传感器数据的智能识别方法流程示意图;
图2为本申请提供了一种基于多传感器数据的智能识别方法中多个数据特征强度识别流程示意图;
图3为本申请提供了一种基于多传感器数据的智能识别方法中多个二次传感数据源获取流程示意图;
图4为本申请提供了一种基于多传感器数据的智能识别***结构示意图。
附图标记说明:平台搭建模块11,信息获取模块12,一次传感数据源获取模块13,特征强度识别模块14,二次传感数据源获取模块15,数据源输出模块16。
具体实施方式
本申请通过提供一种基于多传感器数据的智能识别方法及***,搭建所述传感器数据共享平台,获取第一识别目标的信息,输入传感器数据共享平台中,根据传感器网络层获取多个一次传感数据源,根据数据传输层将其传输至特征识别层,进行数据特征强度识别获取多个数据特征强度,根据多个数据特征强度,获取多个二次传感数据源;将一次传感数据源和二次传感数据源通过数据输出层进行输出,用于解决现有技术中存在的对于多传感器数据的识别方法多为技术方面的革新,忽略传感数据源的特征强度,导致数据识别困难,造成数据识别效率低下且识别精准度不足的技术问题。
实施例一
如图1所示,本申请提供了一种基于多传感器数据的智能识别方法,所述方法应用于多传感器数据处理***,所述***与一传感器数据共享平台通信连接,所述方法包括:
步骤S100:搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
具体而言,传感器作为进行数据收集与测量的设备,包括多种传感设备类型,一般而言,传感器基于预定频率进行数据采集,并发送至相应的数据接收端,基于接收的时间序列数据进行事物发展趋势与变化规律的确定,因此对于传感数据的识别精度要求较高,本申请提供的一种基于多传感器数据的智能识别方法应用于所述多传感数据处理***,所述***为进行传感数据处理全周期管理的总控***,所述***与一传感器数据共享平台通信连接,所述传感器数据共享平台为进行识别目标传感数据集成分析的中间性功能平台。
具体的,构建多层级功能层,包括所述传感器网络层、所述数据传输层、所述特征识别层与所述数据输出层,其中,所述传感器网络层用于进行数据集成,包含的多个网络脉络关联多传感器,所述数据传输层用于将所述传感器网络层集成的多传感数据发送至所述特征识别层,获取数据特征基于所述数据输出层进行输出,对所述传感器网络层、所述数据传输层、所述特征识别层与所述数据输出层进行顺序性层级关联,构成所述传感器数据共享平台,基于所述传感器数据共享平台进行多传感数据的识别分析,确保分析流程的规范化,保障识别能效。
步骤S200:获取第一识别目标的信息;
步骤S300:将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
具体而言,所述第一识别目标为待进行传感数据采集识别的目标,获取所述第一识别目标的信息,即可识别判定所述第一识别目标的基础信息,包括状态特征、形态属性等。进一步将所述第一识别目标的信息输入所述传感器数据共享平台中,进行信息识别确定与所述第一识别目标关联的多传感器,其中,所述多传感器包括多种类型,基于多维度对所述第一识别目标进行数据采集,保障信息的完备性。进而基于所述传感器数据共享平台的所述传感器网络层,集成所述多传感器的采集数据,其中一传感器对应的采集数据作为单项一次传感数据源,获取所述第一识别目标的多个一次传感数据源,所述多个一次传感数据源的获取为后续进行识别分析提供了实际数据支撑。
步骤S400:根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
进一步而言,如图2所示,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,本申请步骤S400还包括:
步骤S410:将所述一次传感数据源传输至所述特征识别层中,其中,所述特征识别层嵌有特征强度识别模型;
步骤S420:根据所述特征强度识别模型进行分析,获取特征数据传感粒度、特征数据时序性和特征数据标注量;
步骤S430:以所述特征数据传感粒度、特征数据时序性和特征数据标注量作为变量进行特征强度权重计算,输出所述多个数据特征强度。
具体而言,将所述多个一次传感数据源基于所述数据传输层,传输至所述特征识别层,基于所述特征识别层内嵌的所述特征强度识别模型,通过进行数据特征强度识别,输出所述多个数据特征强度。
具体的,构建所述特征强度识别模型,示例性的,采集多组样本传感数据源,分别进行特征识别确定多维度特征,包括多组样本特征数据传感粒度、多组样本特征数据时序性与多组样本特征数据标注量,对所述多组样本传感数据源与所述多维度特征进行映射关联,获取构建样本数据进行神经网络训练,生成特征参数提取层,配置多组预设特征权重,不同识别目标对应的特征参数权重可能存在差异性,将所述多组预设特征权重嵌入强度计算层,基于所述特征参数提取层与所述强度计算层,生成所述特征强度识别模型,将所述特征强度识别模型嵌入所述特征识别层中,进行网络层功能优化。
将所述一次传感数据源传输至所述特征识别层中,基于内嵌的所述特征强度识别模型进行识别匹配,获取所述特征数据传感粒度、所述特征数据时序性与所述特征数据标注量,其中,并非完整传感数据皆为特征数据,一段数据序列中可能只存在少数节点数据属于所述特征数据,所述特征数据传感粒度为特征数据较之完整传感数据源的提取节点。所述特征数据时序性为特征的提取时间节点的序列化,所述特征数据标注量为所述一次传感数据源初始采集后,存在的人工标注,存在人工标注的特征为必要性特征。
进一步基于所述强度计算层,确定契合预设特征权重,将所述特征数据传感粒度、特征数据时序性和特征数据标注量作为变量,针对不同特征数据,分别通过进行加权计算,将计算结果作为数据特征强度,集成所述多个数据特征强度进行模型输出。通过构建所述特征强度识别模型进行特征强度分析,可有效提高分析效率,保障分析结果的精准度与客观性。
进一步而言,本申请还存在步骤S440,包括:
步骤S441:获取测试样本数据集;
步骤S442:将所述测试样本数据集输入所述数据传输层中进行分析,获取传输样本数据集;
步骤S443:以所述传输样本数据集和所述测试样本数据集进行比对,得到传输损耗系数;
步骤S444:根据所述传输损耗系数对所述多个数据特征强度进行调整。
具体而言,基于所述数据传输层进行数据传输进程中,不可避免的会存在一定的传输损耗,造成些微数据偏差,导致最终确定的所述多个数据特征强度精准度不足。获取所述测试样本数据集,即与所述多个一次传感数据源同数据类型、同数据格式的样本数据。将所述测试样本数据输入所述数据传输层中,通过进行数据传输,将传输后的所述测试样本数据集作为所述传输样本数据集。对所述传输样本数据集与所述测试样本数据集进行数据重叠校对,基于两者的偏离程度确定传输损耗程度,获取所述传输损耗系数,即度量传输程度损耗的表述数据,所述传输损耗系数越大,对应的数据传输过程中的损耗程度越高。基于所述传输损耗系数,确定所述多个数据特征强度的调整方向与调整尺度,对所述多个数据特征强度进行调整。可有效缩减数据传输导致的数据偏差,提高所述多个数据特征强度的精准度。
步骤S500:根据所述多个数据特征强度,获取多个二次传感数据源;
步骤S600:将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出。
具体而言,对所述多个数据特征强度进行判定,将所述多个数据特征强度中不满足预设特征强度的N个传感器数据源作为存在重采集必要性数据源,将其发送至所述传感器数据共享平台的所述传感器网络层。分别基于特征强度差确定预设数据采集量,并生成N个数据采集指令。基于所述N个数据采集指令,控制对应的N个传感器,将所述预设数据采集量作为采集标准,进行传感数据采集,将采集结果作为所述多个二次传感数据源。
优选的,本申请实时例中构建的所述传感器数据共享平台存在多个闭环路径,其运行机制如下:对所述传感器网络层集成的所述多个一次传感数据源进行逐层分析,至所述特征识别层,进而进行特征强度判定,当特征强度皆满足对应的预设特征强度时,直接基于所述数据输出层进行所述多个一次传感数据源的输出;当特征强度不满足所述预设特征强度时,确定对应的传感数据源,由所述特征识别层反馈传输至所述传感器网络层,进行传感数据二次采集,联合所述一次传感数据源进行数据拟合,进一步直接传输至所述数据输出层进行输出。进一步基于输出的所述一次传感数据源与所述二次传感数据源,对所述第一识别目标进行分析,将分析结果发送至目标用户的信息终端。
进一步而言,如图3所示,本申请步骤S500还包括:
步骤S510:获取所述传感器网络层对应的多个传感器;
步骤S520:基于所述多个传感器的传感数据类型进行分类,输出传感器分类结果,其中,每一类传感器所输出的数据类型相同;
步骤S530:按照所述传感器分类结果,配置预设特征强度;
步骤S540:根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个二次传感数据源。
具体而言,所述传感器网络层关联了多个传感器,用于进行多类型传感数据的获取。对所述多个传感器基于采集的传感数据类型进行分类,示例性的,有的是信号,有的是以“0”“1”输出,或者红外传感图像输出,不同数据类型对应的识别方式不同,基于传感数据类型的分类结果,对所述多个传感器进行分类,获取所述传感器分类结果。针对所述传感器分类结果,分别配置所述预设特征强度,即判定数据特征强度是否达标的临界特征强度,其中,由于不同传感数据类型满足识别需求的特征强度不同,所述预设特征强度与所述传感器分类结果一一对应。对所述多个预设特征强度与所述多个数据特征强度进行映射对应,进而判断是否满足对应的所述预设特征强度,当不满足所述预设特征强度时,表明对应的一次传感数据源蕴含的特征强度较低,一定程度上会影响数据识别的精准度,需重新进行传感数据采集,将二次采集的传感数据源作为所述多个二次传感数据源,以保障每组数据的特征都达到最优采集,进一步提高数据识别准确度。
进一步而言,所述获取多个二次传感数据源,本申请步骤S540还包括:
步骤S541:根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个数据特征强度中小于所述预设特征强度的N个传感器数据源;
步骤S542:将所述N个传感器数据源发送至所述传感器网络层对应连接的N个传感器,生成N个数据采集指令;
步骤S543:以所述N个数据采集指令控制所述N个传感器进行数据采集,获取所述多个二次传感数据源。
进一步而言,所述生成N个数据采集指令,本申请步骤S542还包括:
步骤S5421:获取所述N个传感器数据源对应的N个特征强度差;
步骤S5422:以所述N个特征强度差进行转化,生成预设数据采集量,将所述预设数据采集量添加至所述N个数据采集指令中。
具体而言,通过对所述预设特征强度与所述多个数据特征强度进行比对,筛选提取所述多个数据特征强度中小于所述预设特征强度的特征强度,所述N个传感器数据源,即特征强度较弱存在数据二次采集必要性的数据源,并分别计算特征强度差,进行所述N个传感器数据源标注。将所述N个传感器数据源发送至所述传感器网络层,反馈至对应的所述N个传感器,分别生成所述N个数据采集指令,即进行数据源二次采集的开始指令。
具体的,基于所述N个传感器数据源,分别提取标注的所述N个特征强度差。配置单位特征强度差与数据采集量的转化比,将作为衡量转化标准,对所述N个特征强度差进行数据采集量转换,获取所述预设数据采集量,其中,所述预设数据采集量带有传感器标识。将所述预设数据采集量添加至对应的所述N个数据采集指令中。随着所述N个传感器对所述N个数据采集指令的接收,将所述预设数据采集两者作为采集标准,控制所述N个传感器进行数据采集,将二次采集的传感数据作为所述多个二次传感数据源。通过进行数据特征强度校对,准确判定存在二次采集必要性的数据源,将特征强度差作为数据二次采集量值的衡量标准,在保障数据识别需求的基础上精准度量采集量。
进一步而言,本申请还存在步骤S700,包括:
步骤S710:将所述一次传感数据源和所述二次传感数据源进行数据拟合,获取拟合传感数据;
步骤S720:以所述拟合传感数据对所述第一识别目标进行分析,获取所述第一识别目标的识别结果;
步骤S730:将所述识别结果由所述传感器数据共享平台传输至目标用户的信息终端。
具体而言,于所述一次传感数据源中,对所述二次传感数据源进行数据位置定位,进而进行数据拟合完成传感数据源的汇总规整,生成所述拟合传感数据,所述拟合传感数据为符合数据识别需求的,保障每组数据皆达到最优采集的采集数据。所述拟合传感数据为所述第一识别目标的传感数据,对所述第一识别目标进行状态、规律等多维度分析,将分析识别结果作为所述第一识别目标的识别结果。进一步将所述传感器数据共享平台作为中间媒介,将所述识别结果传输至素数目标用户的信息终端,所述目标用户基于所述信息终端接收的所述识别结果,直接获取所述第一识别目标的关联信息。
实施例二
基于与前述实施例中一种基于多传感器数据的智能识别方法相同的发明构思,如图4所示,本申请提供了一种基于多传感器数据的智能识别***,所述***包括:
平台搭建模块11,所述平台搭建模块11用于搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
信息获取模块12,所述信息获取模块12用于获取第一识别目标的信息;
一次传感数据源获取模块13, 所述一次传感数据源获取模块13用于将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
特征强度识别模块14,所述特征强度识别模块14用于根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
二次传感数据源获取模块15,所述二次传感数据源获取模块15用于根据所述多个数据特征强度,获取多个二次传感数据源;
数据源输出模块16,所述数据源输出模块16用于将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出。
进一步而言,所述***还包括:
传感器获取模块,所述传感器获取模块用于获取所述传感器网络层对应的多个传感器;
传感器分类模块,所述传感器分类模块基于所述多个传感器的传感数据类型进行分类,输出传感器分类结果,其中,每一类传感器所输出的数据类型相同;
强度配置模块,所述强度配置模块用于按照所述传感器分类结果,配置预设特征强度;
强度比对模块,所述强度比对模块用于根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个二次传感数据源。
进一步而言,所述***还包括:
数据源获取模块,所述数据源获取模块用于根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个数据特征强度中小于所述预设特征强度的N个传感器数据源;
指令生成模块,所述指令生成模块用于将所述N个传感器数据源发送至所述传感器网络层对应连接的N个传感器,生成N个数据采集指令;
数据采集模块,所述数据采集模块用于以所述N个数据采集指令控制所述N个传感器进行数据采集,获取所述多个二次传感数据源。
进一步而言,所述***还包括:
特征强度差获取模块,所述特征强度差获取模块用于获取所述N个传感器数据源对应的N个特征强度差;
采集量添加模块,所述采集量添加模块用于以所述N个特征强度差进行转化,生成预设数据采集量,将所述预设数据采集量添加至所述N个数据采集指令中。
进一步而言,所述***还包括:
数据拟合模块,所述数据拟合模块用于将所述一次传感数据源和所述二次传感数据源进行数据拟合,获取拟合传感数据;
目标分析模块,所述目标分析模块用于以所述拟合传感数据对所述第一识别目标进行分析,获取所述第一识别目标的识别结果;
结果传输模块,所述结果传输模块用于将所述识别结果由所述传感器数据共享平台传输至目标用户的信息终端。
进一步而言 ,所述***还包括:
数据源传输模块,所述数据源传输模块用于将所述一次传感数据源传输至所述特征识别层中,其中,所述特征识别层嵌有特征强度识别模型;
特征参数获取模块,所述特征参数获取模块用于根据所述特征强度识别模型进行分析,获取特征数据传感粒度、特征数据时序性和特征数据标注量;
特征强度计算模块,所述特征强度计算模块用于以所述特征数据传感粒度、特征数据时序性和特征数据标注量作为变量进行特征强度权重计算,输出所述多个数据特征强度。
进一步而言,所述***还包括:
样本获取模块,所述样本获取模块用于获取测试样本数据集;
样本传输分析模块,所述样本传输分析模块用于将所述测试样本数据集输入所述数据传输层中进行分析,获取传输样本数据集;
传输损耗获取模块,所述传输损耗获取模块用于以所述传输样本数据集和所述测试样本数据集进行比对,得到传输损耗系数;
数据特征强度调整模块,所述数据特征强度调整模块用于根据所述传输损耗系数对所述多个数据特征强度进行调整。
本说明书通过前述对一种基于多传感器数据的智能识别方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于多传感器数据的智能识别方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种基于多传感器数据的智能识别方法,其特征在于,所述方法应用于多传感器数据处理***,所述***与一传感器数据共享平台通信连接,所述方法包括:
搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
获取第一识别目标的信息;
将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
根据所述多个数据特征强度,获取多个二次传感数据源;
将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出;
将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,方法包括:
将所述一次传感数据源传输至所述特征识别层中,其中,所述特征识别层嵌有特征强度识别模型;
根据所述特征强度识别模型进行分析,获取特征数据传感粒度、特征数据时序性和特征数据标注量;
以所述特征数据传感粒度、特征数据时序性和特征数据标注量作为变量进行特征强度权重计算,输出所述多个数据特征强度;
所述特征数据传感粒度为特征数据传感数据源的提取节点,所述特征数据时序性为特征的提取时间节点的序列,所述特征数据标注量为所述一次传感数据源初始采集后,存在的人工标注;
获取测试样本数据集;
将所述测试样本数据集输入所述数据传输层中进行分析,获取传输样本数据集;
以所述传输样本数据集和所述测试样本数据集进行比对,得到传输损耗系数;
根据所述传输损耗系数对所述多个数据特征强度进行调整;
所述方法还包括:
获取所述传感器网络层对应的多个传感器;
基于所述多个传感器的传感数据类型进行分类,输出传感器分类结果,其中,每一类传感器所输出的数据类型相同;
按照所述传感器分类结果,配置预设特征强度;
根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个二次传感数据源;
所述获取多个二次传感数据源,方法包括:
根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个数据特征强度中小于所述预设特征强度的N个传感器数据源;
将所述N个传感器数据源发送至所述传感器网络层对应连接的N个传感器,生成N个数据采集指令;
以所述N个数据采集指令控制所述N个传感器进行数据采集,获取所述多个二次传感数据源;
所述生成N个数据采集指令,还包括:
获取所述N个传感器数据源对应的N个特征强度差;
以所述N个特征强度差进行转化,生成预设数据采集量,将所述预设数据采集量添加至所述N个数据采集指令中。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述一次传感数据源和所述二次传感数据源进行数据拟合,获取拟合传感数据;
以所述拟合传感数据对所述第一识别目标进行分析,获取所述第一识别目标的识别结果;
将所述识别结果由所述传感器数据共享平台传输至目标用户的信息终端。
3.一种基于多传感器数据的智能识别***,其特征在于,所述***与一传感器数据共享平台通信连接,所述***包括:
平台搭建模块,所述平台搭建模块用于搭建所述传感器数据共享平台,其中,所述传感器数据共享平台包括传感器网络层、数据传输层、特征识别层和数据输出层;
信息获取模块,所述信息获取模块用于获取第一识别目标的信息;
一次传感数据源获取模块, 所述一次传感数据源获取模块用于将所述第一识别目标的信息输入所述传感器数据共享平台中,根据所述传感器数据共享平台的所述传感器网络层,获取基于所述第一识别目标的多个一次传感数据源,其中,所述多个一次传感数据源与多传感器一一对应;
特征强度识别模块,所述特征强度识别模块用于根据所述数据传输层,将所述多个一次传感数据源传输至所述特征识别层中进行数据特征强度识别,获取多个数据特征强度;
二次传感数据源获取模块,所述二次传感数据源获取模块用于根据所述多个数据特征强度,获取多个二次传感数据源;
数据源输出模块,所述数据源输出模块用于将所述一次传感数据源和所述二次传感数据源通过所述数据输出层进行输出;
数据源传输模块,所述数据源传输模块用于将所述一次传感数据源传输至所述特征识别层中,其中,所述特征识别层嵌有特征强度识别模型;
特征参数获取模块,所述特征参数获取模块用于根据所述特征强度识别模型进行分析,获取特征数据传感粒度、特征数据时序性和特征数据标注量;
特征强度计算模块,所述特征强度计算模块用于以所述特征数据传感粒度、特征数据时序性和特征数据标注量作为变量进行特征强度权重计算,输出所述多个数据特征强度,其中,所述特征数据传感粒度为特征数据传感数据源的提取节点,所述特征数据时序性为特征的提取时间节点的序列,所述特征数据标注量为一次传感数据源初始采集后,存在的人工标注;
样本获取模块,所述样本获取模块用于获取测试样本数据集;
样本传输分析模块,所述样本传输分析模块用于将所述测试样本数据集输入所述数据传输层中进行分析,获取传输样本数据集;
传输损耗获取模块,所述传输损耗获取模块用于以所述传输样本数据集和所述测试样本数据集进行比对,得到传输损耗系数;
数据特征强度调整模块,所述数据特征强度调整模块用于根据所述传输损耗系数对所述多个数据特征强度进行调整;
传感器获取模块,所述传感器获取模块用于获取所述传感器网络层对应的多个传感器;
传感器分类模块,所述传感器分类模块基于所述多个传感器的传感数据类型进行分类,输出传感器分类结果,其中,每一类传感器所输出的数据类型相同;
强度配置模块,所述强度配置模块用于按照所述传感器分类结果,配置预设特征强度;
强度比对模块,所述强度比对模块用于根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个二次传感数据源;
数据源获取模块,所述数据源获取模块用于根据所述预设特征强度与所述多个数据特征强度进行比对,获取所述多个数据特征强度中小于所述预设特征强度的N个传感器数据源;
指令生成模块,所述指令生成模块用于将所述N个传感器数据源发送至所述传感器网络层对应连接的N个传感器,生成N个数据采集指令;
数据采集模块,所述数据采集模块用于以所述N个数据采集指令控制所述N个传感器进行数据采集,获取所述多个二次传感数据源;
特征强度差获取模块,所述特征强度差获取模块用于获取所述N个传感器数据源对应的N个特征强度差;采集量添加模块,所述采集量添加模块用于以所述N个特征强度差进行转化,生成预设数据采集量,将所述预设数据采集量添加至所述N个数据采集指令中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254438.1A CN115964678B (zh) | 2023-03-16 | 2023-03-16 | 一种基于多传感器数据的智能识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310254438.1A CN115964678B (zh) | 2023-03-16 | 2023-03-16 | 一种基于多传感器数据的智能识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115964678A CN115964678A (zh) | 2023-04-14 |
CN115964678B true CN115964678B (zh) | 2023-10-03 |
Family
ID=87354984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310254438.1A Active CN115964678B (zh) | 2023-03-16 | 2023-03-16 | 一种基于多传感器数据的智能识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115964678B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897839A (zh) * | 2017-03-08 | 2017-06-27 | 武汉盛华伟业科技有限公司 | 一种井场数据一体化协同工作平台 |
CN110664412A (zh) * | 2019-09-19 | 2020-01-10 | 天津师范大学 | 一种面向可穿戴传感器的人类活动识别方法 |
EP3816879A1 (en) * | 2019-11-04 | 2021-05-05 | Gaf AG | A method of yield estimation for arable crops and grasslands and a system for performing the method |
WO2021139424A1 (zh) * | 2020-05-14 | 2021-07-15 | 平安科技(深圳)有限公司 | 文本内涵质量的评估方法、装置、设备及存储介质 |
CN114330318A (zh) * | 2021-12-20 | 2022-04-12 | 华南师范大学 | 一种金融领域中文细粒度实体识别方法及装置 |
CN114973120A (zh) * | 2022-04-14 | 2022-08-30 | 山东大学 | 一种基于多维传感数据与监控视频多模异构融合的行为识别方法及*** |
CN115292285A (zh) * | 2022-08-04 | 2022-11-04 | 中国人民解放军国防科技大学 | 一种基于分布式架构的数据专题管理方法及*** |
CN115661376A (zh) * | 2022-12-28 | 2023-01-31 | 深圳市安泽拉科技有限公司 | 一种基于无人机图像的目标重建方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2964705T3 (es) * | 2016-05-06 | 2024-04-09 | Univ Leland Stanford Junior | Plataformas móviles y portátiles de captura y retroalimentación de vídeo para la terapia de trastornos mentales |
US20210382893A1 (en) * | 2020-06-08 | 2021-12-09 | Dropbox, Inc. | Intelligently identifying the most knowledgable person based on multiple data source inputs |
-
2023
- 2023-03-16 CN CN202310254438.1A patent/CN115964678B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897839A (zh) * | 2017-03-08 | 2017-06-27 | 武汉盛华伟业科技有限公司 | 一种井场数据一体化协同工作平台 |
CN110664412A (zh) * | 2019-09-19 | 2020-01-10 | 天津师范大学 | 一种面向可穿戴传感器的人类活动识别方法 |
EP3816879A1 (en) * | 2019-11-04 | 2021-05-05 | Gaf AG | A method of yield estimation for arable crops and grasslands and a system for performing the method |
WO2021139424A1 (zh) * | 2020-05-14 | 2021-07-15 | 平安科技(深圳)有限公司 | 文本内涵质量的评估方法、装置、设备及存储介质 |
CN114330318A (zh) * | 2021-12-20 | 2022-04-12 | 华南师范大学 | 一种金融领域中文细粒度实体识别方法及装置 |
CN114973120A (zh) * | 2022-04-14 | 2022-08-30 | 山东大学 | 一种基于多维传感数据与监控视频多模异构融合的行为识别方法及*** |
CN115292285A (zh) * | 2022-08-04 | 2022-11-04 | 中国人民解放军国防科技大学 | 一种基于分布式架构的数据专题管理方法及*** |
CN115661376A (zh) * | 2022-12-28 | 2023-01-31 | 深圳市安泽拉科技有限公司 | 一种基于无人机图像的目标重建方法及*** |
Non-Patent Citations (2)
Title |
---|
王永利 ; 刘景春 ; 于占龙 ; 富春岩 ; 刁树民 ; .传感数据起源信息的多粒度标注与多分辨压缩.南通大学学报(自然科学版).2010,(第03期),全文. * |
郝志峰 ; 黄浩 ; 蔡瑞初 ; 温雯 ; .基于多特征融合与双向RNN的细粒度意见分析.计算机工程.2018,(第07期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115964678A (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064454A (zh) | 产品缺陷检测方法及*** | |
CN110411580B (zh) | 一种电力设备发热缺陷的诊断方法以及诊断*** | |
CN111353379B (zh) | 基于权重聚类的信号测量特征匹配标注方法 | |
CN107423754B (zh) | 一种基于参数多属性自主智能决策的辐射源自动识别*** | |
CN108537790B (zh) | 基于耦合翻译网络的异源图像变化检测方法 | |
CN116092214B (zh) | 一种轻量化白车身总成生产的同步监测方法及*** | |
CN114994261A (zh) | 环境空气监测的传感器远程校准方法 | |
CN112181006B (zh) | 一种基于大数据的环境智能处理方法、***及存储介质 | |
CN116600104B (zh) | 一种用于ipc网络摄像头的采相质量分析方法及*** | |
CN116228028B (zh) | 一种塑料箱包的应用性能评估方法及*** | |
CN115964678B (zh) | 一种基于多传感器数据的智能识别方法及*** | |
CN114861705A (zh) | 一种基于多特征异构融合的电磁目标智能感知识别方法 | |
CN110072205A (zh) | 一种用于无线传感网异常数据检测的分层聚合方法 | |
CN118032711B (zh) | 一种***体传感器的信号控制方法及*** | |
CN116152709A (zh) | 一种装修垃圾智能分级预处理方法及*** | |
CN115953436A (zh) | 一种孕期宠物行为智能评估预警方法及*** | |
CN117037771B (zh) | 基于语音识别储存的零冷水控制方法及装置 | |
CN116859875B (zh) | 一种基于使用需求的钢管生产工艺调节控制方法及*** | |
CN115150430A (zh) | 一种基于物联网的自动售卖机运营数据采集*** | |
CN116071532B (zh) | 一种户外箱柜智能门控方法及*** | |
CN115039549A (zh) | 一种农作物种植施肥信息处理方法及*** | |
CN113884756A (zh) | 一种电能计量边缘采集装置及方法 | |
CN113128158A (zh) | 一种无线电能传输***的耦合系数辨识方法 | |
CN116296345B (zh) | 一种舵机性能测试方法 | |
CN116137551B (zh) | 一种通信侦察性能测试控制方法 |
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 |