CN117197770A - 一种基于物联网的巡检全流程数据监管***及方法 - Google Patents

Abstract

本发明公开了一种基于物联网的巡检全流程数据监管***及方法，包括：获取目标巡检区域的三维场景，通过需求信息结合三维场景制定巡检路线，将目标巡检区域进行划分，提取区域特征，根据区域特征结合位置信息为巡检人员和机器人分配对应的巡检路线；判断巡检人员和机器人实时位置信息与巡检路线的匹配程度，并设置巡检数据的数据要求，判断感知的巡检数据是否满足对应数据要求；将满足要求的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态。本发明对巡检任务的全流程进行信息化指导，提升巡检效率的同时，大大提高了巡检数据的可信度及可用性，另外对异常状态及运维情况实现可视化，提高了巡检的质量。

Description

一种基于物联网的巡检全流程数据监管***及方法

技术领域

本发明涉及巡检技术领域，更具体的，涉及一种基于物联网的巡检全流程数据监管***及方法。

背景技术

“互联网+”时代的来临，进一步推动了信息化社会发展的质量，基于大数据处理技术、物联网技术以及计算机网络技术的智能控制***应运而生，并且已经渗透到各个领域，成为推动工业发展以及全民生活质量提升的重要载体。由于整体社会进步，对于电力输送的要求也在不断提升，全面落实智能化的输电巡检工作，能够进一步提升用电安全性和稳定性。电网管理方式的优化和升级是不断满足社会发展用电需求的重要工作，在优化管控的过程中也容易出现较多的漏洞。

电网巡检是指对设施、设备固定的点进行巡查、检查，在电厂巡检设备的过程中存在数据获取方式繁琐、设备漏检现象频繁；现场作业人员在监测数据过程中多有不便之处；电网设备所处环境相对复杂，部分设备设施信息不够清晰，且电网管理人员无法确认巡检人员巡检状态和进度，不利于巡检到位情况和巡检质量的监督，并且在大规模巡检的过程中容易出现误报、漏报等情况；此外缺乏监测设备实时运行情况的手段和方式，难以对设备的运行状态进行监督与评估。因此，在电网管理中，如何基于物联网制定高效巡检方法并对巡检数据进行监管是目前亟需解决的问题。

发明内容

为了解决上述技术问题，本发明提出了涉及一种基于物联网的巡检全流程数据监管***及方法。

本发明第一方面提供了一种基于物联网的巡检全流程数据监管方法，包括：

获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

本方案中，获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，具体为：

采集目标巡检区域的图像信息及激光点云数据，将所述图像信息及激光点云数据进行预处理，利用预处理后的图像信息进行激光点云数据的杂点消除；

将激光点云数据进行拼接及坐标转换，利用坐标转换后的激光点云数据结合环境数据进行三维重建，生成目标巡检区域的三维数据；

获取目标巡检区域中的电力设备及装配关系，根据电力设备的空间位置及装配关系对电力设备对应的三维模型进行组合，根据目标巡检区域的历史运行数据进行校准调整，构建电力设备的数字孪生模型；

将目标巡检区域的三维数据与电力设备的数字孪生模型结合获取目标巡检区域的三维场景，并根据所述三维场景提取道路拓扑图；

获取目标巡检区域中当前巡检任务的需求信息，并根据历史巡检数据设置巡检点分布，根据路径最小原则规划巡检路线。

本方案中，通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线，具体为：

通过数据感知获取目标巡检区域中巡检人员及巡检机器人的位置信息，将所述位置信息反馈至三维场景结合巡检人员及巡检机器人的基本信息进行标注；

利用格栅划分将三维场景划分为若干子区域，获取子区域的历史异常数据及电力设备与对应管线的复杂程度，并获取子区域的地理信息及可通过性得到安全程度，根据所述历史异常数据、复杂程度及安全程度生成子区域的区域特征；

设置人工巡检及机器巡检两个区域标签，确定聚类簇数为2，利用聚类算法获取各子区域与区域标签的对应关系；

根据巡检人员及巡检机器人的位置信息将巡检人员及巡检机器人按照区域标签分配至距离最近的子区域，并将子区域对应的巡检路线根据当前位置信息进行调整；

将调整后的巡检路线按照预设方式发送至巡检人员及巡检机器人。

本方案中，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，具体为：

读取各子区域中巡检人员及巡检机器人的实时位置信息生成位置序列作为轨迹信息，将所述轨迹信息与各子区域的巡检路线利用动态时间规整算法计算匹配程度；

利用数据检索获取需求信息对应的历史巡检数据，筛选符合预设标准的历史巡检数据进行整合提取能够满足巡检任务的数据要求，并根据各子区域的区域特征生成调整系数对数据要求进行修正，利用各子区域的数据要求进行巡检数据的采集；

根据巡检任务的需求信息获取对应的任务工作流，通过所述任务工作流生成巡检任务指引，根据所述巡检任务指引建立数据异常监管任务，提取前次巡检数据作为数据基准；

判断当前巡检任务指引下获取的巡检数据与数据基准的偏差是否大于预设偏差阈值，若大于，则将当前巡检数据视为无效数据，提醒巡检人员或巡检机器人再次采集，当再次采集的巡检数据与首次巡检数据一致时，则发送至云数据库，生成异常状态预警；

根据巡检任务指引生成带有匹配程度及数据规格的巡检数据序列，分别计算匹配程度及数据规格与预设标准的偏差，通过判断巡检数据序列中各时间戳的数据是否满足预设标准。

本方案中，通过所述任务工作流生成巡检任务指引，还包括：

通过巡检任务指引对巡检质量及巡检完成度进行监管，当检测到当前巡检任务指引下有巡检数据导入时，则生成下一巡检任务指引，根据工作人员的巡检操作耗时生成各巡检任务指引下对应的时长标签；

当巡检人员在当前巡检任务指引下的操作时长大于对应的时长标签，则生成提醒信息，发送至对应巡检人员，预设等待时间阈值，当对应巡检人员没有在等待时间阈值内反馈，则生成安全预警；

将所述安全预警结合基本信息优先发送至距离最近巡检人员或巡检机器人，并同步发送到监管中心。

本方案中，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态，具体为：

获取满足预设标准的巡检数据结合位置标签导入云数据库，在云数据库中进行数据分类，通过不同数据种类的标准化处理后生成多源数据序列，基于所述多源数据序列与前次巡检任务对应的多源数据序列进行对比，获取关键数据序列；

根据历史巡检数据对应的历史异常状态构建识别训练集，基于卷积神经网络构建异常识别模型，利用所述识别训练集进行模型训练，将关键数据序列导入所述异常识别模型中；

通过卷积层提取关键数据序列中的多维特征，引入时间注意力方法获取特征时序相关度，设置时间注意力权重将关键数据序列中的多维特征进行融合；

通过多维融合特征识别目标巡检区域中的异常状态及潜在异常，将所述异常状态及潜在异常匹配位置标签生成运维工单，按照预设方式进行发送；

将运维信息在三维场景中进行可视化显示，当异常状态大于预设严重阈值时，则在运维前调度空闲巡检机器人进行实时监测。

本发明第二方面还提供了一种基于物联网的巡检全流程数据监管***，该***包括：存储器、处理器，所述存储器中包括一种基于物联网的巡检全流程数据监管方法程序，所述一种基于物联网的巡检全流程数据监管方法程序被所述处理器执行时实现如下步骤：

获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

本发明公开了一种基于物联网的巡检全流程数据监管***及方法，包括：获取目标巡检区域的三维场景，通过需求信息结合三维场景制定巡检路线，将目标巡检区域进行划分，提取区域特征，根据区域特征结合位置信息为巡检人员和机器人分配对应的巡检路线；判断巡检人员和机器人实时位置信息与巡检路线的匹配程度，并设置巡检数据的数据要求，判断感知的巡检数据是否满足对应数据要求；将满足要求的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态。本发明对巡检任务的全流程进行信息化指导，提升巡检效率的同时，大大提高了巡检数据的可信度及可用性，另外对异常状态及运维情况实现可视化，提高了巡检的质量。

附图说明

图1示出了本发明一种基于物联网的巡检全流程数据监管方法的流程图；

图2示出了本发明根据区域特征结合位置信息分配巡检路线的方法流程图；

图3示出了本发明验证巡检数据是否满足预设标准的方法流程图；

图4示出了本发明一种基于物联网的巡检全流程数据监管***的框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于物联网的巡检全流程数据监管方法的流程图。

如图1所示，本发明第一方面提供了一种基于物联网的巡检全流程数据监管方法，包括：

S102，获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

S104，通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

S106，根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

S108，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

S110，将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

需要说明的是，三维场景根据目标巡检区域的物理环境及各种电力设备的部署情况构建，用户能够在所述三维场景中实时获取巡检数据，明确目标巡检区域的异常情况及需要运维的地点，掌握巡检人员及巡检机器人的位置信息及状态信息。

采集目标巡检区域的图像信息及激光点云数据，将所述图像信息及激光点云数据进行预处理，利用预处理后的图像信息进行激光点云数据的杂点消除；将激光点云数据进行拼接及坐标转换，利用坐标转换后的激光点云数据结合环境数据进行三维重建，将点云数据进行组去噪及精简后根据图像信息进行封装，封装后进行缺口的填补生成目标巡检区域的三维数据；获取目标巡检区域中的电力设备及装配关系，根据电力设备的空间位置及装配关系对电力设备对应的三维模型进行组合，根据目标巡检区域的历史运行数据进行校准调整，构建电力设备的数字孪生模型；将目标巡检区域的三维数据与电力设备的数字孪生模型结合获取目标巡检区域的三维场景，并根据所述三维场景提取道路拓扑图；获取目标巡检区域中当前巡检任务的需求信息，并根据历史巡检数据设置巡检点分布，通过历史巡检数据获取当前需求信息下各子区域的历史异常数据，历史异常数据越多说明子区域为高频异常区域，对应子区域的巡检点应该也越多，根据路径最小原则规划巡检路线，优选的巡检路径的规划可以通过遗传算法、A*算法及粒子群算法等方法进行实现。

图2示出了本发明根据区域特征结合位置信息分配巡检路线的方法流程图。

根据本发明实施例，通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线，具体为：

S202，通过数据感知获取目标巡检区域中巡检人员及巡检机器人的位置信息，将所述位置信息反馈至三维场景结合巡检人员及巡检机器人的基本信息进行标注；

S204，利用格栅划分将三维场景划分为若干子区域，获取子区域的历史异常数据及电力设备与对应管线的复杂程度，并获取子区域的地理信息及可通过性得到安全程度，根据所述历史异常数据、复杂程度及安全程度生成子区域的区域特征；

S206，设置人工巡检及机器巡检两个区域标签，确定聚类簇数为2，利用聚类算法获取各子区域与区域标签的对应关系；

S208，根据巡检人员及巡检机器人的位置信息将巡检人员及巡检机器人按照区域标签分配至距离最近的子区域，并将子区域对应的巡检路线根据当前位置信息进行调整；

S210，将调整后的巡检路线按照预设方式发送至巡检人员及巡检机器人。

需要说明的是，巡检人员及巡检机器人的位置信息能够从终端设备及自身IMU获取，由于电厂或变电站存在很多设备复杂并通道狭小的区域，巡检人员巡检困难，而巡检机器人为此类区域的检测工作问题提供了较佳的解决方案。根据历史异常数据、复杂程度及安全程度生成子区域的区域特征，对各个子区域的区域特征进行评估，若某个子区域历史异常数据数量越多说明该子区域的异常发生频率高，巡检任务量繁重，将历史异常数据数量多、复杂程度高及安全程度低的子区域利用巡检机器人进行巡检。

图3示出了本发明验证巡检数据是否满足预设标准的方法流程图。

根据本发明实施例，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，具体为：

S302，读取各子区域中巡检人员及巡检机器人的实时位置信息生成位置序列作为轨迹信息，将所述轨迹信息与各子区域的巡检路线利用动态时间规整算法计算匹配程度；

S304，利用数据检索获取需求信息对应的历史巡检数据，筛选符合预设标准的历史巡检数据进行整合提取能够满足巡检任务的数据要求，并根据各子区域的区域特征生成调整系数对数据要求进行修正，利用各子区域的数据要求进行巡检数据的采集；

S306，根据巡检任务的需求信息获取对应的任务工作流，通过所述任务工作流生成巡检任务指引，根据所述巡检任务指引建立数据异常监管任务，提取前次巡检数据作为数据基准；

S308，判断当前巡检任务指引下获取的巡检数据与数据基准的偏差是否大于预设偏差阈值，若大于，则将当前巡检数据视为无效数据，提醒巡检人员或巡检机器人再次采集，当再次采集的巡检数据与首次巡检数据一致时，则发送至云数据库，生成异常状态预警；

S310，根据巡检任务指引生成带有匹配程度及数据规格的巡检数据序列，分别计算匹配程度及数据规格与预设标准的偏差，通过判断巡检数据序列中各时间戳的数据是否满足预设标准。

需要说明的是，根据历史巡检数据获取满足巡检任务需求信息的数据要求，利用子区域之间的相似度实现不同子区域数据要求的共享，提高了巡检效率；根据各子区域的区域特征生成调整系数对数据要求进行修正，例如，子区域中管线复杂程度较高时，需要获取分辨率更高的图像信息；根据数据要求进行数据采集获取巡检数据，判断巡检数据的数据规格，将巡检数据中不符合数据要求的异常巡检数据进行剔除。对于特定巡检任务指引，引入数据异常监管，例如，对于压力、温度、电压、电流等关键参数，将前次巡检数据作为数据基准，若与数据基准偏差过大，则说明该数据无效，再次检测后当两次巡检数据一致，则说明该位置存在异常状态，发送至云数据库并生成预警。

需要说明的是，通过巡检任务指引对巡检质量及巡检完成度进行监管，当检测到当前巡检任务指引下有巡检数据导入时，则生成下一巡检任务指引，根据工作人员的巡检操作耗时生成各巡检任务指引下对应的时长标签；当巡检人员在当前巡检任务指引下的操作时长大于对应的时长标签，则生成提醒信息，发送至对应巡检人员，预设等待时间阈值，当对应巡检人员没有在等待时间阈值内反馈，则生成安全预警；将所述安全预警结合基本信息优先发送至距离最近巡检人员或巡检机器人，并同步发送到监管中心。通过三维场景获取巡检机器人状态，当巡检机器人处于空闲状态时，获取邻域子区域中各人工巡检子区域的巡检进度，根据所述巡检进度读取各子区域的剩余巡检任务量，根据巡检机器人的在各巡检任务指引下的平均操作时长，计算剩余巡检任务量的预计工作时长；获取巡检机器人工作时长与电量的相关度，获取空闲巡检机器人电量值对应的工作时长，将所述工作时长与各人工巡检子区域的预计工作时长进行对比，获取偏差最小的人工巡检子区域进行人工-机器联合巡检，提取联合巡检区域的巡检路线，将巡检路线的终点作为巡检机器人的巡检起点；并提取联合巡检区域中数据要求覆盖巡检机器人的原有数据要求。

需要说明的是，获取满足预设标准的巡检数据结合位置标签导入云数据库，在云数据库中进行数据分类，通过不同数据种类的标准化处理后生成多源数据序列包括图像信息、压力、温度、电压、电流等参数，由需求信息对应的传感器确定。云数据库进行集中分类处理并存入云数据库中，云数据库中的数据可以为下一次的巡检任务提供相关依据。基于所述多源数据序列与前次巡检任务对应的多源数据序列进行对比，获取关键数据序列；根据历史巡检数据对应的历史异常状态构建识别训练集，基于卷积神经网络构建异常识别模型，利用所述识别训练集进行模型训练，将关键数据序列导入所述异常识别模型中；通过卷积层提取关键数据序列中的多维特征，引入时间注意力方法获取特征时序相关度，设置时间注意力权重将关键数据序列中的多维特征进行融合；通过多维融合特征识别目标巡检区域中的异常状态及潜在异常，将所述异常状态及潜在异常匹配位置标签生成运维工单，按照预设方式进行发送；将运维信息在三维场景中进行可视化显示，当异常状态大于预设严重阈值时，则在运维前调度空闲巡检机器人进行实时监测。

图4示出了本发明一种基于物联网的巡检全流程数据监管***的框图。

本发明第二方面还提供了一种基于物联网的巡检全流程数据监管***4，该***包括：存储器41、处理器42，所述存储器中包括基于物联网的巡检全流程数据监管方法程序，所述基于物联网的巡检全流程数据监管方法程序被所述处理器执行时实现如下步骤：

获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

需要说明的是，三维场景根据目标巡检区域的物理环境及各种电力设备的部署情况构建，用户能够在所述三维场景中实时获取巡检数据，明确目标巡检区域的异常情况及需要运维的地点，掌握巡检人员及巡检机器人的位置信息及状态信息。

采集目标巡检区域的图像信息及激光点云数据，将所述图像信息及激光点云数据进行预处理，利用预处理后的图像信息进行激光点云数据的杂点消除；将激光点云数据进行拼接及坐标转换，利用坐标转换后的激光点云数据结合环境数据进行三维重建，将点云数据进行组去噪及精简后根据图像信息进行封装，封装后进行缺口的填补生成目标巡检区域的三维数据；获取目标巡检区域中的电力设备及装配关系，根据电力设备的空间位置及装配关系对电力设备对应的三维模型进行组合，根据目标巡检区域的历史运行数据进行校准调整，构建电力设备的数字孪生模型；将目标巡检区域的三维数据与电力设备的数字孪生模型结合获取目标巡检区域的三维场景，并根据所述三维场景提取道路拓扑图；获取目标巡检区域中当前巡检任务的需求信息，并根据历史巡检数据设置巡检点分布，通过历史巡检数据获取当前需求信息下各子区域的历史异常数据，历史异常数据越多说明子区域为高频异常区域，对应子区域的巡检点应该也越多，根据路径最小原则规划巡检路线，优选的巡检路径的规划可以通过遗传算法、A*算法及粒子群算法等方法进行实现。

根据本发明实施例，通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线，具体为：

通过数据感知获取目标巡检区域中巡检人员及巡检机器人的位置信息，将所述位置信息反馈至三维场景结合巡检人员及巡检机器人的基本信息进行标注；

利用格栅划分将三维场景划分为若干子区域，获取子区域的历史异常数据及电力设备与对应管线的复杂程度，并获取子区域的地理信息及可通过性得到安全程度，根据所述历史异常数据、复杂程度及安全程度生成子区域的区域特征；

设置人工巡检及机器巡检两个区域标签，确定聚类簇数为2，利用聚类算法获取各子区域与区域标签的对应关系；

根据巡检人员及巡检机器人的位置信息将巡检人员及巡检机器人按照区域标签分配至距离最近的子区域，并将子区域对应的巡检路线根据当前位置信息进行调整；

将调整后的巡检路线按照预设方式发送至巡检人员及巡检机器人。

需要说明的是，巡检人员及巡检机器人的位置信息能够从终端设备及自身IMU获取，由于电厂或变电站存在很多设备复杂并通道狭小的区域，巡检人员巡检困难，而巡检机器人为此类区域的检测工作问题提供了较佳的解决方案。根据历史异常数据、复杂程度及安全程度生成子区域的区域特征，对各个子区域的区域特征进行评估，若某个子区域历史异常数据数量越多说明该子区域的异常发生频率高，巡检任务量繁重，将历史异常数据数量多、复杂程度高及安全程度低的子区域利用巡检机器人进行巡检。

根据本发明实施例，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，具体为：

读取各子区域中巡检人员及巡检机器人的实时位置信息生成位置序列作为轨迹信息，将所述轨迹信息与各子区域的巡检路线利用动态时间规整算法计算匹配程度；

利用数据检索获取需求信息对应的历史巡检数据，筛选符合预设标准的历史巡检数据进行整合提取能够满足巡检任务的数据要求，并根据各子区域的区域特征生成调整系数对数据要求进行修正，利用各子区域的数据要求进行巡检数据的采集；

根据巡检任务的需求信息获取对应的任务工作流，通过所述任务工作流生成巡检任务指引，根据所述巡检任务指引建立数据异常监管任务，提取前次巡检数据作为数据基准；

判断当前巡检任务指引下获取的巡检数据与数据基准的偏差是否大于预设偏差阈值，若大于，则将当前巡检数据视为无效数据，提醒巡检人员或巡检机器人再次采集，当再次采集的巡检数据与首次巡检数据一致时，则发送至云数据库，生成异常状态预警；

根据巡检任务指引生成带有匹配程度及数据规格的巡检数据序列，分别计算匹配程度及数据规格与预设标准的偏差，通过判断巡检数据序列中各时间戳的数据是否满足预设标准。

需要说明的是，根据历史巡检数据获取满足巡检任务需求信息的数据要求，利用子区域之间的相似度实现不同子区域数据要求的共享，提高了巡检效率；根据各子区域的区域特征生成调整系数对数据要求进行修正，例如，子区域中管线复杂程度较高时，需要获取分辨率更高的图像信息；根据数据要求进行数据采集获取巡检数据，判断巡检数据的数据规格，将巡检数据中不符合数据要求的异常巡检数据进行剔除。对于特定巡检任务指引，引入数据异常监管，例如，对于压力、温度、电压、电流等关键参数，将前次巡检数据作为数据基准，若与数据基准偏差过大，则说明该数据无效，再次检测后当两次巡检数据一致，则说明该位置存在异常状态，发送至云数据库并生成预警。

需要说明的是，通过巡检任务指引对巡检质量及巡检完成度进行监管，当检测到当前巡检任务指引下有巡检数据导入时，则生成下一巡检任务指引，根据工作人员的巡检操作耗时生成各巡检任务指引下对应的时长标签；当巡检人员在当前巡检任务指引下的操作时长大于对应的时长标签，则生成提醒信息，发送至对应巡检人员，预设等待时间阈值，当对应巡检人员没有在等待时间阈值内反馈，则生成安全预警；将所述安全预警结合基本信息优先发送至距离最近巡检人员或巡检机器人，并同步发送到监管中心。

需要说明的是，获取满足预设标准的巡检数据结合位置标签导入云数据库，在云数据库中进行数据分类，通过不同数据种类的标准化处理后生成多源数据序列，基于所述多源数据序列与前次巡检任务对应的多源数据序列进行对比，获取关键数据序列；根据历史巡检数据对应的历史异常状态构建识别训练集，基于卷积神经网络构建异常识别模型，利用所述识别训练集进行模型训练，将关键数据序列导入所述异常识别模型中；通过卷积层提取关键数据序列中的多维特征，引入时间注意力方法获取特征时序相关度，设置时间注意力权重将关键数据序列中的多维特征进行融合；通过多维融合特征识别目标巡检区域中的异常状态及潜在异常，将所述异常状态及潜在异常匹配位置标签生成运维工单，按照预设方式进行发送；将运维信息在三维场景中进行可视化显示，当异常状态大于预设严重阈值时，则在运维前调度空闲巡检机器人进行实时监测。

本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于物联网的巡检全流程数据监管方法程序，所述基于物联网的巡检全流程数据监管方法程序被处理器执行时，实现如上述任一项所述的基于物联网的巡检全流程数据监管方法的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于物联网的巡检全流程数据监管方法，其特征在于，包括以下步骤：

获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

2.根据权利要求1所述的一种基于物联网的巡检全流程数据监管方法，其特征在于，获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，具体为：

采集目标巡检区域的图像信息及激光点云数据，将所述图像信息及激光点云数据进行预处理，利用预处理后的图像信息进行激光点云数据的杂点消除；

将激光点云数据进行拼接及坐标转换，利用坐标转换后的激光点云数据结合环境数据进行三维重建，生成目标巡检区域的三维数据；

获取目标巡检区域中的电力设备及装配关系，根据电力设备的空间位置及装配关系对电力设备对应的三维模型进行组合，根据目标巡检区域的历史运行数据进行校准调整，构建电力设备的数字孪生模型；

将目标巡检区域的三维数据与电力设备的数字孪生模型结合获取目标巡检区域的三维场景，并根据所述三维场景提取道路拓扑图；

获取目标巡检区域中当前巡检任务的需求信息，并根据历史巡检数据设置巡检点分布，根据路径最小原则规划巡检路线。

3.根据权利要求1所述的一种基于物联网的巡检全流程数据监管方法，其特征在于，通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线，具体为：

通过数据感知获取目标巡检区域中巡检人员及巡检机器人的位置信息，将所述位置信息反馈至三维场景结合巡检人员及巡检机器人的基本信息进行标注；

利用格栅划分将三维场景划分为若干子区域，获取子区域的历史异常数据及电力设备与对应管线的复杂程度，并获取子区域的地理信息及可通过性得到安全程度，根据所述历史异常数据、复杂程度及安全程度生成子区域的区域特征；

设置人工巡检及机器巡检两个区域标签，确定聚类簇数为2，利用聚类算法获取各子区域与区域标签的对应关系；

根据巡检人员及巡检机器人的位置信息将巡检人员及巡检机器人按照区域标签分配至距离最近的子区域，并将子区域对应的巡检路线根据当前位置信息进行调整；

将调整后的巡检路线按照预设方式发送至巡检人员及巡检机器人。

4.根据权利要求1所述的一种基于物联网的巡检全流程数据监管方法，其特征在于，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，具体为：

读取各子区域中巡检人员及巡检机器人的实时位置信息生成位置序列作为轨迹信息，将所述轨迹信息与各子区域的巡检路线利用动态时间规整算法计算匹配程度；

利用数据检索获取需求信息对应的历史巡检数据，筛选符合预设标准的历史巡检数据进行整合提取能够满足巡检任务的数据要求，并根据各子区域的区域特征生成调整系数对数据要求进行修正，利用各子区域的数据要求进行巡检数据的采集；

根据巡检任务的需求信息获取对应的任务工作流，通过所述任务工作流生成巡检任务指引，根据所述巡检任务指引建立数据异常监管任务，提取前次巡检数据作为数据基准；

判断当前巡检任务指引下获取的巡检数据与数据基准的偏差是否大于预设偏差阈值，若大于，则将当前巡检数据视为无效数据，提醒巡检人员或巡检机器人再次采集，当再次采集的巡检数据与首次巡检数据一致时，则发送至云数据库，生成异常状态预警；

根据巡检任务指引生成带有匹配程度及数据规格的巡检数据序列，分别计算匹配程度及数据规格与预设标准的偏差，通过判断巡检数据序列中各时间戳的数据是否满足预设标准。

5.根据权利要求4所述的一种基于物联网的巡检全流程数据监管方法，其特征在于，通过所述任务工作流生成巡检任务指引，还包括：

通过巡检任务指引对巡检质量及巡检完成度进行监管，当检测到当前巡检任务指引下有巡检数据导入时，则生成下一巡检任务指引，根据工作人员的巡检操作耗时生成各巡检任务指引下对应的时长标签；

当巡检人员在当前巡检任务指引下的操作时长大于对应的时长标签，则生成提醒信息，发送至对应巡检人员，预设等待时间阈值，当对应巡检人员没有在等待时间阈值内反馈，则生成安全预警；

将所述安全预警结合基本信息优先发送至距离最近巡检人员或巡检机器人，并同步发送到监管中心。

6.根据权利要求1所述的一种基于物联网的巡检全流程数据监管方法，其特征在于，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态，具体为：

获取满足预设标准的巡检数据结合位置标签导入云数据库，在云数据库中进行数据分类，通过不同数据种类的标准化处理后生成多源数据序列，基于所述多源数据序列与前次巡检任务对应的多源数据序列进行对比，获取关键数据序列；

根据历史巡检数据对应的历史异常状态构建识别训练集，基于卷积神经网络构建异常识别模型，利用所述识别训练集进行模型训练，将关键数据序列导入所述异常识别模型中；

通过卷积层提取关键数据序列中的多维特征，引入时间注意力方法获取特征时序相关度，设置时间注意力权重将关键数据序列中的多维特征进行融合；

通过多维融合特征识别目标巡检区域中的异常状态及潜在异常，将所述异常状态及潜在异常匹配位置标签生成运维工单，按照预设方式进行发送；

将运维信息在三维场景中进行可视化显示，当异常状态大于预设严重阈值时，则在运维前调度空闲巡检机器人进行实时监测。

7.一种基于物联网的巡检全流程数据监管***，其特征在于，该***包括：存储器、处理器，所述存储器中包括基于物联网的巡检全流程数据监管方法程序，所述基于物联网的巡检全流程数据监管方法程序被所述处理器执行时实现如下步骤：

获取目标巡检区域的三维场景，通过当前巡检任务的需求信息结合所述三维场景制定巡检路线，获取目标巡检区域中巡检人员及巡检机器人的位置信息；

通过所述三维场景将目标巡检区域进行划分，提取区域特征，根据所述区域特征结合所述位置信息分配对应的巡检路线；

根据巡检人员及巡检机器人的实时位置信息判断与巡检路线的匹配程度，根据所述需求信息及区域特征设置巡检数据的数据要求，判断巡检人员及巡检机器人采集的巡检数据是否满足对应数据要求；

基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态；

将所述异常状态在所述三维场景中进行显示，并调度巡检机器人到异常部位进行实时监测。

8.根据权利要求7所述的一种基于物联网的巡检全流程数据监管***，其特征在于，基于所述匹配程度及数据要求判别验证巡检数据是否满足预设标准，具体为：

读取各子区域中巡检人员及巡检机器人的实时位置信息生成位置序列作为轨迹信息，将所述轨迹信息与各子区域的巡检路线利用动态时间规整算法计算匹配程度；

利用数据检索获取需求信息对应的历史巡检数据，筛选符合预设标准的历史巡检数据进行整合提取能够满足巡检任务的数据要求，并根据各子区域的区域特征生成调整系数对数据要求进行修正，利用各子区域的数据要求进行巡检数据的采集；

根据巡检任务的需求信息获取对应的任务工作流，通过所述任务工作流生成巡检任务指引，根据所述巡检任务指引建立数据异常监管任务，提取前次巡检数据作为数据基准；

判断当前巡检任务指引下获取的巡检数据与数据基准的偏差是否大于预设偏差阈值，若大于，则将当前巡检数据视为无效数据，提醒巡检人员或巡检机器人再次采集，当再次采集的巡检数据与首次巡检数据一致时，则发送至云数据库，生成异常状态预警；

根据巡检任务指引生成带有匹配程度及数据规格的巡检数据序列，分别计算匹配程度及数据规格与预设标准的偏差，通过判断巡检数据序列中各时间戳的数据是否满足预设标准。

9.根据权利要求8所述的一种基于物联网的巡检全流程数据监管***，其特征在于，通过所述任务工作流生成巡检任务指引，还包括：

通过巡检任务指引对巡检质量及巡检完成度进行监管，当检测到当前巡检任务指引下有巡检数据导入时，则生成下一巡检任务指引，根据工作人员的巡检操作耗时生成各巡检任务指引下对应的时长标签；

当巡检人员在当前巡检任务指引下的操作时长大于对应的时长标签，则生成提醒信息，发送至对应巡检人员，预设等待时间阈值，当对应巡检人员没有在等待时间阈值内反馈，则生成安全预警；

将所述安全预警结合基本信息优先发送至距离最近巡检人员或巡检机器人，并同步发送到监管中心。

10.根据权利要求7所述的一种基于物联网的巡检全流程数据监管***，其特征在于，将满足预设标准的巡检数据导入云数据库进行整合，利用整合后的多源数据序列识别异常状态，具体为：

获取满足预设标准的巡检数据结合位置标签导入云数据库，在云数据库中进行数据分类，通过不同数据种类的标准化处理后生成多源数据序列，基于所述多源数据序列与前次巡检任务对应的多源数据序列进行对比，获取关键数据序列；

根据历史巡检数据对应的历史异常状态构建识别训练集，基于卷积神经网络构建异常识别模型，利用所述识别训练集进行模型训练，将关键数据序列导入所述异常识别模型中；

通过卷积层提取关键数据序列中的多维特征，引入时间注意力方法获取特征时序相关度，设置时间注意力权重将关键数据序列中的多维特征进行融合；

通过多维融合特征识别目标巡检区域中的异常状态及潜在异常，将所述异常状态及潜在异常匹配位置标签生成运维工单，按照预设方式进行发送；

将运维信息在三维场景中进行可视化显示，当异常状态大于预设严重阈值时，则在运维前调度空闲巡检机器人进行实时监测。