CN117978969A - 一种应用于养殖业的ai视频管理平台 - Google Patents
一种应用于养殖业的ai视频管理平台 Download PDFInfo
- Publication number
- CN117978969A CN117978969A CN202410134423.6A CN202410134423A CN117978969A CN 117978969 A CN117978969 A CN 117978969A CN 202410134423 A CN202410134423 A CN 202410134423A CN 117978969 A CN117978969 A CN 117978969A
- Authority
- CN
- China
- Prior art keywords
- module
- video
- alarm
- data
- early warning
- 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.)
- Pending
Links
- 238000009360 aquaculture Methods 0.000 title claims description 13
- 244000144974 aquaculture Species 0.000 title claims description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000009395 breeding Methods 0.000 claims abstract description 29
- 230000001488 breeding effect Effects 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 55
- 238000007689 inspection Methods 0.000 claims description 43
- 238000001514 detection method Methods 0.000 claims description 38
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000010223 real-time analysis Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000009313 farming Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 230000007704 transition Effects 0.000 abstract description 3
- 230000000052 comparative effect Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 208000007407 African swine fever Diseases 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000282887 Suidae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明涉及视频管理技术领域,特别是涉及一种应用于养殖业的AI视频管理平台,包括:视频监控数据采集端、云平台、大屏工作台、巡查工作端以及养殖用户端,本发明设有大屏工作台、巡查工作端以及养殖用户端,关键数据在工作现场及各级单位做到多层级、多样性展示,提高数据敏感性和异常数据通知及时性,同时设有结合AI智能化视频管理,对养殖区域进行实时监测,减少生物安全事故。本发明满足养殖业实际的需求,设计巡查工作端与云平台,结合巡查员的作业场景与AI视频管理,提升巡检员的工作效率,减少生物安全事故,利于传统养殖场向现代化高效化养殖场的转变。
Description
技术领域
本发明涉及视频管理技术领域,特别是涉及一种应用于养殖业的AI视频管理平台。
背景技术
当前生物安全导致的生产事故日益严重,出现生物安全生产事故大概率会导致非洲猪瘟的出现,每次非洲猪瘟的出现进而导致公司损失严重。当前使用的视频管理平台不能完全满足实际的需求,因此需要结合实际业务需求与AI视频管理***,开发适合养殖业的生物安全AI视频管理平台。
如一种新型视频云平台(公开号:CN106791631A,公开日:2017-05-31),包括视频采集端、云服务端和用户终端,所述的视频采集端包括多个并联设置的摄像机、交换机和数据上传设备,所述的摄像机通过交换机与数据上传设备,所述的数据上传设备包括电脑终端和NVR设备,所述的视频采集端与云服务端连接,所述的云服务端包括多种功能模块,所述的云服务端与用户终端连接,所述的用户终端包括目前主流使用个人终端设备。
该云平台发明结构简单,使用方便,可以实现高清、低码率传输,降低带宽资源,提升数据处理速度,云服务端集多种功能于一身,便于集中管理,大提高了管理、协调能力,功能丰富、安全性强。但该平台不能完全满足养殖业实际的需求,缺乏巡查员的操作工作台与多层数据展示,无法有效提高巡查员的巡查效率,不利于传统养殖场向现代化高效化养殖场的转变。
发明内容
针对背景技术中存在的技术缺陷,本发明提出一种应用于养殖业的AI视频管理平台,解决了上述技术问题以及满足了实际需求,具体的技术方案如下所示:
一种应用于养殖业的AI视频管理平台,包括:视频监控数据采集端、云平台、大屏工作台、巡查工作端以及养殖用户端,所述视频监控数据采集端包括若干摄像头以及摄像头的视频数据,所述云平台包括AI视频分析模块、视频存储管理模块、点检工作模块以及信息推送模块;
所述视频监控数据采集端,用于实时监测养殖区域情况,在所述养殖区域安装摄像头,所述摄像头捕捉养殖区域的实时画面,并将所述实时画面的视频数据通过视频通道上传到云平台;
所述AI视频分析模块,用于对所述视频数据进行实时分析处理,并把处理结果通过所述信息推送模块推送给巡查员与养户,用于设置所述巡查员与养户的关联,用于对AI边缘计算盒子的管理;
所述视频存储管理模块,用于维护与存储所述视频通道与关键数据,为所述养户与巡查员提供历史视频的回看,配置所述视频通道与养户之间的关系;
所述信息推送模块,用于所述视频监控数据采集端与AI视频分析模块检测到异常状况时,推送告警信息与预警信息到所述养殖用户端与巡查工作端的功能;
所述点检工作模块,用于所述巡查员实时点检视频通道以及对AI视频分析模块的处理结果点检;
所述巡查工作端,用于提供操作界面给所述巡查员,实现对所述视频通道的监控、查询、历史视频播放与远程配置的应用,并用于操作所述点检工作模块,以及接收所述信息推送模块的信息;
所述养殖用户端,用于提供操作界面给所述养户,实现对所述视频通道的监控、查询、历史视频播放和远程配置的应用,以及接收所述信息推送模块的信息;
所述大屏工作台,用于管理员查看云平台的数据资料。
作为本发明的进一步技术方案,所述AI视频分析模块包括检测判断模块、管理设置模块、智能点检与考评模块以及AI边缘盒子管理模块;
所述测判断模块包括区域入侵告警模块与AI预警上报模块,所述区域入侵告警模块,用于对所述视频监控数据采集端上传的视频数据进行实时分析处理,实现物体识别、动态区域设置、异常检测以及告警判断的功能,把告警事件上报、告警信息通过信息推送模块发送给所述养户,并对所述告警信息进行收集、统计与分析;
所述AI预警上报模块,用于对所述养殖区域内情况实时检测与捕捉,通过AI算法实现数据预测预警的功能,并将预警事件上报、预警信息通过所述信息推送模块发送给养户;
所述智能点检与考评模块,用于设置自动点检摄像头以及智能考评,用于管理与查看点检生成的问题清单,所述问题清单通过信息推送模块推送给巡查员;
所述管理设置模块,用于设置所述巡查员与养户的关联关系,用于推送所述智能点检与考评模块的问题清单给巡查员。
作为本发明的进一步技术方案,所述AI边缘盒子管理模块包括基础资料模块、告警类型及风险等级配置模块、区域入侵告警记录模块、AI事件上报记录模块;
所述基础资料模块,用于维护所述AI边缘盒子管理模块的基础信息;
所述告警类型及风险等级配置模块,用于配置关联所述视频数据所推送告警类型及风险等级的告警信息;
所述区域入侵告警记录模块,用于查看所述区域入侵告警模块中上报的告警事件;
所述AI事件上报记录模块,用于查看所述AI预警上报模块中上报的预警事件。
作为本发明的进一步技术方案,所述区域入侵告警模块的告警判断步骤如下:
S1图像预处理:对所述摄像头捕获的图像进行灰度化、滤波、二值化等操作,降低噪声,提高入侵目标的识别准确性;
S2目标检测:采用图像分割技术识别图像中的目标,结合形态学操作优化所述目标轮廓,通过所述目标尺寸、形状等特征,初步判断所述目标的类型与目标数目;
S3特征提取:从S2检测到的目标中提取关键特征,结合所述目标的类型,选择合适的特征作为分类依据;
S4分类识别:利用机器学习算法对不同目标进行分类识别,训练分类器时,使用已标注的目标数据集进行训练;
S5动态区域设置:根据所述养殖区域的实际情况,设置合理的动态区域;
S6异常检测:分析所述目标在动态区域内的运动轨迹,判断是否存在异常行为;
S7入侵告警:根据S4分类识别结果与S6的判断,判断所述目标是否为入侵目标或异常行为是否触发告警,若确定为入侵目标,触发告警或异常行为触发告警;
S8动态调整阈值:根据历史告警数据,动态调整算法中的阈值,优化入侵检测性能。
作为本发明的进一步技术方案,上述S2目标检测中目标物体检测公式为:目标物体检测准确率 = 正确检测的目标数目 / 总的目标数目。
作为本发明的进一步技术方案,上述S6异常检测的异常行为判断公式:异常行为发生概率 = 异常行为次数 / 总的行为次数。
作为本发明的进一步技术方案,所述AI预警上报模块的预警判断步骤如下:
步骤1、收集数据:收集所述养殖场区域的告警事件与预警事件的历史数据;
步骤2、数据分析:对步骤1的历史数据进行数据挖掘和机器学习算法,分析不同类型入侵目标的规律;
步骤3、预警判断:当预测到可能发生入侵目标或异常行为时,所述AI预警上报模块将提前发出预警信息给用户。
作为本发明的进一步技术方案,所述点检工作模块包括实时点检模块、正常告警事件点检模块与AI告警事件点检模块;
所述实时点检模块,用于所述巡查员可选择多屏、多视频通道实时点检养殖区域的问题信息,生成实时点检问题清单;
所述正常告警事件点检模块,用于所述巡查员查看通过区域入侵告警模块上报的告警事件,生成告警事件点检问题清单;
所述AI告警事件点检模块,用于所述巡查员处理已经通过AI预警上报模块的AI算法判断的告警事件。
本发明具有的有益效果在于:
本发明设有大屏工作台、巡查工作端以及养殖用户端,关键数据在工作现场及各级单位做到多层级、多样性展示,提高数据敏感性和异常数据通知及时性,同时设有结合AI智能化视频管理,对养殖区域进行实时监测,减少生物安全事故。
本发明满足养殖业实际的需求,设计巡查工作端与云平台,结合巡查员的作业场景与AI视频管理,提升巡检员的工作效率,减少生物安全事故,利于传统养殖场向现代化高效化养殖场的转变。
附图说明
图1为一种应用于养殖业的AI视频管理平台的框架图。
具体实施方式
下面结合附图与相关实施例对本发明的实施方式进行说明,本发明的实施方式不局限于如下的实施例中,并且本发明涉及本技术领域的相关必要部件,应当视为本技术领域内的公知技术,是本技术领域所属的技术人员所能知道并掌握的。
为满足养殖业实际的需求,本发明提供一种开发适合养殖业的生物安全AI视频管理平台,具体为一种应用于养殖业的AI视频管理平台,如图1所示,包括:视频监控数据采集端、云平台、大屏工作台、巡查工作端以及养殖用户端,视频监控数据采集端包括若干摄像头以及摄像头的视频数据,云平台包括AI视频分析模块、视频存储管理模块、点检工作模块以及信息推送模块。
本发明设有大屏工作台、巡查工作端以及养殖用户端,关键数据在工作现场及各级单位做到多层级、多样性展示,提高数据敏感性和异常数据通知及时性,同时设有结合AI智能化视频管理,对养殖区域进行实时监测,减少生物安全事故。本发明满足养殖业实际的需求,设计巡查工作端与云平台,结合巡查员的作业场景与AI视频管理,提升巡检员的工作效率,减少生物安全事故,利于传统养殖场向现代化高效化养殖场的转变。
以下是本发明的实施例与对比例。
实施例
一种应用于养殖业的AI视频管理平台,包括:视频监控数据采集端、云平台、大屏工作台、巡查工作端以及养殖用户端,视频监控数据采集端包括若干摄像头以及摄像头的视频数据,云平台包括AI视频分析模块、视频存储管理模块、点检工作模块以及信息推送模块。
巡查工作端,用于提供操作界面给巡查员,实现对视频通道的监控、查询、历史视频播放与远程配置的应用,并用于操作点检工作模块,以及接收信息推送模块的信息;养殖用户端,用于提供操作界面给养户,实现对视频通道的监控、查询、历史视频播放和远程配置的应用,以及接收信息推送模块的信息;大屏工作台,用于管理员查看云平台的数据资料。
视频监控数据采集端,用于实时监测养殖区域情况,在养殖区域安装摄像头,摄像头捕捉养殖区域的实时画面,并将实时画面的视频数据通过视频通道上传到云平台。
AI视频分析模块,用于对视频数据进行实时分析处理,并把处理结果通过信息推送模块推送给巡查员与养户,用于设置巡查员与养户的关联,用于对AI边缘计算盒子的管理。AI视频分析模块包括检测判断模块、管理设置模块、智能点检与考评模块以及AI边缘盒子管理模块。
测判断模块包括区域入侵告警模块与AI预警上报模块,区域入侵告警模块,用于对视频监控数据采集端上传的视频数据进行实时分析处理,实现物体识别、 动态区域设置、异常检测以及告警判断的功能,把告警事件上报、告警信息通过信息推送模块发送给养户,并对告警信息进行收集、统计与分析。
其中,区域入侵告警模块的告警判断步骤如下:
S1图像预处理:对摄像头捕获的图像进行灰度化、滤波、二值化等操作,如:Th =median(I) - 1.2 * std(I) (二值化阈值计算),降低噪声,提高入侵目标的识别准确性。
S2目标检测:采用图像分割技术识别图像中的目标,结合形态学操作(Morphological operations)优化目标轮廓,通过目标尺寸、形状等特征,初步判断目标的类型与目标数目,其中公式为:目标物体检测准确率 = 正确检测的目标数目 / 总的目标数目。
目标物体检测:使用目标检测算法(如YOLO、Faster R-CNN等)对图像或视频进行处理,输出检测到的目标物体。然后,对比检测结果与实际目标数目,统计正确检测的目标数目,从而得到目标物体检测准确率。
S3特征提取:从S2检测到的目标中使用 HOG(Histogram of OrientedGradients,方向梯度直方图)提取关键特征,如边缘、角点等,结合目标的类型,选择合适的特征作为分类依据。
S4分类识别:利用机器学习算法SVM(支持向量机)对不同目标进行分类识别,训练分类器时,使用已标注的目标数据集进行训练。
S5动态区域设置:根据养殖区域的实际情况,设置合理的动态区域。
S6异常检测:分析目标在动态区域内的运动轨迹,判断是否存在异常行为,其中,异常行为发生概率 = 异常行为次数 / 总的行为次数。
异常行为判断:首先,定义异常行为的特征,如速度、角度等。然后,对检测到的目标物体进行行为分析,判断是否存在异常行为。最后,统计异常行为的次数,并与总的行为次数相除,得到异常行为发生概率。
S7入侵告警:根据S4分类识别结果与S6的判断,判断所述目标是否为入侵目标或异常行为是否触发告警,若确定为入侵目标,触发告警或异常行为触发告警;其中包括:告警准确性:告警准确性 = 实际发生异常行为并被正确告警的次数 / 总的告警次数,Confidence = sigmoid(class_score)(置信度计算),alarm_trigger(Confidence)(入侵告警)。
告警准确性:首先,根据异常行为判断结果,确定实际发生的异常行为。然后,统计实际发生异常行为并被正确告警的次数。最后,将此次数与总的告警次数相除,得到告警准确性。
S8动态调整阈值:根据历史告警数据,动态调整算法中的阈值,优化入侵检测性能,其中,***性能评估:***性能指数 = 目标物体检测准确率 * 异常行为判断准确性 *告警准确性。
***性能评估:根据上述三项指标,分别计算目标物体检测准确率、异常行为判断准确性、告警准确性。然后,将这三个准确性相乘,得到***性能指数。这个指数可以用于评估***的性能,指数越高,说明***性能越好。
AI预警上报模块,用于对养殖区域内情况实时检测与捕捉,通过AI算法实现数据预测预警的功能,并将预警事件上报、预警信息通过信息推送模块发送给养户。
其中,AI预警上报模块的预警判断步骤如下:
步骤1、收集数据:收集养殖场区域的告警事件与预警事件的历史数据。
步骤2、数据分析:对步骤1的历史数据进行数据挖掘和机器学习算法,分析不同类型入侵目标的规律。
步骤3、预警判断:当预测到可能发生入侵目标或异常行为时,AI预警上报模块将提前发出预警信息给用户。
智能点检与考评模块,用于设置自动点检摄像头以及智能考评,用于管理与查看点检生成的问题清单,问题清单通过信息推送模块推送给巡查员;
管理设置模块,用于设置巡查员与养户的关联关系,用于推送智能点检与考评模块的问题清单给巡查员。
AI边缘盒子管理模块包括基础资料模块、告警类型及风险等级配置模块、区域入侵告警记录模块、AI事件上报记录模块。基础资料模块,用于维护AI边缘盒子管理模块的基础信息;告警类型及风险等级配置模块,用于配置关联视频数据所推送告警类型及风险等级的告警信息;区域入侵告警记录模块,用于查看区域入侵告警模块中上报的告警事件;AI事件上报记录模块,用于查看AI预警上报模块中上报的预警事件。
视频存储管理模块,用于维护与存储视频通道与关键数据,为养户与巡查员提供历史视频的回看,配置视频通道与养户之间的关系。
信息推送模块,用于视频监控数据采集端与AI视频分析模块检测到异常状况时,推送告警信息与预警信息到养殖用户端与巡查工作端的功能。
点检工作模块,用于巡查员实时点检视频通道以及对AI视频分析模块的处理结果点检。点检工作模块包括实时点检模块、正常告警事件点检模块与AI告警事件点检模块;实时点检模块,用于巡查员可选择多屏、多视频通道实时点检养殖区域的问题信息,生成实时点检问题清单;正常告警事件点检模块,用于巡查员查看通过区域入侵告警模块上报的告警事件,生成告警事件点检问题清单;AI告警事件点检模块,用于巡查员处理已经通过AI预警上报模块的AI算法判断的告警事件。
对比例1
一种基于AI的视频监控***(公开号:CN110769200A,公开日:2020-02-07),所述基于AI的视频监控***包括:
数据采集模块,所述数据采集模块用于采集视频数据信号;
数据处理及通信单元,所述数据处理及通信单元用于接收经数据采集模块采集的视频数据信号并进行模拟数字信号处理、数据储存以及数据通信传输;
综合管理平台,所述综合管理平台用于接收经数据处理及通信单元传输的数字模拟信号并进行实时数据监控以及处理分析,判断该数字模拟信号是否异常,当该数字模拟信号存在异常时进行报警处理;
移动终端,所述移动终端用于接收来自综合管理平台发送的视频数据分析结果,当视频数据分析结果处于异常时产生报警信号。
对比例2
一种基于AI智能识别技术的监管***及方法(公开号:CN115601209A,公开日:2023-01-13),包括监控***:其特征在于:所述监控***包括二维码模块,信息库模块,巡查终端模块,视频监控模块,AI智能识别模块,网络传输模块,消息模块,所述二维码模块获取门店信息,所述信息库模块与二维码模块电性连接,所述巡查终端模块与二维码模块电性连接,所述视频监控模块与AI智能识别模块电性连接,所述网络传输模块与AI智能识别模块电性连接,所述消息模块与巡查终端模块电性连接。
结合实施例与对比例1:
两者均是基于AI的视频监控,能够实现对实时视频数据的监控和告警处理,以及区域范围内深度监控,当有警情发生时,能够实时显示告警信息和现场视频监控信息,向用户发送告警信息,及时提醒用户。两者都可以实现关键数据的多层级、多样性展示,提高数据敏感性和异常数据通知及时性。
但相比于对比例1,实施例设计了巡查工作端,结合巡查员的作业场景与AI视频管理,实现巡查关键节点的分析与汇总,提升巡检员的工作效率,进而提高安全性能。
结合实施例与对比例2:
区别与对比例1,实施例与对比例2在巡查终端模块、视频监控模块、AI模块等模块上作出类似的设置,以及拥有结合巡查员的作业场景与AI模块,提高工作效率的类似有益效果。
但相比于对比例2,实施例采用AI视频分析模块,对比例2的AI智能识别模块识别负责门店周边情况的检测与报警,用于沿街门店的门头店招是否更换、店外经营、乱堆物料、机动车乱停放、非机动车乱停放、暴露垃圾、沿街晾挂等环境卫生、街面秩序类问题的检测与报警。
而实施例的AI视频分析模块具有告警与预警的功能,具体而言,对比例2是对静态的门店周边情况的检测与报警,实施例能对动态的目标进行检测告警,并根据历史数据进行预测,作出预警信息。同时,对比例2缺乏数据在工作现场及各级单位做到多层级、多样性展示,提高数据敏感性和异常数据通知及时性等功能。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种应用于养殖业的AI视频管理平台,其特征在于,包括:视频监控数据采集端、云平台、大屏工作台、巡查工作端以及养殖用户端,所述视频监控数据采集端包括若干摄像头以及摄像头的视频数据,所述云平台包括AI视频分析模块、视频存储管理模块、点检工作模块以及信息推送模块;
所述视频监控数据采集端,用于实时监测养殖区域情况,在所述养殖区域安装摄像头,所述摄像头捕捉养殖区域的实时画面,并将所述实时画面的视频数据通过视频通道上传到云平台;
所述AI视频分析模块,用于对所述视频数据进行实时分析处理,并把处理结果通过所述信息推送模块推送给巡查员与养户,用于设置所述巡查员与养户的关联,用于对AI边缘计算盒子的管理;
所述视频存储管理模块,用于维护与存储所述视频通道与关键数据,为所述养户与巡查员提供历史视频的回看,配置所述视频通道与养户之间的关系;
所述信息推送模块,用于所述视频监控数据采集端与AI视频分析模块检测到异常状况时,推送告警信息与预警信息到所述养殖用户端与巡查工作端的功能;
所述点检工作模块,用于所述巡查员实时点检视频通道以及对AI视频分析模块的处理结果点检;
所述巡查工作端,用于提供操作界面给所述巡查员,实现对所述视频通道的监控、查询、历史视频播放与远程配置的应用,并用于操作所述点检工作模块,以及接收所述信息推送模块的信息;
所述养殖用户端,用于提供操作界面给所述养户,实现对所述视频通道的监控、查询、历史视频播放和远程配置的应用,以及接收所述信息推送模块的信息;
所述大屏工作台,用于管理员查看云平台的数据资料。
2.根据权利要求1所述的应用于养殖业的AI视频管理平台,其特征在于,所述AI视频分析模块包括检测判断模块、管理设置模块、智能点检与考评模块以及AI边缘盒子管理模块;
所述测判断模块包括区域入侵告警模块与AI预警上报模块,所述区域入侵告警模块,用于对所述视频监控数据采集端上传的视频数据进行实时分析处理,实现物体识别、 动态区域设置、异常检测以及告警判断的功能,把告警事件上报、告警信息通过信息推送模块发送给所述养户,并对所述告警信息进行收集、统计与分析;
所述AI预警上报模块,用于对所述养殖区域内情况实时监测与捕捉,通过AI算法实现数据预测预警的功能,并将预警事件上报、预警信息通过所述信息推送模块发送给养户;
所述智能点检与考评模块,用于设置自动点检摄像头以及智能考评,用于管理与查看点检生成的问题清单,所述问题清单通过信息推送模块推送给巡查员;
所述管理设置模块,用于设置所述巡查员与养户的关联关系,用于推送所述智能点检与考评模块的问题清单给巡查员。
3.根据权利要求2所述的应用于养殖业的AI视频管理平台,其特征在于,所述AI边缘盒子管理模块包括基础资料模块、告警类型及风险等级配置模块、区域入侵告警记录模块、AI事件上报记录模块;
所述基础资料模块,用于维护所述AI边缘盒子管理模块的基础信息;
所述告警类型及风险等级配置模块,用于配置关联所述视频数据所推送告警类型及风险等级的告警信息;
所述区域入侵告警记录模块,用于查看所述区域入侵告警模块中上报的告警事件;
所述AI事件上报记录模块,用于查看所述AI预警上报模块中上报的预警事件。
4.根据权利要求2所述的应用于养殖业的AI视频管理平台,其特征在于,所述区域入侵告警模块的告警判断步骤如下:
S1图像预处理:对所述摄像头捕获的图像进行灰度化、滤波、二值化等操作,降低噪声,提高入侵目标的识别准确性;
S2目标检测:采用图像分割技术识别图像中的目标,结合形态学操作优化所述目标轮廓,通过所述目标尺寸、形状等特征,初步判断所述目标的类型与目标数目;
S3特征提取:从S2检测到的目标中提取关键特征,结合所述目标的类型,选择合适的特征作为分类依据;
S4分类识别:利用机器学习算法对不同目标进行分类识别,训练分类器时,使用已标注的目标数据集进行训练;
S5动态区域设置:根据所述养殖区域的实际情况,设置合理的动态区域;
S6异常检测:分析所述目标在动态区域内的运动轨迹,判断是否存在异常行为;
S7入侵告警:根据S4分类识别结果与S6的判断,判断所述目标是否为入侵目标或异常行为是否触发告警,若确定为入侵目标,触发告警或异常行为触发告警;
S8动态调整阈值:根据历史告警数据,动态调整算法中的阈值,优化入侵检测性能。
5.根据权利要求4所述的应用于养殖业的AI视频管理平台,其特征在于,上述S2目标检测中目标物体检测公式为:目标物体检测准确率 = 正确检测的目标数目 / 总的目标数目。
6.根据权利要求4所述的应用于养殖业的AI视频管理平台,其特征在于, 上述S6异常检测的异常行为判断公式:异常行为发生概率 = 异常行为次数 / 总的行为次数。
7.根据权利要求1所述的应用于养殖业的AI视频管理平台,其特征在于,所述AI预警上报模块的预警判断步骤如下:
步骤1、收集数据:收集所述养殖场区域的告警事件与预警事件的历史数据;
步骤2、数据分析:对步骤1的历史数据进行数据挖掘和机器学习算法,分析不同类型入侵目标的规律;
步骤3、预警判断:当预测到可能发生入侵目标或异常行为时,所述AI预警上报模块将提前发出预警信息给用户。
8.根据权利要求1所述的应用于养殖业的AI视频管理平台,其特征在于,所述点检工作模块包括实时点检模块、正常告警事件点检模块与AI告警事件点检模块;
所述实时点检模块,用于所述巡查员可选择多屏、多视频通道实时点检养殖区域的问题信息,生成实时点检问题清单;
所述正常告警事件点检模块,用于所述巡查员查看通过区域入侵告警模块上报的告警事件,生成告警事件点检问题清单;
所述AI告警事件点检模块,用于所述巡查员处理已经通过AI预警上报模块的AI算法判断的告警事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410134423.6A CN117978969A (zh) | 2024-01-31 | 2024-01-31 | 一种应用于养殖业的ai视频管理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410134423.6A CN117978969A (zh) | 2024-01-31 | 2024-01-31 | 一种应用于养殖业的ai视频管理平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117978969A true CN117978969A (zh) | 2024-05-03 |
Family
ID=90850930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410134423.6A Pending CN117978969A (zh) | 2024-01-31 | 2024-01-31 | 一种应用于养殖业的ai视频管理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117978969A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118212722A (zh) * | 2024-05-14 | 2024-06-18 | 工业云制造(四川)创新中心有限公司 | 基于ai智能识别技术的化工园区封闭化管理方法及*** |
-
2024
- 2024-01-31 CN CN202410134423.6A patent/CN117978969A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118212722A (zh) * | 2024-05-14 | 2024-06-18 | 工业云制造(四川)创新中心有限公司 | 基于ai智能识别技术的化工园区封闭化管理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aboah | A vision-based system for traffic anomaly detection using deep learning and decision trees | |
CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
CN111432179A (zh) | 基于计算机视觉的输煤皮带智能巡检***及方法 | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测***及检测方法 | |
CN111629181B (zh) | 消防生命通道监控***及方法 | |
CN107229894A (zh) | 基于计算机视觉分析技术的智能视频监控方法及*** | |
CN117978969A (zh) | 一种应用于养殖业的ai视频管理平台 | |
CN101329804A (zh) | 安全设备及*** | |
CN116165981B (zh) | 一种工业行业安全生产智能监控*** | |
CN112112629A (zh) | 一种钻井作业过程中的安全业务管理***和方法 | |
CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测***及方法 | |
CN117319609A (zh) | 一种物联网大数据智能视频监控***及方法 | |
CN109509190A (zh) | 视频监控图像筛选方法、装置、***及存储介质 | |
CN112776856A (zh) | 轨道异物侵限监测方法、装置、***及监控主机设备 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测*** | |
CN110868568A (zh) | 空管外台站的视频监控方法及装置 | |
CN108898083A (zh) | 一种施工远程监控与管理***及管理方法 | |
CN112818753A (zh) | 采坑坠物检测方法、装置及*** | |
CN111416960A (zh) | 一种基于云服务的视频监控*** | |
CN211184122U (zh) | 铁路作业安全防控和大客流预警联动的智能视频分析*** | |
CN113780594A (zh) | 一种服务器智能识别与巡检*** | |
CN117612060A (zh) | 基于人工智能检测的视频预警***、方法、设备及介质 | |
CN118038674A (zh) | 一种基于大数据的监控***实时动态分析警示*** | |
CN113052125B (zh) | 一种施工现场违章图像识别告警方法 | |
CN109120896B (zh) | 安防视频监控卫士*** |
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 |