一种基于内容识别的配电站所场景联动系统及方法技术方案

本发明专利技术涉及配电站智能设备技术领域，尤其为一种基于内容识别的配电站所场景联动系统及方法，包括物联管理平台、视频监控平台、配电站所人工智能网关、环境监测终端、环境联动设备、安防联动设备、设备状态监测、NVR和视频监控摄像头；本发明专利技术提出的配电站所场景联动系统及方法，可以对AI识别算法进行优化，通过AI算法识别视频中的内容，综合视频、声音、温度、湿度、有害气体等环境监测数据，自动联动控制空调、灯光、风机、报警器等设备，且能够智能调节站房环境，异常状况及时告警，解决了目前配电站所纯动环监测的探测和灵敏度不高，以及纯深度学习AI算法识别率低的问题，从而有效提升了配电站所智能化水平。

【技术实现步骤摘要】
一种基于内容识别的配电站所场景联动系统及方法
本专利技术涉及配电站智能设备
，具体为一种基于内容识别的配电站所场景联动系统及方法。
技术介绍
当前配电站所中的联动控制主要基于纯动环监测传感设备，例如灯光的控制使用红外双鉴探测器检测是否有人体红外辐射，它的缺点是：容易受各种热源、阳光源干扰；人体的红外辐射容易被遮挡，不易被探测器接收；环境温度和人体温度接近时，探测和灵敏度明显下降，有时造成短时失灵。NVR，全称NetworkVideoRecorder，即网络视频录像机，是网络视频监控系统的存储转发部分，NVR与视频编码器或网络摄像机协同工作。目前配电站所中的监控系统使用的AI算法大多数基于纯深度学习，算法仅根据图像识别结果作为判断依据，识别率较低，容易出现误报情况，为此我们提出一种可以对AI识别算法进行优化，通过AI算法识别视频中的内容，综合视频、声音、温度、湿度、有害气体等环境监测数据，自动联动控制空调、灯光、风机、报警器等设备，且能够智能调节站房环境，异常状况及时告警的场景联动系统及方法来解决此问题。
技术实现思路
本专利技术的目的在于提供一种基于内容识别的配电站所场景联动系统及方法，具备智能调节站房环境，异常状况及时告警，大大提升配电站所智能化水平的优点，解决了目前配电站所纯动环监测的探测和灵敏度不高，以及纯深度学习AI算法识别率低的问题。为实现上述目的，本专利技术提供如下技术方案：一种配电站所场景联动系统，包括物联管理平台、视频监控平台、配电站所人工智能网关、环境监测终端、环境联动设备、安防联动设备、设备状态监测、NVR和视频监控摄像头，所述物联管理平台和视频监控平台的输入端与配电站所人工智能网关的输出端为双向电连接，所述环境监测终端、环境联动设备和安防联动设备的输出端分别与配电站所人工智能网关的输入端电连接，所述配电站所人工智能网关通过设备状态传感器对环境监测终端、环境联动设备和安防联动设备进行设备状态监测，所述NVR与配电站所人工智能网关之间通过互联网进行数据传输，所述视频监控摄像头与NVR之间协同进行工作。优选的，所述环境监测终端、环境联动设备和安防联动设备通过Lora或Modbus物联网通信协议接入配电站所人工智能网关。优选的，所述NVR对监控视频进行存储，且NVR将监控视频流转发到配电站所人工智能网关进行AI分析。一种基于内容识别的配电站所场景联动方法，其方法包括如下步骤：S1、配电房中部署视频监控摄像头，实时采集视频数据，并通过NVR将视频数据传输至配电站所人工智能网关；S2、配电站所人工智能网关中集成AI模块，能够通过视频AI算法，识别出视频中人员行为以及环境状态，其中AI算法优化方法包括：S2.1、二分类模型：首先将单帧图像送入目标检测网络进行yolov3预测，在实际场景中存在误检样本在2d图像上的分布和待检测目标区域在图像上分布相似的可能性，为了降低误识别，在站房典型场景中收集容易误检的样本作为负样本，分别将正负样本作为两个正类，建立二分类模型；S2.2、颜色识别：对于有颜色特征的目标，在火焰检测时某些物体存在被误识别为火焰的可能性，为了降低误检，在yolov3后面加入颜色识别，提取火焰数据的RGB色彩空间，分离火焰红色分量，再将R分量压缩到某个区间，最后通过投票方式判决是否是真实火焰；S2.3、动作预判：没有直接对跌倒的图像进行检测，而是用目标检测网络中的人体框作为输入，利用openpose预测人体关键点信息，然后通过关键点信息得出重心下降的速度，对跌倒动作进行预判；S3、配电站所人工智能网关中增加场景联动配置功能，支持自定义触发条件和执行动作，触发条件为视频监控摄像头识别到人员行为，或者环境监测、设备状态传感器处于某个状态，执行动作为对环境联动、安防联动设备的控制；S4、用户可以自定义联动场景进行视频监控，智能调节配电站房环境，出现异常状况及时告警。优选的，所述S1中，视频监控摄像头支持无光夜视功能，能够在没有光线的配电站所场景通过智能采光技术夜间拍摄监控视频。优选的，所述S2.1中，yolov3预测后的输出内容包含检测目标的坐标、置信度和类别信息。优选的，所述S2.2中，投票方式为统计R分量在区间内部的分布状态。优选的，所述S4中，视频监控的检测内容包括配电房中人员的存在情况，配电房的明火或烟雾存在情况，配电房中的温度以及配电房中SF6气体的浓度。与现有技术相比，本专利技术的有益效果如下：本专利技术提出的配电站所场景联动系统及方法，可以对AI识别算法进行优化，通过AI算法识别视频中的内容，综合视频、声音、温度、湿度、有害气体等环境监测数据，自动联动控制空调、灯光、风机、报警器等设备，且能够智能调节站房环境，异常状况及时告警，解决了目前配电站所纯动环监测的探测和灵敏度不高，以及纯深度学习AI算法识别率低的问题，从而有效提升了配电站所智能化水平。附图说明图1为本专利技术配电站所场景联动系统整体架构示意图；图2为本专利技术AI算法优化流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。请参阅图1-2，一种配电站所场景联动系统，包括物联管理平台、视频监控平台、配电站所人工智能网关、环境监测终端、环境联动设备、安防联动设备、设备状态监测、NVR和视频监控摄像头，物联管理平台和视频监控平台的输入端与配电站所人工智能网关的输出端为双向电连接，环境监测终端、环境联动设备和安防联动设备的输出端分别与配电站所人工智能网关的输入端电连接，配电站所人工智能网关通过设备状态传感器对环境监测终端、环境联动设备和安防联动设备进行设备状态监测，NVR与配电站所人工智能网关之间通过互联网进行数据传输，视频监控摄像头与NVR之间协同进行工作，该配电站所场景联动系统及方法，可以对AI识别算法进行优化，通过AI算法识别视频中的内容，综合视频、声音、温度、湿度、有害气体等环境监测数据，自动联动控制空调、灯光、风机、报警器等设备，且能够智能调节站房环境，异常状况及时告警，解决了目前配电站所纯动环监测的探测和灵敏度不高，以及纯深度学习AI算法识别率低的问题，从而有效提升了配电站所智能化水平。本实施例中，环境监测终端、环境联动设备和安防联动设备通过Lora或Modbus物联网通信协议接入配电站所人工智能网关，便于对环境监测终端、环境联动设备和安防联动设备进行智能控制调节。本实施例中，NVR对监控视频进行存储，且NVR将监控视频流转发到配电站所人工智能网关进行AI分析，可以完成视频的录像、存储及转发功能，保证配电站所人工智能网关及时对监控视频进行AI分析。实施例一：一种基于内容识别的配电站所场景联动方法，其本文档来自技高网...

【技术保护点】
1.一种配电站所场景联动系统，包括物联管理平台、视频监控平台、配电站所人工智能网关、环境监测终端、环境联动设备、安防联动设备、设备状态监测、NVR和视频监控摄像头，其特征在于：所述物联管理平台和视频监控平台的输入端与配电站所人工智能网关的输出端为双向电连接，所述环境监测终端、环境联动设备和安防联动设备的输出端分别与配电站所人工智能网关的输入端电连接，所述配电站所人工智能网关通过设备状态传感器对环境监测终端、环境联动设备和安防联动设备进行设备状态监测，所述NVR与配电站所人工智能网关之间通过互联网进行数据传输，所述视频监控摄像头与NVR之间协同进行工作。/n

【技术特征摘要】
1.一种配电站所场景联动系统，包括物联管理平台、视频监控平台、配电站所人工智能网关、环境监测终端、环境联动设备、安防联动设备、设备状态监测、NVR和视频监控摄像头，其特征在于：所述物联管理平台和视频监控平台的输入端与配电站所人工智能网关的输出端为双向电连接，所述环境监测终端、环境联动设备和安防联动设备的输出端分别与配电站所人工智能网关的输入端电连接，所述配电站所人工智能网关通过设备状态传感器对环境监测终端、环境联动设备和安防联动设备进行设备状态监测，所述NVR与配电站所人工智能网关之间通过互联网进行数据传输，所述视频监控摄像头与NVR之间协同进行工作。


2.根据权利要求1所述的一种基于内容识别的配电站所场景联动系统，其特征在于：所述环境监测终端、环境联动设备和安防联动设备通过Lora或Modbus物联网通信协议接入配电站所人工智能网关。


3.根据权利要求1所述的一种基于内容识别的配电站所场景联动系统，其特征在于：所述NVR对监控视频进行存储，且NVR将监控视频流转发到配电站所人工智能网关进行AI分析。


4.一种基于内容识别的配电站所场景联动方法，其方法包括如下步骤：
S1、配电房中部署视频监控摄像头，实时采集视频数据，并通过NVR将视频数据传输至配电站所人工智能网关；
S2、配电站所人工智能网关中集成AI模块，能够通过视频AI算法，识别出视频中人员行为以及环境状态，其中AI算法优化方法包括：
S2.1、二分类模型：首先将单帧图像送入目标检测网络进行yolov3预测，在实际场景中存在误检样本在2d图像上的分布和待检测目标区域在图像上分布相似的可能性，为了降低误识别，在站房典型场景中收集容易误检的样本作为负样本，分别将正负样本作为两个正类，...

【专利技术属性】
技术研发人员：杨远，陈金浩，
申请(专利权)人：南京瀚元科技有限公司，
类型：发明
国别省市：江苏;32