【技术实现步骤摘要】
本专利技术涉及图像分析，具体为基于图像分析的集装箱病媒生物检测预警方法及系统。
技术介绍
1、随着国际贸易的兴盛，国际间的远洋船舶、飞机以及国际班列是病媒生物藏匿、孳生的重要场所，所使用的集装箱已成为病媒传染病国际间传播的主要风险因子载体，存在重大卫生安全隐患。
2、但是在现实中，由于海关这一应用场景的复杂性，目标检测的效果仍待提升。随着智慧海关的建设不断推进，图像目标检测技术成为了海关智能监管服务不可或缺的组成元素。图像目标检测技术应用于海关的视频监控系统，具体实现包括集装箱箱号检测在内的物流监管、异常人员与车辆的识别与跟踪以及简单商品的辨别等，图像目标检测可在多个方面提升海关的工作效率和效能。
3、图像分析技术是指利用计算机视觉和图像处理技术对图像进行解析、识别和理解的过程；这种技术可以用于识别图像中的对象、场景、文字等信息，实现自动化的图像理解和处理；图像分析技术包括但不限于以下几个方面：目标检测与识别、图像分割、特征提取、图像识别与分类、图像重建与修复、图像增强与处理；目标检测与识别是通过算法识别图像中的特定目标，如人脸、车辆、动物等，并进行分类或标记；图像分割是将图像分成若干个区域或物体，常用于医学图像分析、地图制作等领域；特征提取是提取图像中的特征信息，如边缘、纹理、颜色等，用于后续的分析和识别；这些技术在计算机视觉、图像处理、人工智能等领域广泛应用，如智能监控系统、医学影像分析、自动驾驶、图像检测等方面，对于实现自动化、智能化的图像分析与处理具有重要意义。
4、目前，在将图像分析
5、但上述传统的技术方案在具体实施过程中存在一些问题：首先，仅仅是依据病媒生物的相关特征，例如覆盖面或是数量，无法有效的判断集装箱内病媒生物的危害程度，若是当下集装箱内的环境非常适宜病媒生物生长，则病媒生物会在短期内持续爆发式的增加，对于该种情况就需要进行优先处理，若是同一片区域内，存在风险的集装箱数量较多时，工作人员的数量无法满足要求，对于哪些集装箱内的风险情况需要进行优先处理就显得格外重要，仅仅是依靠工作人员的经验，或是根据集装箱位置的远近来分配人员显然是不够合理的。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于图像分析的集装箱病媒生物检测预警方法及系统，通过结合集装箱内的环境数据、病媒生物数量等多方面因素，建立数学模型对风险程度进行量化评估，能够针对集装箱内部不同区域的风险状况进行个性化评估，更加精准地掌握整体风险情况，有助于更好地识别出重点防控的高风险集装箱，为后续的调度和处理提供依据，基于集装箱风险程度和距离因素，建立优先指数模型，可以合理安排工作人员的处理顺序，确保有限资源得到最优利用，针对高风险区域提供快速响应，提高了整体管理的效率和安全性，解决了
技术介绍
中提出的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、基于图像分析的集装箱病媒生物检测预警系统，包括：
4、图像采集模块，将每个集装箱内部划分为至少四个均分的图像采集分区，并获取每个图像采集分区内的图像数据；
5、识别分类模块，利用图像处理和机器学习技术，对每个图像采集分区内获取的图像数据进行分析和分类，识别出常见病媒生物和疑似病媒生物，并统计得出各个图像采集分区内常见病媒生物的数量，疑似病媒生物的数量，若任一图像采集分区获取的图像数据中未识别到常见病媒生物或疑似病媒生物，则执行图像采集频率减半的策略；
6、合评估模块，结合获取的每个集装箱内的环境数据，在识别得出对应图像采集分区内存在常见病媒生物的条件下，依据经过预处理后的环境数据、常见病媒生物的数量以及疑似病媒生物的数量，搭建数据分析计算模型，生成对应集装箱的风险程度指标q；
7、警调度模块，对处于同一片区域中，风险程度指标q大于零的若干集装箱按照从大到小的顺序进行排序，生成排序表一，并在获取对应集装箱的风险程度指标q大于零时，发出预警信号，利用gis工具计算得出每个发出预警信号的集装箱与工作站之间的距离，根据风险程度指标q和距离，搭建优先级计算模型，生成集装箱对应的优先指数pi，各个集装箱对应的优先指数pi按照从大到小进行排序，生成排序表二，工作站内的工作人员根据排序表二的顺序，对各个集装箱进行依次作业。
8、进一步的，在每个划分的区域内设置相应的图像采集设备，用于获取图像数据。
9、进一步的，图像处理和机器学习技术包括目标检测算法和图像分类算法，目标检测算法为yolo和ssd中的任一种，图像分类算法为cnn和svm中的任一种。
10、进一步的，获取的每个集装箱内的环境数据包括同一集装箱内每个图像采集分区内的温度和湿度，而后对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行预处理的过程为：对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行归一化处理。
11、进一步的，生成对应集装箱的风险程度指标q之前，先计算同一集装箱内每个图像采集分区所对应的风险程度预估值，所依据的公式如下：
12、
13、式中，表示对应图像采集分区的温度，表示预设的标准温度，表示温度差值，表示对应图像采集分区的湿度，表示预设的标准湿度，表示湿度差值，表示对应图像采集分区内的常见病媒生物数量，表示对应图像采集分区内的疑似病媒生物数量，分别为温度差值、湿度差值、常见病媒生物数量以及疑似病媒生物数量的预设比例系数，且。
14、进一步的，生成集装箱的风险程度指标q所依据的公式如下：
15、
16、式中，n=1、2、…、k，k为正整数。
17、进一步的，利用gis工具计算得出每个发出预警信号的集装箱与工作站之间距离的过程为：
18、s101、获取集装箱和工作人员工作站的准确位置信息；
19、s102、利用地理信息系统gis工具，包括google maps api和arcgis中的任一种，输入集装箱和工作站的经纬度坐标；
20、s103、在gis工具中，使用距离测量工具来计算集装箱和工作站之间的实际路径距离；
21、s104、计算完成后，gis工具会给出集装箱和工作站之间的距离。
22、进一步的，生成集装箱对应的优先指数pi所依据的公式如下：
23、
24、式中，表示同一集装箱与工作站之间的距离值，分别为同一集装箱的风险程度指标和集装箱与工作站之间的距离值的权重系数，且。
25、基于图像分析的集装箱病媒生物检测预警方法，包括如下步骤：
26、s1、将每个集装箱内部划分为至少四个均分的图像采集分区，并获取每个图像本文档来自技高网...
【技术保护点】
1.基于图像分析的集装箱病媒生物检测预警系统，其特征在于，包括：
2.根据权利要求1所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：在每个划分的区域内设置相应的图像采集设备，用于获取图像数据。
3.根据权利要求2所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：图像处理和机器学习技术包括目标检测算法和图像分类算法，目标检测算法为YOLO和SSD中的任一种，图像分类算法为CNN和SVM中的任一种。
4.根据权利要求3所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：获取的每个集装箱内的环境数据包括同一集装箱内每个图像采集分区内的温度和湿度，而后对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行预处理的过程为：对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行归一化处理。
5.根据权利要求4所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：生成对应集装箱的风险程度指标Q之前，先计算同一集装箱内每个图像采集分区所对应的风险程度预估值，所依据的公式如下：
6.根据权利要求5所
7.根据权利要求6所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：利用GIS工具计算得出每个发出预警信号的集装箱与工作站之间距离的过程为：
8.根据权利要求7所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：生成集装箱对应的优先指数Pi所依据的公式如下：
9.基于图像分析的集装箱病媒生物检测预警方法，使用权利要求1至8中的任一种所述系统，其特征在于，包括如下步骤：
...【技术特征摘要】
1.基于图像分析的集装箱病媒生物检测预警系统，其特征在于，包括：
2.根据权利要求1所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：在每个划分的区域内设置相应的图像采集设备，用于获取图像数据。
3.根据权利要求2所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：图像处理和机器学习技术包括目标检测算法和图像分类算法，目标检测算法为yolo和ssd中的任一种，图像分类算法为cnn和svm中的任一种。
4.根据权利要求3所述的基于图像分析的集装箱病媒生物检测预警系统，其特征在于：获取的每个集装箱内的环境数据包括同一集装箱内每个图像采集分区内的温度和湿度，而后对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行预处理的过程为：对环境数据、常见病媒生物的数量以及疑似病媒生物的数量进行归一化处理。
【专利技术属性】
技术研发人员：滕新栋，李西峰，徐颖，王雪嵋，
申请(专利权)人：青岛国际旅行卫生保健中心青岛海关口岸门诊部，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。