【技术实现步骤摘要】
本申请涉及物联网人工智能，更具体地涉及一种危化品场站安全可信预警方法、系统、设备及介质。
技术介绍
1、危化品场站作为化学工业的重要组成部分，其安全性直接关系到人员生命财产安全及环境保护。然而，危化品场站往往面临着复杂多变的运行环境，包括各类化学品的存储、运输、加工等过程，这些过程都可能产生安全隐患。传统的安全监控方法往往依赖于单一的数据源，如温度传感器、压力传感器等，这些数据虽然能够提供一定的安全信息，但往往存在片面性和局限性，难以全面反映危化品场站的实际安全状况。
2、因此，需要提供一种危化品场站安全可信预警方法、系统、设备及介质，以至少部分地解决上述问题。
技术实现思路
1、在
技术实现思路
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本申请的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
2、为至少部分地解决上述问题，本申请第一方面提供一种危化品场站安全可信预警方法，包括以下步骤：
3、获取危化品场站的多模态信息，并将所述多模态信息转换成待处理数据，所述多模态信息包括传感器信息、图像信息、环境与气象信息和地理与交通信息中的至少一种；
4、将待处理数据进行融合，并进行格式化处理，输出标准格式的数据；
5、将标准格式的数据输入多层感知器模型，进行深度神经网络学习，评估危化品场站的安全性，根据安全性评估结果，
6、根据本申请第一方面的危化品场站安全可信预警方法，通过获取多模态信息，并将其融合处理，能够更全面地反映危化品场站的实际状况，能够显著提升预警的准确性和可信度。采用多层感知器模型，能够不断地学习，从而提高预测的精准性。通过告警推送，提高了危化品场站安全管理的可信度和可靠性。
7、可选地，所述深度神经网络学习步骤具体包括：
8、数据预处理：对所述标准格式的数据进行归一化，将其归一化到[0-1]区间，将归一化后的数据转换成深度学习模型所需要的数据格式；
9、特征抽取：对预处理后的数据进行特征抽取；
10、模型训练：将抽取的特征作为训练数据，采用深度学习模型进行模型训练，输出预测模型；
11、安全性预测：获取新的所述标准格式的数据作为预测模型的输入，将预测模型的输出作为危化品场站的安全性评估结果。
12、可选地，所述多层感知器模型由输入层、多个隐藏层和输出层组成；其中，
13、在每个所述隐藏层使用relu激活函数处理非线性关系，并通过反向传播算法进行训练。
14、可选地，所述深度学习模型为pytorch、paddle、tensorflow、caffe中的一种。
15、可选地，所述深度学习模型采用bceloss作为损失函数，并用adam优化器进行深度学习模型权重更新，bceloss损失函数具体为：
16、bceloss(y,y^)＝-ylog(y^)-(1-y)log(1-y^)
17、其中：
18、y是真实的标签，取值为0或1；
19、y^是模型的输出值。
20、可选地，所述传感器信息至少包括压力信息、温度信息、气体泄漏信息和距离信息中的至少一者；
21、所述环境与气象信息包括大风信息、大雨信息、大雾信息、低温信息和高温信息中的至少一者；
22、所述地理与交通信息包括道路状况信息、山川信息、河流信息和坡度信息中的至少一者；
23、所述图像信息通过gpu算力处理。
24、本申请第二方面提供一种危化品场站安全可信预警系统，用于实现上述的危化品场站安全预警可信方法，包括：
25、物联网终端，所述物联网终端包括多个采集设备，所述采集设备用于收集危化品场站的多模态信息，并将所述多模态信息转换成待处理数据；
26、边缘计算平台，所述边缘计算平台用于获取不同的所述采集设备的待处理数据，将待处理数据进行融合，并进行格式化处理，输出标准格式的数据；
27、安全可信预警系统，所述安全可信预警系统基于多层感知器模型，对接收的标准格式进行分析，输出危化品场站的安全得分，若所述安全得分超出风险阈值，则进行告警推送。
28、根据本申请第二方面的危化品场站安全可信预警系统，具有与上述方法类似的技术效果。本方案实施简单，不需要改动危化品场站已有的设备，也不需要改动场地，算法简单、容易实施。
29、可选地，所述物联网终端与所述边缘计算平台通信连接，所述通信连接的方式包括有线通信方式和/或无线通信方式；所述有线通信方式包括以太网通信、串口通信、hdmi通信和光纤通信方式；所述无线通信方式包括wifi、蓝牙、lora以及4g/5g移动网络通信方式。
30、本申请第三方面提供一种电子设备，所述设备包括：
31、存储有可执行程序代码的存储器；以及
32、至少一个与所述存储器耦合的处理器；其中，
33、所述处理器调用所述存储器中存储的所述可执行程序代码，执行如上述的危化品场站安全可信预警方法的步骤。
34、本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如上所述的危化品场站安全可信预警方法的步骤。
本文档来自技高网...【技术保护点】
1.一种危化品场站安全预警可信方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的危化品场站安全可信预警方法，其特征在于，所述深度神经网络学习步骤具体包括：
3.根据权利要求2所述的危化品场站安全可信预警方法，其特征在于，所述多层感知器模型由输入层、多个隐藏层和输出层组成；其中，
4.根据权利要求2所述的危化品场站安全可信预警方法，其特征在于，所述深度学习模型为PyTorch、Paddle、TensorFlow、Caffe中的一种。
5.根据权利要求4所述的危化品场站安全可信预警方法，其特征在于，所述深度学习模型采用BCEloss作为损失函数，并用Adam优化器进行深度学习模型权重更新，BCELoss损失函数具体为：
6.根据权利要求1所述的危化品场站安全可信预警方法，其特征在于，
7.一种危化品场站安全可信预警系统，用于实现如权利要求1至6中任一项所述的危化品场站安全预警方法，其特征在于，包括：
8.根据权利要求7所述的危化品场站安全可信预警系统，其特征在于，所述物联网终端与所述边缘计算平
9.一种电子设备，其特征在于，所述设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1至6任一项所述的危化品场站安全可信预警方法的步骤。
...【技术特征摘要】
1.一种危化品场站安全预警可信方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的危化品场站安全可信预警方法，其特征在于，所述深度神经网络学习步骤具体包括：
3.根据权利要求2所述的危化品场站安全可信预警方法，其特征在于，所述多层感知器模型由输入层、多个隐藏层和输出层组成；其中，
4.根据权利要求2所述的危化品场站安全可信预警方法，其特征在于，所述深度学习模型为pytorch、paddle、tensorflow、caffe中的一种。
5.根据权利要求4所述的危化品场站安全可信预警方法，其特征在于，所述深度学习模型采用bceloss作为损失函数，并用adam优化器进行深度学习模型权重更新，bceloss损失函数具体为：
6.根据权利要求1所述的危化品场站安...
【专利技术属性】
技术研发人员：刘浩，吕洁印，卢东艳，颜小威，牛祥华，
申请(专利权)人：深圳中集智能科技有限公司，
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。