基于机器学习的风险监控方法、装置、存储介质及电子设备制造方法及图纸

本申请是关于一种基于机器学习的风险监控方法、装置、存储介质及电子设备，属于建筑监控技术领域，该方法包括：获取所述建筑的倾斜监控图像，并定期获取所述建筑的裂缝监控图像；根据倾斜监控图像获取定期倾斜度，并根据裂缝监控图像获取定期裂缝要素数据；根据每个定期倾斜度与每个定期倾斜度关联的定期裂缝要素数据，生成多个输入数据流；根据所有定期倾斜度与所有定期裂缝要素数据，生成基数据流；获取多个输入数据流中的预定数目个输入数据流组成攻击流，输入机器学习模型，得到所述建筑的风险值。本申请基于建筑监控图像的建筑倾斜度和裂缝数据生成的被攻击流，通过机器学习模型高效、准确的监控到建筑的风险值。

Risk monitoring methods, devices, storage media and electronic equipment based on machine learning

【技术实现步骤摘要】
基于机器学习的风险监控方法、装置、存储介质及电子设备
本申请涉及建筑监控
，具体而言，涉及一种基于机器学习的风险监控方法、装置、存储介质及电子设备。
技术介绍
建筑结构开裂、变形是国内外普遍存在的技术问题，建筑结构倾斜变形会导致楼房失稳倒塌，特别是整体性差或已经受损的房屋，一旦达到变形极限则会顷刻间造成极大的损失。目前，对建筑的监控多采用人工的方法或者传感器的布置进行检测，人工进行检测和观测，周期长，误差大，且不能实现采集动态数据进行分析，导致房屋安全难以得到有效保障。采用倾角传感器等方法进行建筑的监控时，存在传感器的布置困难问题，对例如裂纹建筑变形检测不到位。现有技术中，存在建筑的安全监控准确率不高，同时耗费较多的人力资源的问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本申请的目的在于提供一种建筑的实时监控方案，进而至少在一定程度上基于根据建筑监控图像的建筑倾斜度和裂缝数据生成的被攻击流，通过机器学习模型高效本文档来自技高网...

【技术保护点】
1.一种基于机器学习的风险监控方法，其特征在于，包括：/n通过预设在建筑的多个倾斜监控位置的倾斜图像采集设备定期获取所述建筑的倾斜监控图像，并通过预设在所述建筑的多个裂缝监控位置的裂缝图像采集设备定期获取所述建筑的裂缝监控图像；/n根据所述倾斜监控图像获取所述多个倾斜监控位置的定期倾斜度，并根据所述裂缝监控图像获取所述多个裂缝监控位置的定期裂缝要素数据；/n根据每个所述定期倾斜度与每个所述定期倾斜度来源的倾斜监控位置关联的裂缝监控位置的定期裂缝要素数据，生成多个输入数据流；/n根据所有所述定期倾斜度与所有所述定期裂缝要素数据，生成基数据流；/n获取所述多个输入数据流中的预定数目个输入数据流组成...

【技术特征摘要】
1.一种基于机器学习的风险监控方法，其特征在于，包括：
通过预设在建筑的多个倾斜监控位置的倾斜图像采集设备定期获取所述建筑的倾斜监控图像，并通过预设在所述建筑的多个裂缝监控位置的裂缝图像采集设备定期获取所述建筑的裂缝监控图像；
根据所述倾斜监控图像获取所述多个倾斜监控位置的定期倾斜度，并根据所述裂缝监控图像获取所述多个裂缝监控位置的定期裂缝要素数据；
根据每个所述定期倾斜度与每个所述定期倾斜度来源的倾斜监控位置关联的裂缝监控位置的定期裂缝要素数据，生成多个输入数据流；
根据所有所述定期倾斜度与所有所述定期裂缝要素数据，生成基数据流；
获取所述多个输入数据流中的预定数目个输入数据流组成攻击流，并将所述攻击流与所述基数据流进行合并后得到的被攻击数据流，输入预先训练好的机器学习模型，得到所述建筑的风险值。


2.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练方法是：
获取被攻击数据流样本集合，其中每个样本事先标定对应的建筑的风险值；
将每个所述样本的数据分别输入机器学习模型，得到所述机器学习模型输出的建筑的风险值；
如果存在有所述样本的数据输入机器学习模型后，得到的建筑的风险值与对所述样本事先标定的建筑的风险值不一致，则调整所述机器学习模型的系数，直到一致；
当所有所述样本的数据输入机器学习模型后，得到的建筑的风险值与对所述数据样本事先标定的建筑的风险值一致，训练结束。


3.根据权利要求1所述的方法，其特征在于，在所述根据所有所述定期倾斜度与所有所述定期裂缝要素数据，生成基数据流之后，所述方法还包括：
获取预定时间段的多个所述基数据流；
将多个所述基数据流一起输入预先训练好的第二机器学习模型，得到所述建筑的寿命预测值。


4.根据权利要求1所述的方法，其特征在于，在所述根据所述倾斜监控图像获取所述多个倾斜监控位置的定期倾斜度，并根据所述裂缝监控图像获取所述多个裂缝监控位置的定期裂缝要素数据之后，所述方法还包括：
当监控到所述多个倾斜监控位置的定期倾斜度中目标倾斜监控位置的定期倾斜度超过预定阈值时，获取与所述目标倾斜监控位置关联的目标裂缝监控位置的定期裂缝要素数据；
基于预设的建筑信息登记表，计算得到所述目标倾斜监控位置在所述建筑上的第一倾斜风险值，及所述目标裂缝监控位置在所述建筑上的第二倾斜风险值；
根据所述目标倾斜监控位置的定期倾斜度、所述目标裂缝监控位置的定期裂缝要素数据、所述第一倾斜风险值及所述第二倾斜风险值，获取所述建筑的风险值。


5.根据权利要求4所述的方法，其特征在于，所述根据所述目标倾斜监控位置的定期倾斜度、所述目标裂缝监控位置的定期裂缝要素数据、所述第一倾斜风险值及所述第二倾斜风险值，获取所述建筑的风险值，包括：
根据公式W＝(X*S+Y*T)o...

【专利技术属性】
技术研发人员：王红伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44