智能识别装置以及监控系统制造方法及图纸

本实用新型专利技术实施例提供一种智能识别装置以及监控系统，属于监控技术领域。所述智能识别装置与监控终端连接，所述装置包括：相互连接的神经网络处理器、存储器与AVR微控制器，其中，所述神经网络处理器，与所述监控终端连接，用于获取所述监控终端摄取的实时视频图像，并根据预设识别模型在所述实时视频图像中，基于神经网络技术识别目标图像，将所述目标图像的坐标以及代码传输给所述监控终端；所述存储器，用于存储所述神经网络处理器运行的固件；以及所述AVR微控制器，用于将所述存储器中的固件调入所述神经网络处理器中。所述智能识别装置可实现本地图像识别，进而大幅地提升了电力系统厂区内设备监测的智能化和处理时效。力系统厂区内设备监测的智能化和处理时效。力系统厂区内设备监测的智能化和处理时效。

【技术实现步骤摘要】
智能识别装置以及监控系统


[0001]本技术涉及监控
，具体地涉及一种智能识别装置以及监控系统。

技术介绍

[0002]为了保证电力系统中各设备的正常运行，一般在电力系统的厂区内，例如变电站等区域，采取人工巡检、固定摄像头监控、机器人巡检以及基于后台服务器监控的方式进行监测。
[0003]对于目前电力系统厂区内的四种监测方式中，第一种方式是纯粹依靠人工日常巡视，进行检修工作，人力成本高，巡检效率低，安全性差；第二种方式是通过固定摄像头实时观测的方式，全程依赖监控人员的观察、判断和评估，对监控人员专业素质要求较高，人眼容易疲劳，且易误判；第三种方式是采用移动机器人在地面进行电力设备的巡检，但是多使用图像比对的简单方法来实现，性能差、可靠性低；第四种方式是基于后台服务器的部署方式，先采集、再汇总、最后在云端(数据中心、服务器集群)进行统一处理，网络和云端的负载较大，而且云端数据的判决过程需要大量的人工参与，实时性难以保证，效率低。

技术实现思路

[0004]本技术的目的是提供一种智能识别装置以及监控系统，其可在解放基层巡检人员与监控人员的工作压力的同时，有效分担云端服务器识别图像的压力，从而可实现本地图像识别，进而大幅地提升了电力系统厂区内设备监测的智能化和处理时效。
[0005]为了实现上述目的，本技术提供一种智能识别装置，所述装置与监控终端连接，所述装置包括：相互连接的神经网络处理器、存储器与AVR微控制器，其中，所述神经网络处理器，与所述监控终端连接，用于获取所述监控终端摄取的实时视频图像，并根据预设识别模型在所述实时视频图像中，基于神经网络技术识别目标图像，将所述目标图像的坐标以及代码传输给所述监控终端；所述存储器，用于存储所述神经网络处理器运行的固件；以及所述AVR微控制器，用于将所述存储器中的固件调入所述神经网络处理器中。
[0006]优选地，所述神经网络处理器与所述监控终端通过异型USB3.0接口连接。
[0007]优选地，所述神经网络处理器、所述存储器与所述AVR微控制器之间通过IIC接口相连接。
[0008]优选地，所述装置还包括：电源模块，分别与所述神经网络处理器、所述存储器与所述AVR微控制器连接，用于提供电源。
[0009]通过上述技术方案，采用本技术提供的智能识别装置实现本地目标图像的识别处理，降低了巡检人员和监控人员的依赖程度，同时也无需将大量数据统一上传至云端服务器，降低了网络负载。另外，需要处理的数据仅为本地监控终端采集到的数据，数据量小，利用神经网络处理器进行识别，处理能力强，实时性更高。
[0010]相应地，本技术还提供一种监控系统，所述监控系统包括：至少一组相互连接的监控终端和如上所述的智能识别装置，所述监控终端，用于摄取实时视频图像，接收所述
智能识别装置识别的目标图像的坐标以及代码，并根据所述目标图像的坐标在实时视频图像中标注所述目标图像，同时将标注后的目标图像及其代码上传至云端服务器。
[0011]优选地，所述监控终端包括摄像头或移动机器人。
[0012]通过上述技术方案，采用本技术提供的监控系统实现了每组监控终端与智能识别装置可单独处理采集到的数据，即使个别监控终端由于网络通信或其它原因产生故障，导致不能识别其所采集的数据，也不会影响其它监控终端与智能识别装置的数据识别，保证了整体监控系统的安全可靠性。
[0013]本技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0014]附图是用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本技术实施例，但并不构成对本技术实施例的限制。在附图中：
[0015]图1是本技术一实施例提供的智能识别装置的结构示意图；
[0016]图2是本技术另一实施例提供的智能识别装置的结构示意图；
[0017]图3是本技术一实施例提供的一种监控系统的结构示意图。
[0018]附图标记说明
[0019]10
ꢀꢀꢀꢀꢀ
监控终端
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
20
ꢀꢀꢀꢀꢀ
智能识别装置
[0020]21
ꢀꢀꢀꢀꢀ
神经网络处理器
ꢀꢀꢀꢀꢀꢀꢀ
22
ꢀꢀꢀꢀꢀ
存储器
[0021]23
ꢀꢀꢀꢀꢀ
AVR微控制器
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
24
ꢀꢀꢀꢀꢀ
电源模块
[0022]30
ꢀꢀꢀꢀꢀ
监控系统
具体实施方式
[0023]以下结合附图对本技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术实施例，并不用于限制本技术实施例。
[0024]图1是本技术一实施例提供的智能识别装置的结构示意图。如图1所示，所述装置与监控终端10连接，所述装置20包括：相互连接的神经网络处理器21、存储器22与AVR微控制器23，其中，所述神经网络处理器21，与所述监控终端连接，用于获取所述监控终端摄取的实时视频图像，并根据预设识别模型在所述实时视频图像中，基于神经网络技术识别目标图像，将所述目标图像的坐标以及代码传输给所述监控终端；所述存储器22，用于存储所述神经网络处理器运行的固件；所述AVR微控制器23，用于将所述存储器中的固件调入所述神经网络处理器中。
[0025]具体地，所述神经网络处理器与所述监控终端通过异型USB3.0接口连接。所述神经网络处理器、所述存储器与所述AVR微控制器之间通过IIC接口相连接。
[0026]其中，所述神经网络处理器为该智能识别装置的核心芯片，所述芯片作为协处理器，用于加速神经网络技术的计算工作，诸如图像分类、自然语言处理、语音识别和其他基于卷积神经网络的应用任务。支持片上并行技术，消除内存瓶颈。该芯片实现了业界领先的
小尺寸封装和功率效率，支持主流的人工智能框架，如Caffe，TensorFlow，PyTorch和MXNet等。
[0027]另外，本技术中的所述神经网络处理器采用深度学习算法，基于卷积神经网络实现场景深度模型构建，算法芯片化，大幅提升算力，峰值算力1.2TOPS，可完成目标检测、目标识别、语义分割等常见图像处理功能，实现智能识别。
[0028]所述智能识别装置上电后，所述AVR微控制器将所述存储器中的固件调入所述神经网络处理器后，所述监控终端将根据实际电力系统中的厂区内的视频监控场景训练得到的预设识别模型通过USB接口载入给所述神经网络处理器，之后所述监控终端将所拍摄的实时视频图像传输给所述神经网络处理器，由所述神经网络处理器对所述实时视频图像中的目标图像进行自动识别。其中，所述存储器中的固件包括所述神经网络处理器的设置信息。所述神经网络处理器根据预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能识别装置，其特征在于，所述装置与监控终端连接，所述装置包括：相互连接的神经网络处理器、存储器与AVR微控制器，其中，所述神经网络处理器，与所述监控终端连接，用于获取所述监控终端摄取的实时视频图像，并根据预设识别模型在所述实时视频图像中，基于神经网络技术识别目标图像，将所述目标图像的坐标以及代码传输给所述监控终端；所述存储器，用于存储所述神经网络处理器运行的固件；以及所述AVR微控制器，用于将所述存储器中的固件调入所述神经网络处理器中。2.根据权利要求1所述的智能识别装置，其特征在于，所述神经网络处理器与所述监控终端通过异型USB3.0接口连接。3.根据权利要求1所述的智能识别装置，其特征在于，所述神经网络...

【专利技术属性】
技术研发人员：李春晖，邢增强，刘立宇，褚鑫，崔文朋，刘瑞，郑哲，池颖英，
申请(专利权)人：北京智芯微电子科技有限公司，
类型：新型
国别省市：