环境在线监测数据的质控方法、装置、存储介质及设备制造方法及图纸

本发明专利技术提供一种环境在线监测数据的质控方法、装置、存储介质及设备，该方法包括：对在线监测数据进行数据分析，以提取在线监测数据的数据特征值；获取在线监测数据采集过程中监测现场的监控视频数据，并识别数据中存在的目标行为动作；获取在线监测数据对应的监测设备的设备状态信息；根据在线监测数据的数据特征值、目标行为动作、监测设备的设备状态信息，检测目标行为动作的行为类型以及在线监测数据中异常数据与目标行为动作或设备状态信息的相关性；根据目标行为动作的行为类型、在线监测数据中异常数据与行为动作或设备状态信息的相关性，识别监测设备中的待校准的监测设备，并对其执行质控操作，实现环境在线监测数据的智能质控。据的智能质控。据的智能质控。

【技术实现步骤摘要】
环境在线监测数据的质控方法、装置、存储介质及设备


[0001]本专利技术涉及人工智能
，尤其涉及一种环境在线监测数据的质控方法、装置、存储介质及设备。

技术介绍

[0002]环境在线监测技术是以在线自动分析仪器为核心，运用现代传感器技术、自动测量技术、自动控制技术、计算机应用技术以及相关的专用分析软件所组成的一个综合性的在线自动环保监测与环境预警的信息平台。该技术已经广泛地在水质监测、烟气自动监测（CEMS）、空气质量监测、环境噪声监测以及视频监测等多种环境在线监测过程中应用，方便了各级环保部门的环境监理与环境监测工作，同时促进了环保工作的交流，对国家的环保产业的技术发展有一定的推动作用。
[0003]目前，当前环境监测数据质量存在两方面突出问题：一是人为干预导致数据失真。不当干预环境监测行为时有发生，如指使相关人员通过干扰采样设施等手段篡改、伪造监测数据等现象，损害了政府的公信力。排污单位监测数据弄虚作假屡禁不止。有些企业为了逃避监管，蓄意干扰监测现场采样，篡改、伪造监测数据。环境监测机构服务水平良莠不齐。一些社会环境监测机构、环境监测设备运营维护机构受利益驱动，或屈从于委托单位的无理要求，编造数据、出假报告以赚取利润；或者为了抢占市场低价竞争，为了降低成本不按规范开展监测活动，监测质量堪忧。
[0004]二是客观局限导致数据不准。由于监测方法标准体系和监测质量管理体系不完善，或因人员、仪器、设备等能力不足造成监测数据不准确、不科学；相关部门因环境质量监测点位不一致、方法标准不统一、信息发布缺乏会商机制，导致不同部门同类环境监测数据不一致不可比，引发公众对环境监测数据的质疑。随着我国环境自动监测技术的进步、仪表智能化发展及网络技术和地理信息系统技术发展，新建的环境自动监测系统现已趋于日益完善的状态。我国的自动监测系统规范化问题日益突出。国内仪器种类虽多，但是由于各地区差异太大，而导致对同一监测指标因方法不同而造成数据不同的问题相当严重。
[0005]随着国家“工业4.0”战略的不断推进，以及工业自动化和信息化的深入发展，工业物联网已经得到了广泛的普及。无论是设备状态的监测监控，数据质量的在线检测等，通过工业物联网的数据采集与分析，都得到了普遍的应用。同时随着物联网采集数据的不断扩充和深入，充分利用好这些数据，打通物联网从感知到认知的“任督二脉”，形成感知到认知的“闭环”，已经成为工业物联网发展的共识。智联网实现了工业物联网与人工智能的一体化，也是“人工智能”演进到“应用智能”的过程。随着“应用智能”的持续应用，再加上云计算和大数据技术的支持，人工智能技术赋能下的环境在线监测技术变革正在从概念转变成实践。
[0006]同时，为了规范监测手段，确保监测数据和信息的准确可靠，环保质量监测过程中的质量控制和质量保证也显得越来越重要。对于目前数据质控技术输出数据的准确性和可靠性两重要指标外，还对数据的可比较性及追踪性提出了较高要求。从完善的角度来讲，质
量控制环节应该做到数据的多元化比较，之后进行科学性的校准，最后完成独立评估，有效的为全程质量监测做出完善和促进。
[0007]综上所述，如何提供一种环境在线监测数据的质控方法，以发现和标示异常数据，实现数据的多元化关联分析和科学校准，保证环保自动监测设备数据准确可靠性以及可比较、追踪性，对于环境在线监测具有重要意义。

技术实现思路

[0008]鉴于上述问题，本专利技术提出了一种环境在线监测数据的质控方法、装置、存储介质及设备，以杜绝人为干预导致环境在线监测数据失真情况的发生，剔除客观原因导致的数据不准，实现环境在线监测数据的智能质控。
[0009]本专利技术的一个方面，提供了一种环境在线监测数据的质控方法，所述方法包括：对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值；获取所述在线监测数据采集过程中监测现场的监控视频数据，并识别所述监控视频数据中存在的目标行为动作；获取所述监控视频数据中所述在线监测数据对应的监测设备的设备状态信息；根据在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息，检测所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述目标行为动作或设备状态信息的相关性；根据所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述行为动作或设备状态信息的相关性，识别所述监测设备中的待校准的监测设备，并对所述待校准的监测设备执行质控操作。
[0010]可选地，所述对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值，包括：采用BP神经网络创建多层前馈神经网络模型；利用所述多层前馈神经网络模型对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值。
[0011]可选地，所述识别所述监控视频数据中存在的目标行为动作，包括：采用Parsing R
‑
CNN算法识别所述监控视频数据中存在的目标行为动作。
[0012]可选地，所述获取所述监控视频数据中所述在线监测数据对应的监测设备的设备状态信息，包括：识别所述监控视频数据中所述在线监测数据对应的监测设备的设备特征信息，并根据所述设备特征信息确定所述监测设备的第一设备状态；获取所述监测设备上报的故障信息，并根据所述故障信息确定所述监测设备的第二设备状态。
[0013]可选地，所述根据在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息，检测所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述目标行为动作或设备状态信息的相关性，包括：将所述在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息作为预设的分类网络模型的输入参数进行学习训练，得到所述目标行为动作的行为类
型；根据所述目标行为动作的行为类型，确定所述在线监测数据中异常数据与所述目标行为动作或设备状态信息的相关性。
[0014]可选地，所述数据特征值包括以下特征值中的一种或多种：在线监测数据中连续单调递减或递增的数据点的数量大于第一预设值；前后的在线监测数据有阶跃式变化；在线监测数据有单一测量点与其他点的差值均大于预设阈值；在线监测数据有周期性变化；在线监测数据中连续保持不变的数据点的数量大于第二预设值。
[0015]本专利技术的另一个方面，提供了一种环境在线监测数据的质控装置，包括：特征提取模块，用于对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值；行为识别模块，用于获取所述在线监测数据采集过程中监测现场的监控视频数据，并识别所述监控视频数据中存在的目标行为动作；状态获取模块，用于获取所述监控视频数据中所述在线监测数据对应的监测设备的设备状态信息；检测模块，用于根据在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息，检测所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述行为动作或设备状态信息的相关性；执行模块，用于根据所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述行为动作或设备状态信息的相关性，识别所述监测设备中的待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种环境在线监测数据的质控方法，其特征在于，所述方法包括：对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值；获取所述在线监测数据采集过程中监测现场的监控视频数据，并识别所述监控视频数据中存在的目标行为动作；获取所述监控视频数据中所述在线监测数据对应的监测设备的设备状态信息；根据在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息，检测所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述目标行为动作或设备状态信息的相关性；根据所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述行为动作或设备状态信息的相关性，识别所述监测设备中的待校准的监测设备，并对所述待校准的监测设备执行质控操作。2.根据权利要求1所述的方法，其特征在于，所述对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值，包括：采用BP神经网络创建多层前馈神经网络模型；利用所述多层前馈神经网络模型对在线监测数据进行数据分析，以提取所述在线监测数据的数据特征值。3.根据权利要求1所述的方法，其特征在于，所述识别所述监控视频数据中存在的目标行为动作，包括：采用Parsing R
‑
CNN算法识别所述监控视频数据中存在的目标行为动作。4.根据权利要求1所述的方法，其特征在于，所述获取所述监控视频数据中所述在线监测数据对应的监测设备的设备状态信息，包括：识别所述监控视频数据中所述在线监测数据对应的监测设备的设备特征信息，并根据所述设备特征信息确定所述监测设备的第一设备状态；获取所述监测设备上报的故障信息，并根据所述故障信息确定所述监测设备的第二设备状态。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述根据在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息，检测所述目标行为动作的行为类型以及所述在线监测数据中异常数据与所述目标行为动作或设备状态信息的相关性，包括：将所述在线监测数据的数据特征值、目标行为动作、所述监测设备的设备状态信息作为预设的分类网络模型的输入参数进行学习训练，得到所述目标行为动作的行为类型；根据所述目标行为动作的行为类型，确定所述在线监测数据中异常数据与所述目标...

【专利技术属性】
技术研发人员：季明，
申请(专利权)人：天津联图科技有限公司，
类型：发明
国别省市：