一种基于人工智能的物联网数据的采集分析系统技术方案

本发明专利技术公开了一种基于人工智能的物联网数据的采集分析系统，包括数据采集模块、人工智能分析模块、控制模块、移动单元和通信模块；数据采集模块采集各个区域内监测点的数据，通信模块将数据采集模块采集到的数据发送至人工智能分析模块；人工智能分析模块包括报警预测模块、异常定位模块；报警预测模块采用聚类算法将各个区域内监测点的数据与数据库中的数据进行聚类，分析各个区域内监测点的数据是否处于正常状态，并输出分析结果；通信模块将报警预测模块分析出的结果发送至控制模块；控制模块根据分析结果控制移动单元前往非正常状态的区域。本发明专利技术采用人工智能分析模块进行数据分析和判断，极大的提高了数据的处理效率。率。率。

【技术实现步骤摘要】
一种基于人工智能的物联网数据的采集分析系统


[0001]本专利技术涉及计算机
，特别涉及一种基于人工智能的物联网数据的采集分析系统。

技术介绍

[0002]随着信息化的进程，物联网已经广泛用于各个领域，并发挥着重要的作用，物联网通过信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。目前物联网产业早已渗透到工业生产的各个领域，方便人们在生产的过程中进行数据的采集和分析，但目前的物联网数据无论是取样还是判断都不够智能，需要人工进行辅助判断，这样极大的降低了生产效率，同时无法及时的发现安全隐患。

技术实现思路

[0003]为了至少解决或部分解决上述问题，提供一种基于人工智能的物联网数据的采集分析系统。
[0004]为了达到上述目的，本专利技术提供了如下的技术方案：
[0005]本专利技术一种基于人工智能的物联网数据的采集分析系统，包括数据采集模块、人工智能分析模块、控制模块、移动单元和通信模块；
[0006]所述数据采集模块采集各个区域内监测点的数据，所述通信模块将数据采集模块采集到的数据发送至人工智能分析模块；
[0007]所述人工智能分析模块包括报警预测模块、异常定位模块；
[0008]所述报警预测模块采用聚类算法将各个区域内监测点的数据与数据库中的数据进行聚类，分析各个区域内监测点的数据是否处于正常状态，并输出分析结果；
[0009]所述通信模块将报警预测模块分析出的结果发送至控制模块；
[0010]所述控制模块根据分析结果控制移动单元前往非正常状态的区域；
[0011]所述移动单元包括图像采集模块和标记模块；
[0012]所述图像采集模块采集各个区域内的图像数据并将数据通过通信模块发送至异常定位模块；
[0013]所述异常定位模块根据图像数据进行特征提取，提取出异常图像，并将异常图像的数据发送至移动单元；
[0014]所述移动单元通过标记模块对异常位置进行标记。
[0015]作为本专利技术的一种优选技术方案，所述异常定位模块包括预处理模块、特征提取模块，所述预处理模块采用灰度处理的方式对区域内的图像数据进行处理，并将处理后的数据发送至特征提取模块，所述特征提取模块对图像数据进行特征提取，提取出异常图像。
[0016]作为本专利技术的一种优选技术方案，所述特征提取模块采用由卷积到批标准化到激活Relu函数的卷积单元形式的网络结构对图像进行卷积并采用强分类器将异常图像进行
提取。
[0017]作为本专利技术的一种优选技术方案，所述通信模块采用无线数据传输。
[0018]作为本专利技术的一种优选技术方案，所述报警预测模块采用kmeans聚类算法进行聚类，所述kmeans聚类算法将数据库中的数据分成k类并设置每个类的质心，计算数据采集模块采集到的数据属于哪一类，再重新计算该类的质心，直到收敛，从而确定样本数据的是否处于正常状态。
[0019]与现有技术相比，本专利技术的有益效果如下：
[0020]本专利技术采用人工智能分析模块进行数据分析和判断，并通过移动单元进行取样和进一步分析并标记定位异常数据，极大的提高了数据的处理效率，减少了人工的参与，具有高效、及时的特点，极大的扩展了应用前景。
附图说明
[0021]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0022]图1是本专利技术的整体结构示意图；
[0023]图中：1、数据采集模块；2、人工智能分析模块；3、控制模块；4、移动单元；5、通信模块；6、报警预测模块；7、异常定位模块；8、图像采集模块；9、标记模块；10、预处理模块；11、特征提取模块。
具体实施方式
[0024]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。其中附图中相同的标号全部指的是相同的部件。
[0025]此外，如果已知技术的详细描述对于示出本专利技术的特征是不必要的，则将其省略。
[0026]实施例1
[0027]如图1所示，本专利技术提供一种基于人工智能的物联网数据的采集分析系统，包括数据采集模块1、人工智能分析模块2、控制模块3、移动单元4和通信模块5；数据采集模块1采集各个区域内监测点的数据，通信模块5将数据采集模块1采集到的数据发送至人工智能分析模块2；人工智能分析模块2包括报警预测模块6、异常定位模块7；报警预测模块6采用聚类算法将各个区域内监测点的数据与数据库中的数据进行聚类，分析各个区域内监测点的数据是否处于正常状态，并输出分析结果；通信模块5将报警预测模块6分析出的结果发送至控制模块3；控制模块3根据分析结果控制移动单元4前往非正常状态的区域；移动单元4包括图像采集模块8和标记模块9；图像采集模块8采集各个区域内的图像数据并将数据通过通信模块5发送至异常定位模块7；异常定位模块7根据图像数据进行特征提取，提取出异常图像，并将异常图像的数据发送至移动单元4；移动单元4通过标记模块9对异常位置进行标记。
[0028]具体的，先通过物联网的物与系统的信息交互，将物品的数据输入至系统进行分析，然后将分析出有异常的数据通过移动单元自动去取样，并利用视觉系统自动识别异常部位，并将数据进行标记，方便后面进行检修，减少生产过程中的重大隐患。
[0029]报警预测模块6采用kmeans聚类算法进行聚类，kmeans聚类算法将数据库中的数据分成k类并设置每个类的质心，计算数据采集模块采集到的数据属于哪一类，再重新计算该类的质心，直到收敛，从而确定样本数据的是否处于正常状态，异常定位模块7包括预处理模块10、特征提取模块11，预处理模块10采用灰度处理的方式对区域内的图像数据进行处理，并将处理后的数据发送至特征提取模块11，特征提取模块11对图像数据进行特征提取，提取出异常图像，特征提取模块可以采用边界损失网络进行数据提取，提取出带有问题的图像数据。
[0030]边界损失网络可采用由卷积到批标准化到激活Relu函数的卷积单元形式的网络结构对图像进行卷积，通过强分类器将异常图像进行识别并提取，来实现快速标记。
[0031]通信模块5采用无线数据传输，有利于各个数据之间进行快速传递，并减少数据传递的阻碍。
[0032]本专利技术采用人工智能分析模块进行数据分析和判断，并通过移动单元进行取样和进一步分析并标记定位异常数据，极大的提高了数据的处理效率，减少了人工的参与，具有高效、及时的特点，极大的扩展了应用前景。
[0033]最后应说明的是：以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本专利技术的精神和原则之内，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的物联网数据的采集分析系统，其特征在于，包括数据采集模块(1)、人工智能分析模块(2)、控制模块(3)、移动单元(4)和通信模块(5)；所述数据采集模块(1)采集各个区域内监测点的数据，所述通信模块(5)将数据采集模块(1)采集到的数据发送至人工智能分析模块(2)；所述人工智能分析模块(2)包括报警预测模块(6)、异常定位模块(7)；所述报警预测模块(6)采用聚类算法将各个区域内监测点的数据与数据库中的数据进行聚类，分析各个区域内监测点的数据是否处于正常状态，并输出分析结果；所述通信模块(5)将报警预测模块(6)分析出的结果发送至控制模块(3)；所述控制模块(3)根据分析结果控制移动单元(4)前往非正常状态的区域；所述移动单元(4)包括图像采集模块(8)和标记模块(9)；所述图像采集模块(8)采集各个区域内的图像数据并将数据通过通信模块(5)发送至异常定位模块(7)；所述异常定位模块(7)根据图像数据进行特征提取，提取出异常图像，并将异常图像的数据发送至移动单元(4)；所述移动单元(4)通过标记模块(9)对异常位置进行标记。2.根据权...

【专利技术属性】
技术研发人员：张大艳，
申请(专利权)人：张大艳，
类型：发明
国别省市：