一种云边协同自主学习的智能识别系统技术方案

本发明专利技术公开了一种云边协同自主学习的智能识别系统，所述系统包括：获得油气管道线路的风险识别要素集合；构建管道风险识别数据库；进行算法识别匹配写入，生成算法识别匹配模型；将油气管道线路的第一监测视频信息输入算法识别匹配模型中，获得第一报警信息；对第一报警信息进行误报标签识别，获得第一标签归类结果；将第一标签归类结果输入智能识别算法训练平台中进行误报优化模型训练，根据误报优化模型，获得第一优化信息；对边缘计算设备中的算法识别匹配模型进行优化。解决了现有技术中存在边缘计算所采用的芯片算力有限，所能实现的智能识别项受到限制，同时算法的识别准确率较低，导致误报率升高，降低管理效率的技术问题。问题。问题。

【技术实现步骤摘要】
一种云边协同自主学习的智能识别系统


[0001]本专利技术涉及智能识别相关领域，尤其涉及一种云边协同自主学习的智能识别系统。

技术介绍

[0002]随着国民经济的快速发展，国家对能源的需求越来越大，而管道是输送石油天然气最经济的重要途径。然而随着城镇化的快速发展，管道安全防护要求也越来越高，尤其是管道线路高后果区的安全监管压力越来越大。目前对于管道线路高后果区的主要安全防护措施采用人工定期巡护的方式，辅以视频监控和无人机巡护。由于人员定期巡护具有一定的时间规律，易被不法分子所掌握，不利于管道的安全监管。虽然近些年管道线路上陆续安装了视频监控设备，基本实现了线路安全风险监管的可视化，但也带来一些问题，如视频画面谁来看、看什么、怎么看等一系列问题。目前部分摄像机自带有一些智能识别算法和功能，由于摄像机自带算法的针对性不强，导致在管道行业中应用时产生了大量的误报和无效报警。随着人工智能技术以及硬件产品的不断发展，边缘计算逐渐发展起来，使得通过在前端写入较为复杂的识别算法进行安全风险智能识别成为了可能。
[0003]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]存在边缘计算所采用的芯片算力有限，所能实现的智能识别项受到限制，同时算法的识别准确率较低，导致误报率升高，降低管理效率的问题。

技术实现思路

[0005]本申请实施例通过提供一种云边协同自主学习的智能识别系统，解决了现有技术中存在边缘计算所采用的芯片算力有限，所能实现的智能识别项受到限制，同时算法的识别准确率较低，导致误报率升高，降低管理效率的技术问题，达到了实现风险智能识别，减少误报和无效报警，提高管理智能水平和提高管理能力，能够根据现场应用环境所需的智能识别项更新边缘计算设备的算法，丰富边缘计算设备的功能，从而实现云边协同，自主训练学习的技术效果。
[0006]鉴于上述问题，提出了本申请实施例提供一种云边协同自主学习的智能识别系统。
[0007]第一方面，本申请实施例提供了一种云边协同自主学习的智能识别系统，其中，所述系统与一云服务器通信连接，所述系统包括：第一获得单元，所述第一获得单元用于获得油气管道线路的风险识别要素集合；第一构建单元，所述第一构建单元用于根据所述风险识别要素集合，构建管道风险识别数据库；第一生成单元，所述第一生成单元用于将所述管道风险识别数据库输入边缘计算设备中进行算法识别匹配写入，生成算法识别匹配模型；第二获得单元，所述第二获得单元用于将所述油气管道线路的第一监测视频信息输入所述算法识别匹配模型中，根据所述算法识别匹配模型，获得第一报警信息；第一执行单元，所
述第一执行单元用于将所述第一报警信息传输至所述云服务器中，其中，所述云服务器包括智能识别管理平台和智能识别算法训练平台；第三获得单元，所述第三获得单元用于根据所述智能识别管理平台对所述第一报警信息进行误报标签识别，获得第一标签归类结果；第四获得单元，所述第四获得单元用于将所述第一标签归类结果输入所述智能识别算法训练平台中进行误报优化模型训练，根据所述误报优化模型，获得第一优化信息；第二执行单元，所述第二执行单元用于根据所述第一优化信息对所述边缘计算设备中的所述算法识别匹配模型进行优化。
[0008]另一方面，本申请还提供了一种云边协同自主学习的智能识别方法，所述方法包括：获得油气管道线路的风险识别要素集合；根据所述风险识别要素集合，构建管道风险识别数据库；将所述管道风险识别数据库输入边缘计算设备中进行算法识别匹配写入，生成算法识别匹配模型；将所述油气管道线路的第一监测视频信息输入所述算法识别匹配模型中，根据所述算法识别匹配模型，获得第一报警信息；将所述第一报警信息传输至所述云服务器中，其中，所述云服务器包括智能识别管理平台和智能识别算法训练平台；根据所述智能识别管理平台对所述第一报警信息进行误报标签识别，获得第一标签归类结果；将所述第一标签归类结果输入所述智能识别算法训练平台中进行误报优化模型训练，根据所述误报优化模型，获得第一优化信息；根据所述第一优化信息对所述边缘计算设备中的所述算法识别匹配模型进行优化。
[0009]第三方面，本专利技术提供了一种云边协同自主学习的智能识别系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
[0010]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0011]由于采用了获得油气管道线路的风险识别要素集合；根据所述风险识别要素集合，构建管道风险识别数据库；将所述管道风险识别数据库输入边缘计算设备中进行算法识别匹配写入，生成算法识别匹配模型；将所述油气管道线路的第一监测视频信息输入所述算法识别匹配模型中，根据所述算法识别匹配模型，获得第一报警信息；将所述第一报警信息传输至所述云服务器中，其中，所述云服务器包括智能识别管理平台和智能识别算法训练平台；根据所述智能识别管理平台对所述第一报警信息进行误报标签识别，获得第一标签归类结果；将所述第一标签归类结果输入所述智能识别算法训练平台中进行误报优化模型训练，根据所述误报优化模型，获得第一优化信息；根据所述第一优化信息对所述边缘计算设备中的所述算法识别匹配模型进行优化。达到了实现风险智能识别，减少误报和无效报警，提高管理智能水平和提高管理能力，能够根据现场应用环境所需的智能识别项更新边缘计算设备的算法，丰富边缘计算设备的功能，从而实现云边协同，自主训练学习的技术效果。
[0012]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0013]图1为本申请实施例一种云边协同自主学习的智能识别系统的流程示意图；
[0014]图2为本申请实施例一种云边协同自主学习的智能识别系统的进行误报标记流程示意图；
[0015]图3为本申请实施例一种云边协同自主学习的智能识别系统的生成第一准确系数流程示意图；
[0016]图4为本申请实施例一种云边协同自主学习的智能识别系统的获得第一优化信息流程示意图；
[0017]图5为本申请实施例一种云边协同自主学习的智能识别系统的结构示意图；
[0018]图6为本申请实施例示例性电子设备的结构示意图。
[0019]附图标记说明：第一获得单元11，第一构建单元12，第一生成单元13，第二获得单元14，第一执行单元15，第三获得单元16，第四获得单元17，第二执行单元18，计算设备90，存储器91，处理器 92，输入输出接口93。
具体实施方式
[0020]本申请实施例通过提供一种云边协同自主学习的智能识别系统，解决了现有技术中存在边缘计算所采用的芯片算力有限，所能实现的智能识别项受到限制，同时算法的识别准确率较低，导致误报率升高，降低管理效率的技术问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云边协同自主学习的智能识别系统，其中，所述系统与一云服务器通信连接，所述系统包括：第一获得单元，所述第一获得单元用于获得油气管道线路的风险识别要素集合；第一构建单元，所述第一构建单元用于根据所述风险识别要素集合，构建管道风险识别数据库；第一生成单元，所述第一生成单元用于将所述管道风险识别数据库输入边缘计算设备中进行算法识别匹配写入，生成算法识别匹配模型；第二获得单元，所述第二获得单元用于将所述油气管道线路的第一监测视频信息输入所述算法识别匹配模型中，根据所述算法识别匹配模型，获得第一报警信息；第一执行单元，所述第一执行单元用于将所述第一报警信息传输至所述云服务器中，其中，所述云服务器包括智能识别管理平台和智能识别算法训练平台；第三获得单元，所述第三获得单元用于根据所述智能识别管理平台对所述第一报警信息进行误报标签识别，获得第一标签归类结果；第四获得单元，所述第四获得单元用于将所述第一标签归类结果输入所述智能识别算法训练平台中进行误报优化模型训练，根据所述误报优化模型，获得第一优化信息；第二执行单元，所述第二执行单元用于根据所述第一优化信息对所述边缘计算设备中的所述算法识别匹配模型进行优化。2.如权利要求1所述的系统，其中，所述系统包括：第五获得单元，所述第五获得单元用于将所述第一报警信息进行准确性识别，获得第一准确系数；第六获得单元，所述第六获得单元用于将所述第一准确系数输入逻辑回归模型中进行准确性判断，获得逻辑回归结果，其中，所述逻辑回归结果包括第一结果和第二结果，所述第一结果为不准确，所述第二结果为准确；第二生成单元，所述第二生成单元用于若所述逻辑回归结果为所述第一结果，生成第一误报标识信息；第三执行单元，所述第三执行单元用于根据所述第一误报标识信息对所述第一报警信息进行误报标记。3.如权利要求2所述的系统，其中，所述第三获得单元还包括：第七获得单元，所述第七获得单元用于通过对所述第一报警信息进行识别筛选，获得第一筛选报警信息，其中，所述第一筛选报警信息为具有误报标签的报警信息；第三生成单元，所述第三生成单元用于通过对所述第一筛选报警信息进行特征识别，生成第一特征集；第八获得单元，所述第八获得单元用于对所述第一特征集进行特征识别项分析，并根据所述特征识别项对所述第一筛选报警信息进行智能特征向归类，获得所述第一标签归类结果。4.如权利要求2所述的系统，其中，所述系统包括：第九获得单元，所述第九获得单元用于获得所述智能管理平台的第一管理人员；第十获得单元，所述第十获得单元用于根据所述第一管理人员，获得第一人员识别信息；
第十一获得单元，所述第十一获得单元用于将所述第一报警信息输入准确性核检模型中进...

【专利技术属性】
技术研发人员：姜有文，赵云峰，王巨洪，李荣光，张子龙，王新，李保吉，马江涛，叶汉，丁雨，闫杰，王路，王祥，王辛楼，
申请(专利权)人：国家管网集团北方管道有限责任公司，
类型：发明
国别省市：