基于数字孪生的智慧园区管理系统技术方案

公开了一种基于数字孪生的智慧园区管理系统，其基于数据孪生技术，对表示了智慧园区的照明设备的照明效果的照明监控视频和在进行园区的照明效果设计时产生的参考照明效果视频，即满足预定照明光效的照明设计视频之间进行比较，进而判断园区照明设备的照明效果是否符合设计要求。这样，构建一种优化的智慧园区管理方案，对园区的照明设备进行监控以判断照明设备的照明效果是否满足预定要求。照明设备的照明效果是否满足预定要求。照明设备的照明效果是否满足预定要求。

【技术实现步骤摘要】
基于数字孪生的智慧园区管理系统


[0001]本专利技术涉及园区管理领域，且更为具体的涉及一种基于数字孪生的智慧园区管理系统。

技术介绍

[0002]为调整经济产业结构，集聚产业优势，我国大力发展的园区经济，形成了我国地域经济的增长极。在园区建设过程中，传统的建筑智能化管理存在着以下问题：
[0003](1)设计、建设、应用同质化，难以满足个性化需求；
[0004](2)重要设备运行状态无法实时监控，事故预警难以实现。
[0005]具体地，在园区灯光方面，随着照明技术和物联网控制技术的发展，园区照明从传统的单纯照明功能逐渐发展为还兼顾美学功能，即，通过园区的照明光效来给人视觉体验。但是这也给园区照明设备的监控带来了新的难度，其原因为传统的照明设备监控只需要关注各个照明设备是否能够正常发光即可，而在新型的照明场景中，需要考虑各个照明设备之间的协同性。
[0006]因此，期待一种优化的智慧园区管理方案。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于数字孪生的智慧园区管理系统，其基于数据孪生技术，对表示了智慧园区的照明设备的照明效果的照明监控视频和在进行园区的照明效果设计时产生的参考照明效果视频，即满足预定照明光效的照明设计视频之间进行比较，进而判断园区照明设备的照明效果是否符合设计要求。这样，构建一种优化的智慧园区管理方案，对园区的照明设备进行监控以判断照明设备的照明效果是否满足预定要求。
[0008]根据本申请的一个方面，提供了一种基于数字孪生的智慧园区管理系统，其包括：
[0009]照明监控单元，用于获取智慧园区的照明监控视频和参考照明效果视频；
[0010]关键帧提取单元，用于从所述照明监控视频和所述参考照明效果视频分别提取多个照明监控关键帧和多个参考照明关键帧；
[0011]双流检测单元，用于将所述多个照明监控关键帧和所述多个参考照明关键帧分别通过包含第一卷积神经网络和第二卷积神经网络模型的双流检测模型以得到照明监控多尺度特征图和参考照明多尺度特征图，其中，所述第一卷积神经网络使用具有第一尺度的三维卷积核，所述第二卷积神经网络使用具有第二尺度的三维卷积核；
[0012]差分单元，用于计算所述照明监控多尺度特征图和所述参考照明多尺度特征图之间的差分特征图；
[0013]管理结果生成单元，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示照明效果是否符合设计要求；以及
[0014]孪生单元，用于在屏幕显示所述照明监控视频和所述分类结果。
[0015]在上述基于数字孪生的智慧园区管理系统中，所述关键帧提取单元，进一步用于以预定采样频率从所述照明监控视频和所述参考照明效果视频分别提取所述多个照明监控关键帧和所述多个参考照明关键帧。
[0016]在上述基于数字孪生的智慧园区管理系统中，所述双流检测单元，包括：图像聚合子单元，用于将所述多个照明监控关键帧和所述多个参考照明关键帧分别沿着样本维度进行聚合以得到照明监控输入张量和参考照明输入张量；以及，多尺度三维卷积编码子单元，用于将所述照明监控输入张量和所述参考照明输入张量分别输入所述包含第一卷积神经网络和第二卷积神经网络模型的双流检测模型以得到所述照明监控多尺度特征图和所述参考照明多尺度特征图。
[0017]在上述基于数字孪生的智慧园区管理系统中，所述多尺度三维卷积编码子单元，进一步用于：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第一尺度的三维卷积核的三维卷积编码、池化处理和非线性激活处理以得到第一尺度照明监控特征图和第一尺度参考照明特征图，其中，所述第一卷积神经网络的第一层的输入为所述照明监控输入张量或所述参考照明输入张量；使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第二尺度的三维卷积核的三维卷积编码、池化处理和非线性激活处理以得到第二尺度照明监控特征图和第二尺度参考照明特征图，其中，所述第二卷积神经网络的第一层的输入为所述照明监控输入张量或所述参考照明输入张量；融合所述第一尺度照明监控特征图和所述第二尺度照明监控特征图以得到所述照明监控多尺度特征图；以及，融合所述第一尺度参考照明特征图和所述第二尺度参考照明特征图以得到所述参考照明多尺度特征图。
[0018]在上述基于数字孪生的智慧园区管理系统中，所述差分单元，进一步用于：以如下公式来计算所述照明监控多尺度特征图和所述参考照明多尺度特征图之间的差分特征图；其中，所述公式为：其中，F1表示所述照明监控多尺度特征图，F2表示参考照明多尺度特征图，F
c
表示所述差分特征图，表示按位置作差。
[0019]在上述基于数字孪生的智慧园区管理系统中，所述管理结果生成单元，包括：展开单元，用于将所述差分特征图中各个差分特征矩阵按照行向量或者列向量展开为一维特征向量后级联以得到分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0020]在上述基于数字孪生的智慧园区管理系统中，还包括用于对所述双流检测模型和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练照明监控单元，用于获取训练数据，所述训练数据包括智慧园区的训练照明监控视频和训练参考照明效果视频，以及，训练照明效果是否符合设计要求的真实值；训练关键帧提取单元，用于从所述训练照明监控视频和所述训练参考照明效果视频分别提取多个训练照明监控关键帧和多个训练参考照明关键帧；训练双流检测单元，用于将所述多个训练照明监控关键帧和所述多个训练参考照明关键帧分别通过包含第一卷积神经网络和第二卷积神经网络模型的双流检测模型以得到训练照明监控多尺度特征图和训练参考照明多尺度特征图，其中，所述第一卷积神经网络使用具有第一尺度的三维卷积核，所述第二卷积神经网络使用具有第二尺度的三维卷积核；训练差分单元，用于计算所述训练照明监控多尺度特征图和所述训练参考照明
多尺度特征图之间的训练差分特征图；分类损失单元，用于将所述训练差分特征图通过分类器以得到分类损失函数值；内在化学习损失单元，用于基于所述训练照明监控多尺度特征图和所述训练参考照明多尺度特征图投影后得到的特征向量之间的距离计算序列对序列响应规则内在化学习损失函数值；以及，训练单元，用于计算所述分类损失函数值和所述序列对序列响应规则内在化学习损失函数值的加权和作为损失函数值来对所述双流检测模型和所述分类器进行训练。
[0021]在上述基于数字孪生的智慧园区管理系统中，所述内在化学习损失单元，进一步用于：以如下公式基于所述训练照明监控多尺度特征图和所述训练参考照明多尺度特征图投影后得到的特征向量之间的距离计算序列对序列响应规则内在化学习损失函数值；其中，所述公式为：
[0022][0023][0024]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的智慧园区管理系统，其特征在于，包括：照明监控单元，用于获取智慧园区的照明监控视频和参考照明效果视频；关键帧提取单元，用于从所述照明监控视频和所述参考照明效果视频分别提取多个照明监控关键帧和多个参考照明关键帧；双流检测单元，用于将所述多个照明监控关键帧和所述多个参考照明关键帧分别通过包含第一卷积神经网络和第二卷积神经网络模型的双流检测模型以得到照明监控多尺度特征图和参考照明多尺度特征图，其中，所述第一卷积神经网络使用具有第一尺度的三维卷积核，所述第二卷积神经网络使用具有第二尺度的三维卷积核；差分单元，用于计算所述照明监控多尺度特征图和所述参考照明多尺度特征图之间的差分特征图；管理结果生成单元，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示照明效果是否符合设计要求；以及孪生单元，用于在屏幕显示所述照明监控视频和所述分类结果。2.根据权利要求1所述的基于数字孪生的智慧园区管理系统，其特征在于，所述关键帧提取单元，进一步用于以预定采样频率从所述照明监控视频和所述参考照明效果视频分别提取所述多个照明监控关键帧和所述多个参考照明关键帧。3.根据权利要求2所述的基于数字孪生的智慧园区管理系统，其特征在于，所述双流检测单元，包括：图像聚合子单元，用于将所述多个照明监控关键帧和所述多个参考照明关键帧分别沿着样本维度进行聚合以得到照明监控输入张量和参考照明输入张量；以及多尺度三维卷积编码子单元，用于将所述照明监控输入张量和所述参考照明输入张量分别输入所述包含第一卷积神经网络和第二卷积神经网络模型的双流检测模型以得到所述照明监控多尺度特征图和所述参考照明多尺度特征图。4.根据权利要求3所述的基于数字孪生的智慧园区管理系统，其特征在于，所述多尺度三维卷积编码子单元，进一步用于：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第一尺度的三维卷积核的三维卷积编码、池化处理和非线性激活处理以得到第一尺度照明监控特征图和第一尺度参考照明特征图，其中，所述第一卷积神经网络的第一层的输入为所述照明监控输入张量或所述参考照明输入张量；使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行基于所述具有第二尺度的三维卷积核的三维卷积编码、池化处理和非线性激活处理以得到第二尺度照明监控特征图和第二尺度参考照明特征图，其中，所述第二卷积神经网络的第一层的输入为所述照明监控输入张量或所述参考照明输入张量；融合所述第一尺度照明监控特征图和所述第二尺度照明监控特征图以得到所述照明监控多尺度特征图；以及融合所述第一尺度参考照明特征图和所述第二尺度参考照明特征图以得到所述参考照明多尺度特征图。5.根据权利要求4所述的基于数字孪生的智慧园区管理系统，其特征在于，所述差分单元，进一步用于：
以如下公式来计算所述照明监控多尺度特征图和所述参考照明多尺度特征图之间的差分特征图；其中，所述公式为：其中，F1表示所述照明监控多尺度特征图，F2表示参考照明多尺度特征图，F
c
表示所述差分特征图，表示按位置作差。6....

【专利技术属性】
技术研发人员：李昌洲，陈志庆，帅佳涛，叶岩明，高涵怡，庄凯龙，王旻，覃沛红，李忠标，
申请(专利权)人：杭州电子科技大学信息工程学院，
类型：发明
国别省市：