基于人工智能的电动汽车充电设施管理方法及系统技术方案

本申请涉及一种基于人工智能的电动汽车充电设施管理方法及系统，依次通过获取设定的当前设定设施检测区块，锁定初始锁定充电设施，并分别获取实际投入使用时间，生成当前确定待管理充电设施；获取目标设施实际定位，基于预设的图像采集终端从预设的特定拍摄角度拍摄所述当前确定待管理充电设施的内部，划定亮度异常图像区块；获取异常区块定位坐标，筛选出亮度不合格图像区块；对所述亮度不合格图像区块的亮度的可靠度进行计算，生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，本发明专利技术进而实现提高对电动汽车充电设施实体结构部分的质量把控及监测效率。质量把控及监测效率。质量把控及监测效率。

【技术实现步骤摘要】
基于人工智能的电动汽车充电设施管理方法及系统


[0001]本申请涉及人工智能
，特别是涉及一种基于人工智能的电动汽车充电设施管理方法及系统。

技术介绍

[0002]电动汽车充电设施，包括充电站、充电桩以及换电站，其中的充电站一般配备多个DC充电器和交流充电桩，根据使用场所的不同，充电站可分为平板充电站和立体充电站，大部分平面充电站都是在土地资源丰富的地方逐年建设；充电站一般建在人口密集的小区、商业区或停车库，占地面积小，利用率高在空之间，而换电站大多建在土地资源丰富的地方，占地面积大，需要专门的仓库存放电池组，同时配备必要的电池更换设施，一般换电站还配有DC充电器或交流充电桩，对更换的电池组进行集中充电。
[0003]可以看出，在电动汽车充电设施中，无论是充电站还是换电站均具有配置有充电桩，故对于充电桩的重要性不言而喻，目前，对于充电桩的设施管理，多为检测其充电功能是否可用，如申请号为CN202011322925.X的专利技术专利中公开了一种充电桩可用状态检测方法、装置、设备以及存储介质。检测方法包括：获取车辆充电相关的车辆使用数据并对车辆使用数据进行预处理以得到待检测数据，根据训练好的检测模型对待检测数据进行检测，检测模型由车辆充电相关的历史使用数据训练得到，根据检测结果判断对应充电桩的状态。本申请实施方式的检测方法中，通过对车辆充电相关的车辆使用数据处理得到待检测数据，并由检测模型根据待检测数据实现对充电桩进行判断确认充电桩的可用状态。
[0004]显然，上述技术方案虽然能够准确有效地检测出电性能不可用的充电桩，但是其对于充电桩的实体组装结构部分无法进行有效管理和质量把控，存在着无法实现质量把控及监测的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高对电动汽车充电设施实体结构部分的质量把控及监测效率的基于人工智能的电动汽车充电设施管理方法及系统。
[0006]本专利技术技术方案如下：
[0007]一种基于人工智能的电动汽车充电设施管理方法，所述方法包括：
[0008]获取设定的当前设定设施检测区块，并基于人工智能锁定所述当前设定设施检测区块中存在的初始锁定充电设施，并分别获取所述初始锁定充电设施的实际投入使用时间，根据所述实际投入使用时间对所述初始锁定充电设施进行筛选，筛选完成后生成当前确定待管理充电设施；获取所述当前确定待管理充电设施的目标设施实际定位，根据所述目标设施实际定位指引设施管理人员到达所述当前确定待管理充电设施，并在到达所述当前确定待管理充电设施后，基于预设的图像采集终端从预设的特定拍摄角度拍摄所述当前确定待管理充电设施的内部，并获取当前充电设施内部图像，对所述当前充电设施内部图像进行分析并划定亮度异常图像区块；获取所述亮度异常图像区块在所述当前充电设施内
部图像中的异常区块定位坐标，以所述异常区块定位坐标为参考，将所述亮度异常图像区块与预设的标准充电设施内部图像进行对比，并筛选出亮度不合格图像区块；对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，若判断为否，则生成混合处理指示。
[0009]进一步地说，对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，若判断为否，则生成混合处理指示；具体包括：
[0010]根据所述亮度不合格图像区块，获取所述亮度不合格图像区块的待定异常亮度区块数量，并根据所述待定异常亮度区块数量生成所述待定异常亮度区块的连续性；根据所述待定异常亮度区块数量和所述连续性按照以下公式生成所述实际亮度可靠度：
[0011][0012]其中，其中，Z为异常亮度可靠度，exp()为以自然常数为底的指数函数，Q为连续性，Abp为第j个待定异常亮度区块的异常亮度程度，p为待定异常亮度区块数量；
[0013]为亮度不合格图像区块上待定异常亮度区块的总体异常亮度强度均值；
[0014]为亮度不合格图像区块中所有所述待定异常亮度区块的异常亮度强度的总连续性，反映了当前亮度不合格图像区块的亮度的可靠度；判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则说明出现水聚集，故生成除水管理指示，若判断为否，则说明出现水及杂质聚集，则生成混合处理指示。
[0015]进一步地说，获取所述亮度异常图像区块在所述当前充电设施内部图像中的异常区块定位坐标，以所述异常区块定位坐标为参考，将所述亮度异常图像区块与预设的标准充电设施内部图像进行对比，并筛选出亮度不合格图像区块；具体包括：
[0016]以所述当前充电设施内部图像的左上拐角点为0坐标点，建立第一平面坐标系；基于所述第一平面坐标系获取所述亮度异常图像区块在所述当前充电设施内部图像中的异常区块定位坐标；以所述标准充电设施内部图像的左上拐角点为0坐标点，建立与所述第一平面坐标系相同的第二平面坐标系，以所述异常区块定位坐标为参考，定位所述标准充电设施内部图像中与所述异常区块定位坐标相同的当前实际定位区块；获取所述当前实际定位区块的当前标准区块亮度；基于以下公式获取所述亮度异常图像区块的当前待比对区块亮度：
[0017][0018]其中，Y为当前待比对区块亮度，c为亮度异常图像区块中的像素点数量，I
h
为亮度异常图像区块中第h个像素点的像素值；将所述当前标准区块亮度与所述当前待比对区块
亮度进行对比，并将与所述当前标准区块亮度不匹配的当前待比对区块亮度所对应的亮度异常图像区块筛选出来，其中，筛选出的亮度异常图像区块为亮度不合格图像区块。
[0019]进一步地说，获取设定的当前设定设施检测区块，并基于人工智能锁定所述当前设定设施检测区块中存在的初始锁定充电设施，并分别获取所述初始锁定充电设施的实际投入使用时间，根据所述实际投入使用时间对所述初始锁定充电设施进行筛选，筛选完成后生成当前确定待管理充电设施；具体包括：
[0020]获取设定的初始划定区域，并根据所述初始划定区域进行补充，在补充完成后生成当前设定设施检测区块；基于人工智能从所述当前设定设施检测区块中筛选出所述当前设定设施检测区块中存在的初始锁定充电设施；分别获取所述初始锁定充电设施的实际投入使用时间，并判断所述实际投入使用时间是否大于等于预设的建议管理使用时间；若判断所述实际投入使用时间小于预设的建议管理使用时间，则将小于所述建议管理使用时间的实际投入使用时间对应的初始锁定充电设施剔除，并生成当前确定待管理充电设施；若判断所述实际投入使用时间大于等于预设的建议管理使用时间，则将对应的初始锁定充电设施设定为当前确定待管理充电设施。
[0021]进一步地说，对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电动汽车充电设施管理方法，其特征在于，所述方法包括：获取设定的当前设定设施检测区块，并基于人工智能锁定所述当前设定设施检测区块中存在的初始锁定充电设施，并分别获取所述初始锁定充电设施的实际投入使用时间，根据所述实际投入使用时间对所述初始锁定充电设施进行筛选，筛选完成后生成当前确定待管理充电设施；获取所述当前确定待管理充电设施的目标设施实际定位，根据所述目标设施实际定位指引设施管理人员到达所述当前确定待管理充电设施，并在到达所述当前确定待管理充电设施后，基于预设的图像采集终端从预设的特定拍摄角度拍摄所述当前确定待管理充电设施的内部，并获取当前充电设施内部图像，对所述当前充电设施内部图像进行分析并划定亮度异常图像区块；获取所述亮度异常图像区块在所述当前充电设施内部图像中的异常区块定位坐标，以所述异常区块定位坐标为参考，将所述亮度异常图像区块与预设的标准充电设施内部图像进行对比，并筛选出亮度不合格图像区块；对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，若判断为否，则生成混合处理指示。2.根据权利要求1所述的基于人工智能的电动汽车充电设施管理方法，其特征在于，对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，若判断为否，则生成混合处理指示；具体包括：根据所述亮度不合格图像区块，获取所述亮度不合格图像区块的待定异常亮度区块数量，并根据所述待定异常亮度区块数量生成所述待定异常亮度区块的连续性；根据所述待定异常亮度区块数量和所述连续性按照以下公式生成所述实际亮度可靠度：其中，其中，Z为异常亮度可靠度，exp()为以自然常数为底的指数函数，Q为连续性，Abp为第j个待定异常亮度区块的异常亮度程度，p为待定异常亮度区块数量；为亮度不合格图像区块上待定异常亮度区块的总体异常亮度强度均值；为亮度不合格图像区块中所有所述待定异常亮度区块的异常亮度强度的总连续性，反映了当前亮度不合格图像区块的亮度的可靠度；判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则说明出现水聚集，故生成除水管理指示，若判断为否，则说明出现水及杂质聚集，则生成混合处理指示。3.根据权利要求1所述的基于人工智能的电动汽车充电设施管理方法，其特征在于，获取所述亮度异常图像区块在所述当前充电设施内部图像中的异常区块定位坐标，以所述异常区块定位坐标为参考，将所述亮度异常图像区块与预设的标准充电设施内部图像进行对比，并筛选出亮度不合格图像区块；具体包括：以所述当前充电设施内部图像的左上拐角点为0坐标点，建立第一平面坐标系；基于所述第一平面坐标系获取所述亮度异常图像区块在所述当前充电设施内部图像中的异常区
块定位坐标；以所述标准充电设施内部图像的左上拐角点为0坐标点，建立与所述第一平面坐标系相同的第二平面坐标系，以所述异常区块定位坐标为参考，定位所述标准充电设施内部图像中与所述异常区块定位坐标相同的当前实际定位区块；获取所述当前实际定位区块的当前标准区块亮度；基于以下公式获取所述亮度异常图像区块的当前待比对区块亮度：其中，Y为当前待比对区块亮度，c为亮度异常图像区块中的像素点数量，I
h
为亮度异常图像区块中第h个像素点的像素值；将所述当前标准区块亮度与所述当前待比对区块亮度进行对比，并将与所述当前标准区块亮度不匹配的当前待比对区块亮度所对应的亮度异常图像区块筛选出来，其中，筛选出的亮度异常图像区块为亮度不合格图像区块。4.根据权利要求1所述的基于人工智能的电动汽车充电设施管理方法，其特征在于，获取设定的当前设定设施检测区块，并基于人工智能锁定所述当前设定设施检测区块中存在的初始锁定充电设施，并分别获取所述初始锁定充电设施的实际投入使用时间，根据所述实际投入使用时间对所述初始锁定充电设施进行筛选，筛选完成后生成当前确定待管理充电设施；具体包括：获取设定的初始划定区域，并根据所述初始划定区域进行补充，在补充完成后生成当前设定设施检测区块；基于人工智能从所述当前设定设施检测区块中筛选出所述当前设定设施检测区块中存在的初始锁定充电设施；分别获取所述初始锁定充电设施的实际投入使用时间，并判断所述实际投入使用时间是否大于等于预设的建议管理使用时间；若判断所述实际投入使用时间小于预设的建议管理使用时间，则将小于所述建议管理使用时间的实际投入使用时间对应的初始锁定充电设施剔除，并生成当前确定待管理充电设施；若判断所述实际投入使用时间大于等于预设的建议管理使用时间，则将对应的初始锁定充电设施设定为当前确定待管理充电设施。5.根据权利要求1所述的基于人工智能的电动汽车充电设施管理方法，其特征在于，对所述亮度不合格图像区块的亮度的可靠度进行计算，并在计算完成后生成所述亮度不合格图像区块的实际亮度可靠度，判断所述实际亮度可靠度是否大于预设的标准亮度可靠度，若判断为是，则生成除水管理指示，若判断为否，则生成混合处理指示，之后还包括：获取所述当前确定待管理充电设施的初始实际芯片引脚图像，并对所述初始实际芯片引脚图像进行模糊剔除处理，并生成当前实际芯片引脚图像；根据所述当前实际芯片引脚图像的纹理特征表征矩阵；根据所述纹理特征表征矩阵基于以下公式生成灰度离散度衡量值：其中，D(e,f)表示灰度对(e，f)的频数，PAC为灰度离散度衡量值，其值的大小反应...

【专利技术属性】
技术研发人员：曾炜，
申请(专利权)人：湖北车互宝信息技术有限公司，
类型：发明
国别省市：