基于多传感器融合的冷库智能监控系统及方法技术方案

本发明专利技术公开了基于多传感器融合的冷库智能监控系统及方法，属于设备监测技术领域，包括传感器、监控模块、数据传输模块、滤波处理模块、影像处理模块、感知分析模块、优化更新模块、监控平台、告警维护模块以及监控存储模块；本发明专利技术能够确保跟踪目标进行精确提取，同时能够大幅提高对目标人物分析的准确性，且能够进行留图存证，保证追查判责有据可依，能够精确对冷库运行状态进行分析，同时节省人工寻参的时间，有效提高模型检验精度，提高模型数据处理效率。理效率。理效率。

【技术实现步骤摘要】
基于多传感器融合的冷库智能监控系统及方法


[0001]本专利技术涉及设备监测
，尤其涉及基于多传感器融合的冷库智能监控系统及方法。

技术介绍

[0002]冷库在现代冷链物流中扮演着关键角色，对食品质量的保持至关重要。然而，冷库环境和设备状态的监控对于确保食品安全和运输有效性是至关重要的。随着冷库在现代食品保鲜、物流运输等领域的重要性增加，对冷库内部环境和设备状态进行全面准确的监控变得尤为关键。传统的冷库监控系统仅使用有限的传感器数据，限制了监控系统的精度和可靠性；随着传感器技术的不断进步，冷库智能监控系统可以选择更加先进、精准的传感器来监测冷库内部的环境和设备状态。新型传感器能够提供更高的分辨率、更广的监测范围和更低的功耗，使得冷库监控系统更加灵敏和可靠。
[0003]经检索，中国专利号CN112066636A公开了基于ZigBee无线传感器网络的智能冷库综合监控系统及方法，该专利技术虽然管理人员存储货物时能够便捷的知晓合适的存储温度，但是对冷库附近人物分析的准确性较差，且无法保证追查判责有据可依；此外，现有的冷库智能监控系统及方法对冷库运行状态分析精度较低，数据处理效率较差，为此，我们提出基于多传感器融合的冷库智能监控系统及方法。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的基于多传感器融合的冷库智能监控系统及方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于多传感器融合的冷库智能监控系统，包括传感器、监控模块、数据传输模块、滤波处理模块、影像处理模块、感知分析模块、优化更新模块、监控平台、告警维护模块以及监控存储模块；
[0007]所述传感器用于部署在冷库内部，以收集各组环境数据；
[0008]所述监控模块用于采集冷库内部以及外部的影像数据；
[0009]所述数据传输模块用于对采集的各组环境数据以及影像数据进行传输；
[0010]所述滤波处理模块用于接受各组环境数据，并对各组数据进行优化预处理；
[0011]所述影像处理模块用于对影像数据各跟踪目标进行级联提取；
[0012]所述感知分析模块用于依据各组环境数据对冷库进行智能预测；
[0013]所述优化更新模块用于对感知分析模块参数信息进行调整优化；
[0014]所述监控平台用于实时反馈冷库当前监控信息；
[0015]所述告警维护模块用于接收预测结果，并反馈相关维护人员进行冷库维护；
[0016]所述监控存储模块用于定期对冷库监控数据进行上链存储。
[0017]作为本专利技术的进一步方案，所述传感器具体包括温度传感器、湿度传感器、气体传
感器、压力传感器以及门禁传感器。
[0018]作为本专利技术的进一步方案，所述滤波处理模块优化预处理具体步骤如下：
[0019]步骤一：滤波处理模块通过带阻滤波去除干扰信号，再依据各传感器采集的信号特性、噪声类型和所需的频率范围，选择高通滤波或低通滤波对信号进行过滤；
[0020]步骤二：检测各组环境数据中存在的缺失值，并标记各缺失值在对应信号中的所在位置，对各组环境数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并进行填补或删除，之后对环境数据进行归一化处理。
[0021]作为本专利技术的进一步方案，所述影像处理模块级联提取具体步骤如下：
[0022]步骤
①
：逐帧提取影像数据以获取多组图像信息，之后依据各图像信息显示比列进行分块处理，之后对分块后的各组图像信息通过傅里叶变换对数据中高频成分进行分析提取；
[0023]步骤
②
：通过高斯滤波进行平滑处理，再使用规定像素的窗口在各组图像信息中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像信息中的纹理特征；
[0024]步骤
③
：通过图像金字塔对优化后的图像信息进行尺度归一化处理，并提取各组图像信息的特征，之后通过双向特征金字塔进行特征融合以获取目标检测框；
[0025]步骤
④
：依据目标检测框对各图像信息进行扩大化剪裁以获取人物图像，之后获取窗口滑动获取的纹理特征，并将得到的特征值按数组的形式储存到相应的像素位置，当纹理特征满足预设条件时，则判断当前像素区域为目标人物，并将目标人物与背景进行分离。
[0026]作为本专利技术的进一步方案，所述感知分析模块智能预测具体步骤如下
[0027]步骤Ⅰ：感知分析模块抽取历史运行数据，之后统一各数据格式，将收集到的数据整合成测试数据集，并筛除测试数据集中的异常数据；
[0028]步骤Ⅱ：将测试数据集划分为训练集和测试集，再初始化神经网络的权重和参数，之后将训练集导入该神经网络中，根据输入数据和当前的权重和参数计算输出，并获取该神经网络的线性组合以及能量函数，当能量函数小于目标误差时，训练过程结束并输出智能预测模型；
[0029]步骤Ⅲ：将测试集导入智能预测模型中并获取对应预测输出，之后使用损失函数计算真实数据与检测概率之间的损失值，若损失值未满足预设条件，则重新训练该模型并更新该智能预测模型参数；
[0030]步骤Ⅳ：将当前冷库运行信息输入训练好的智能预测模型中，之后智能预测模型对各组运行信息进行卷积、池化、反卷积以及全连接处理进行分析、处理和计算，再依据处理结果判断冷库运行状态，若存在异常运行状态，则中断冷库运行并通过告警维护模块发出警报。
[0031]基于多传感器融合的冷库智能监控方法，该监控方法具体如下：
[0032](1)在冷库制定位置部署各类传感器；
[0033](2)采集冷库各项数据并对其进行滤波处理；
[0034](3)对采集到的冷库周围影像进行目标提取；
[0035](4)监控平台实时显示冷库数据以及影像信息；
[0036](5)构建智能预测模型并优化模型参数；
[0037](6)对冷库运行状态进行实时预测并报警；
[0038](7)监控平台通过报告的形式显示冷库维护信息；
[0039](8)将各组数据处理后进行上链存储。
[0040]作为本专利技术的进一步方案，步骤(5)所述的模型参数优化具体步骤如下：
[0041]第一步：在智能预测模型的规定区间内初始化网络连接权值，计算智能预测模型的输出，再比较期望输出与实际输出，同时计算所有神经元的局部误差；
[0042]第二步：当局部误差超出预设阈值后，依据学习规则方程更新权值，并依据预设的学习率以及步长列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行检测，并统计检测结果的损失值；
[0043]第三步：将测试集更换为另一子集，再取剩余子集作为训练集，再次计算损失值，直至对所有数据都进行一次预测，通过选取损失值最小时对应的组合参数作为数据区间内最优的参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多传感器融合的冷库智能监控系统，其特征在于，包括传感器、监控模块、数据传输模块、滤波处理模块、影像处理模块、感知分析模块、优化更新模块、监控平台、告警维护模块以及监控存储模块；所述传感器用于部署在冷库内部，以收集各组环境数据；所述监控模块用于采集冷库内部以及外部的影像数据；所述数据传输模块用于对采集的各组环境数据以及影像数据进行传输；所述滤波处理模块用于接受各组环境数据，并对各组数据进行优化预处理；所述影像处理模块用于对影像数据各跟踪目标进行级联提取；所述感知分析模块用于依据各组环境数据对冷库进行智能预测；所述优化更新模块用于对感知分析模块参数信息进行调整优化；所述监控平台用于实时反馈冷库当前监控信息；所述告警维护模块用于接收预测结果，并反馈相关维护人员进行冷库维护；所述监控存储模块用于定期对冷库监控数据进行上链存储。2.根据权利要求1所述的基于多传感器融合的冷库智能监控系统，其特征在于，所述传感器具体包括温度传感器、湿度传感器、气体传感器、压力传感器以及门禁传感器。3.根据权利要求2所述的基于多传感器融合的冷库智能监控系统，其特征在于，所述滤波处理模块优化预处理具体步骤如下：步骤一：滤波处理模块通过带阻滤波去除干扰信号，再依据各传感器采集的信号特性、噪声类型和所需的频率范围，选择高通滤波或低通滤波对信号进行过滤；步骤二：检测各组环境数据中存在的缺失值，并标记各缺失值在对应信号中的所在位置，对各组环境数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并进行填补或删除，之后对环境数据进行归一化处理。4.根据权利要求1所述的基于多传感器融合的冷库智能监控系统，其特征在于，所述影像处理模块级联提取具体步骤如下：步骤
①
：逐帧提取影像数据以获取多组图像信息，之后依据各图像信息显示比列进行分块处理，之后对分块后的各组图像信息通过傅里叶变换对数据中高频成分进行分析提取；步骤
②
：通过高斯滤波进行平滑处理，再使用规定像素的窗口在各组图像信息中移动，每移动一次计算此时窗口下的灰度共生矩阵，从灰度共生矩阵中计算相关图像信息中的纹理特征；步骤
③
：通过图像金字塔对优化后的图像信息进行尺度归一化处理，并提取各组图像信息的特征，之后通过双向特征金字塔进行特征融合以获取目标检测框；步骤
④
：依据目标检测框对各图像信息进行扩大化剪裁以获取人物图像，之后获取窗口滑动获取的纹理特征，并将得到的特征值按数组的形式储存到相应的像素位置，当纹理特征满足预设条件时，则判断当前像素区域为目标人物，并将目标人物与背景进行分离。5.根据权利要求4所述的基于多传感器融合的冷库智能监控系统，其特征在于，所述感知分析模块智能预测具体步骤如下步骤Ⅰ：感知分析模块抽取历史运行数据，之后统一各数据格式，将收集到的数据整合...

【专利技术属性】
技术研发人员：耿俊，熊婉清，易小雲，田生伟，万虎，郑德生，李晓瑜，
申请(专利权)人：喀什地区电子信息产业技术研究院，
类型：发明
国别省市：