基于5G+AI区块链智能化粮仓生物信息探测机器人制造技术

本发明专利技术涉及智能生物信息探测技术领域，尤其涉及基于5G+AI区块链智能化粮仓生物信息探测机器人，包括数据采集模块：将粮仓分为若干个监测区域，并生成坐标图像，对采集视频数据分别存储在不同的区块中；视频分析模块：预先收集粮仓内易出现的生物类型图像数据通过欧几里得距离将预设生物图像与匹配图像进行相似度的匹配；生物识别模块：通过神经网络模型对粮仓内的生物种类进行分类识别；生物动作预测模块：通过加权平均融合结果，得出生物的动作预测结果；机器人处理模块：根据所述视频分析模块传输的生物类型以及对应的区域，对生物进行相应的处理。本发明专利技术中不同监测区域的数据处理均在对应的区块中进行，能够加快数据处理的速度。的速度。的速度。

【技术实现步骤摘要】
基于5G+AI区块链智能化粮仓生物信息探测机器人


[0001]本专利技术涉及智能生物信息探测
，尤其涉及基于5G+AI区块链智能化粮仓生物信息探测机器人。

技术介绍

[0002]仓储粮食是为了防备战争、保证人民粮食需求、调节粮食供求平衡、稳定粮食市场价格、应对重大自然灾害及其他突发性事件而采取的有效措施，因此，粮食的科学储藏具有重要的战略意义和经济意义，粮食的储藏安全一直是困扰粮食管理的重大问题，尤其是大型粮仓，其分布范围广泛，通讯距离远，不宜统一远程管理，粮食在储存过程中，易受温度、湿度以及虫害等因素的影响，为减少损失，保障仓储粮食的品质，就必须采用粮情检测技术，对粮食储藏过程中的影响因素进行实时探测、分析。
[0003]传统的粮仓生物信息探测，如人工巡检已经不能满足现代大规模、高效、准确的储存需求，尤其在粮食储存过程中，粮食质量会受到很多因素的影响，人工参与效率低下，而且可能因为人为因素导致误判，特别是在一些特殊环境下，如高温、高湿、寒冷的恶劣环境下，人工探测不仅危险，而且难以保证探测结果的准确性和实时性。

技术实现思路

[0004]本专利技术的目的是为了解决
技术介绍
中的问题，而提出的基于5G+AI区块链智能化粮仓生物信息探测机器人。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：基于5G+AI区块链智能化粮仓生物信息探测机器人，包括：数据采集模块、视频分析模块、生物识别模块，生物动作预测模块以及机器人处理模块；数据采集模块：在粮仓内部部署摄像头以及各类生物活动传感器，获取粮仓内的实时视频数据，将粮仓分为若干个监测区域，并生成坐标图像，对若干个监测区域内的视频数据分别存储在不同的区块中，不同监测区域的数据处理均在对应的区块中进行；视频分析模块：预先收集粮仓内易出现的生物类型图像数据，作为预设生物图像，与所述数据采集模块中得到的生物图像数据作为匹配图像，通过欧几里得距离将预设生物图像与匹配图像进行相似度的匹配；生物识别模块：通过神经网络模型对粮仓内的生物种类进行分类识别；生物动作预测模块：将N个阶段性预测得分，进行加权平均融合得到最终预测得分，最后加权平均融合结果，得出生物的动作预测结果；机器人处理模块：根据所述视频分析模块传输的生物类型以及对应的区域，生成生物处理指令，根据生物处理指令，行驶至对应的位置，对生物进行相应的处理。
[0006]在上述的基于5G+AI区块链智能化粮仓生物信息探测机器人中，所述数据采集模块在粮仓内部部署摄像头以及各类生物活动传感器获取粮仓内的实时视频数据，获取的实
时视频数据进行切片，并将数据存储至区块链中，具体操作步骤如下：步骤1、将粮仓分为若干个监测区域，并生成坐标图像，标记为()，在若干个监测区域中，生物活动传感器探测到生物活动信息，根据探测到的生物活动信息生成第一探测指令；步骤2、对第一探测指令生成后的视频数据进行截取，对截取出的视频数据作为分析指令，将若干个监测区域内的视频数据分别存储在不同的区块中，对不同监测区域的数据处理均在对应的区块中进行；步骤3、对分析指令截取的视频数据进行去噪、灰度化以及归一化的预处理操作，提高视频的质量和识别率；步骤3、对预处理后的分析指令截取的视频数据进行切片，将视频分为S段，（为一个视频分段序列，从每段视频帧中进行采样，将采样数据作为慢通道与快通道的输入；步骤4、结合时域分段策略的快慢特征融合网络，在慢通道与快通道中按比例输入视频帧，提取出时空生物特征，通过邻域特征融合得到第一个剪辑生成初步预测生物得分，以及余下的S
‑
1个剪辑生成的S
‑
1阶段性预测生物得分；步骤5、将S个预测结果使用共识函数进行聚合，生成整个视频的预测结果，基于分段共识函数H的结果计算方法如下：其中，H表示共识函数的结果，表示全局共识多个片段之间的协商结果，表示对第片段的阶段性预测类别得分，W表示网络权重参数。
[0007]在上述的基于5G+AI区块链智能化粮仓生物信息探测机器人中，所述视频分析模块通过视频分析对视频中的数据进行处理，提取其中的生物信息，具体操作步骤如下：步骤1、预先收集粮仓内易出现的生物类型图像数据，作为预设生物图像，与所述数据采集模块中得到的生物图像数据作为匹配图像，将预设生物图像与匹配图像进行相似度的匹配；步骤2、通过欧几里得距离计算出预设生物图像与匹配图像的相似度，设预设生物图像与匹配图像两个点的坐标分别为(x1、y1)与(x2、y2)，则欧几里得距离的具体计算方式如下：其中d表示欧几里得距离；步骤3、预设相似度阈值为1，若预设生物图像与匹配图像之间的欧几里得距离小于阈值1，则认定为两个图像之间相似，若预设生物图像与匹配图像之间的欧几里得距离大于阈值1，则认定为两个图像之间不相似，将得到的将识别出的生物类型以及对应的区域传输至机器人的总控制端，所述对应的区域包括粮仓内的若干个监测区域，以及对应的坐标点。
[0008]在上述的基于5G+AI区块链智能化粮仓生物信息探测机器人中，所述生物识别模块用于识别粮仓内部的生物类型，识别粮仓内部的生物类型方法如下：
步骤1、收集不同生物类型的训练数据，训练数据包括特征数据与特征数据对应的生物类型标签，对所述视频分析模块得到的生物种类，进行相应生物类型标签的标注，如老鼠为0，蟑螂为1，标记可由技术人员进行标记；步骤2、设置神经网络模型的结构参数；步骤3、初始化神经网络模型中的权值与偏置；步骤4、将收集的训练数据按照8:2的比例分为训练集与验证集；步骤5、将训练集输入神经网络模型中进行训练，得到训练后的神经网络模型；步骤6、将验证集输入训练后的神经网络模型，得到神经网络模型的输出预测的生物类型标签编号，得到验证集实际的生物类型标签与预测的生物类型标签的误差；步骤7、判断误差是否在预设误差范围内，若是，则停止训练，输出训练后的神经网络模型，若否，则根据误差对神经网络模型的权值与偏置进行调整，返回步骤五继续训练；步骤8、使用训练后的神经网络模型对粮仓内的生物类型进行自动识别。
[0009]在上述的基于5G+AI区块链智能化粮仓生物信息探测机器人中，所述生物动作预测模块将所述特征识别模块中提取的当前时刻该层的特征图的前1/8用缓存中旧的1/8来代替，并将1/8就特征图与7/8当前特征图组合生成至下一层，当前时刻的下一层，重复第一步的方法，依次循环完成当前时刻所有残差层的特征图更新，同时完成缓存更新，对于历史前N个时刻的输出进行平均，输出这N个时刻的所构成的视频片段预测结果，完成动作预测，将N个阶段性预测得分，进行加权平均融合得到最终预测得分，最后加权平均融合结果可表示为：其中，K为阶段，表示为第i个阶段的预测结果，为权重函数，=i。
[0010]在上述的基于5G+AI区块链智能化粮仓生物信息探测机器人中，所述机器人模块根据所述视频分析模块传输的生物类型以及对应的区域，生成生物处理指令，生物处理指令控制机器人的开启与关闭，根据生物处理指令，行驶至对应的位置，对生物进行相应的处理。
[0011]与现有的技术相比，本基于5G+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于5G+AI区块链智能化粮仓生物信息探测机器人，包括：数据采集模块：在粮仓内部部署摄像头以及各类生物活动传感器，获取粮仓内的实时视频数据，将粮仓分为若干个监测区域，并生成坐标图像，对若干个监测区域内的视频数据分别存储在不同的区块中，不同监测区域的数据处理均在对应的区块中进行；视频分析模块：预先收集粮仓内易出现的生物类型图像数据，作为预设生物图像，与所述数据采集模块中得到的生物图像数据作为匹配图像，通过欧几里得距离将预设生物图像与匹配图像进行相似度的匹配；生物识别模块：通过神经网络模型对粮仓内的生物种类进行分类识别；生物动作预测模块：将N个阶段性预测得分，进行加权平均融合得到最终预测得分，最后加权平均融合结果，得出生物的动作预测结果；机器人处理模块：根据所述视频分析模块传输的生物类型以及对应的区域，生成生物处理指令，根据生物处理指令，行驶至对应的位置，对生物进行相应的处理。2.根据权利要求1所述的基于5G+AI区块链智能化粮仓生物信息探测机器人，其特征在于：所述数据采集模块在粮仓内部部署摄像头以及各类生物活动传感器获取粮仓内的实时视频数据，获取的实时视频数据进行切片，并将数据存储至区块链中，具体操作步骤如下：步骤1、将粮仓分为若干个监测区域，并生成坐标图像，标记为()，在若干个监测区域中，生物活动传感器探测到生物活动信息，根据探测到的生物活动信息生成第一探测指令；步骤2、对第一探测指令生成后的视频数据进行截取，对截取出的视频数据作为分析指令，将若干个监测区域内的视频数据分别存储在不同的区块中，对不同监测区域的数据处理均在对应的区块中进行；步骤3、对分析指令截取的视频数据进行去噪、灰度化以及归一化的预处理操作；步骤3、对预处理后的分析指令截取的视频数据进行切片，将视频分为S段，（为一个视频分段序列，从每段视频帧中进行采样，将采样数据作为慢通道与快通道的输入；步骤4、结合时域分段策略的快慢特征融合网络，在慢通道与快通道中按比例输入视频帧，提取出时空生物特征，通过邻域特征融合得到第一个剪辑生成初步预测生物得分，以及余下的S
‑
1个剪辑生成的S
‑
1阶段性预测生物得分；步骤5、将S个预测结果使用共识函数进行聚合，生成整个视频的预测结果，基于分段共识函数H的结果计算方法如下：其中，H表示共识函数的结果，表示全局共识多个片段之间的协商结果，表示对第片段的阶段性预测类别得分，W表示网络权重参数。3.根据权利要求1所述的基于5G+AI区块链智能化粮仓生物信息探测机器人，其特征在于：所述视频分析模块预先收集粮仓内易出现的生物类型图像数据，作为预设生物图像，与所述数据采集模块中得到的生物图像数据作为匹配图像，将预设生物图像与匹配图像进行相似度的匹配。4....

【专利技术属性】
技术研发人员：王恪淳，王润喆，赵和佳，刘云祥，丘建达，
申请(专利权)人：东方华瑞成都科技开发有限责任公司，
类型：发明
国别省市：