一种路灯运行状态监测方法及系统技术方案

本发明专利技术涉及照明领域，特别是一种路灯运行状态监测方法及系统

【技术实现步骤摘要】
一种路灯运行状态监测方法及系统


[0001]本专利技术涉及照明领域，特别是一种路灯运行状态监测方法及系统
。

技术介绍

[0002]在大力发展基建行业的今天，农村道路现代化的进程加快了脚步，其中农村道路
、
乡村道路
、
省道
、
国道中的照明系统逐渐受到重视
。
传统照明系统一般根据路灯所在经纬度
、
不同天气的定时开关时控系统，逐一按片区开启，路灯照明时保持固定不变的灯源亮度，检修需要人工不断到现场定时巡视
、
维护观察每个路灯的照明情况，查看是否有路灯出现故障或者损毁，这浪费了大量的照明资源
、
人力资源
、
财力和物力，且随着乡村城市化的进程加快，越来越多的路灯需要检查和维修，因此传统的人工对路灯的维护变得有些局促
。
如何快速对路灯进行状态识别，并提升路灯的维修检测效率是现阶段丞待解决的技术问题
。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种路灯运行状态监测方法及系统
。
[0004]实现上述目的本专利技术的技术方案为，进一步，在上述一种路灯运行状态监测方法中，所述路灯运行状态监测方法包括以下步骤：通过传感器装置获取路灯的实时亮灯图像数据，对所述实时亮灯图像数据进行数据预处理，得到待训练实时亮灯图像数据；利用传感器装置获取路灯的路灯光感应强度数据，通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中；基于神经网络建立初始
ResNet
卷积神经网络模型，利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数，得到目标
ResNet
卷积神经网络模型；将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据；建立路灯维修措施数据库，根据所述路灯实时状态数据和所述路灯光感应强度数据对路灯的状态进行判断，若路灯为待维修状态路灯，则根据路灯维修措施数据库对待维修状态路灯生成路灯维修措施，将路灯维修措施发送至服务器中并进行预警；若路灯为待检修状态路灯，则通过传感器装置对所述待检修状态路灯进行监测
。
[0005]进一步，在上述路灯运行状态监测方法中，所述通过传感器装置获取路灯的实时亮灯图像数据，对所述实时亮灯图像数据进行数据预处理，得到待训练实时亮灯图像数据，包括：通过传感器装置获取路灯的实时亮灯图像数据，所述传感器装置至少包括图像采集传感器
、
光感应强度传感器
、
温度传感器；获取实时亮灯图像数据，将所述实时亮灯图像数据调整为大小相同的图像数据，得到亮灯图像数据集；
利用图像对比度增强
、
直方图均衡化和模糊处理方法对所述亮灯图像数据集进行图像处理，得到目标图像数据集；基于
SVM
图像分类器对目标图像数据集进行分类处理，利用层次聚类算法对所述目标图像数据集进行聚类；计算目标图像数据集的相似矩阵，得到相似矩阵图像数据集；根据相似矩阵图像数据集获取每个图像数据样本点，根据每个图像数据样本点确定簇类图像数据；循环合并相似度最高的两个簇类图像数据，并对所述相似矩阵图像数据集进行更新；当所述簇类图像数据个数为1时循环终止，得到待训练实时亮灯图像数据
。
[0006]进一步，在上述路灯运行状态监测方法中，所述利用传感器装置获取路灯的路灯光感应强度数据，通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中，包括：利用传感器装置获取路灯的路灯光感应强度数据，所述路灯光感应强度数据至少包括光照亮度数据
、
光照时间数据；通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中；所述传感器装置和所述
ZigBee
无线通信模块设置在路灯杆部中下位置，用于采集路灯光感应强度数据和实时亮灯图像数据
。
[0007]进一步，在上述路灯运行状态监测方法中，所述基于神经网络建立初始
ResNet
卷积神经网络模型，利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数，得到目标
ResNet
卷积神经网络模型，包括：基于卷积神经网络建立初始
ResNet
卷积神经网络模型，所述初始
ResNet
卷积神经网络模型至少包括输入层
、
卷积计算层
、ReLU
激活层
、
池化层和全连接层；利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数；对所述初始
ResNet
卷积神经网络模型中的每个卷积层后加入批处理归一化；利用
Adam
优化算法替代所述初始
ResNet
卷积神经网络模型中
SGD
随机梯度下降算法，得到目标
ResNet
卷积神经网络模型
。
[0008]进一步，在上述路灯运行状态监测方法中，所述将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据，包括：将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据；所述路灯实时状态数据至少包括完全亮度路灯
、
中度亮灯路灯
、
闪烁亮灯路灯
、
完全不亮路灯
。
[0009]进一步，在上述路灯运行状态监测方法中，所述建立路灯维修措施数据库，根据所述路灯实时状态数据和所述路灯光感应强度数据对路灯的状态进行判断，若路灯为待维修状态路灯，则根据路灯维修措施数据库对待维修状态路灯生成路灯维修措施，将路灯维修措施发送至服务器中并进行预警，包括：通过数据采集模块，收集服务器中路灯的路灯历史维修数据和互联网数据库中的路灯参考维修数据；利用
FCM
模糊聚类算法对所述路灯历史维修数据和所述路灯参考维修数据进行聚
类，得到路灯维修措施数据库；若路灯实时状态为完全不亮路灯，且对应路灯的路灯光感应强度数据中光照亮度数据和光照时间数据均为0，则所述路灯判断为待维修状态路灯；若路灯实时状态为闪烁亮灯路灯，且对应路灯的路灯光感应强度数据中光照亮度数据和光照时间数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种路灯运行状态监测方法，其特征在于，所述路灯运行状态监测方法包括以下步骤：通过传感器装置获取路灯的实时亮灯图像数据，对所述实时亮灯图像数据进行数据预处理，得到待训练实时亮灯图像数据；利用传感器装置获取路灯的路灯光感应强度数据，通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中；基于神经网络建立初始
ResNet
卷积神经网络模型，利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数，得到目标
ResNet
卷积神经网络模型；将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据；建立路灯维修措施数据库，根据所述路灯实时状态数据和所述路灯光感应强度数据对路灯的状态进行判断，若路灯为待维修状态路灯，则根据路灯维修措施数据库对待维修状态路灯生成路灯维修措施，将路灯维修措施发送至服务器中并进行预警；若路灯为待检修状态路灯，则通过传感器装置对所述待检修状态路灯进行监测
。2.
如权利要求1所述的一种路灯运行状态监测方法，其特征在于，所述通过传感器装置获取路灯的实时亮灯图像数据，对所述实时亮灯图像数据进行数据预处理，得到待训练实时亮灯图像数据，包括：通过传感器装置获取路灯的实时亮灯图像数据，所述传感器装置至少包括图像采集传感器
、
光感应强度传感器
、
温度传感器；获取实时亮灯图像数据，将所述实时亮灯图像数据调整为大小相同的图像数据，得到亮灯图像数据集；利用图像对比度增强
、
直方图均衡化和模糊处理方法对所述亮灯图像数据集进行图像处理，得到目标图像数据集；基于
SVM
图像分类器对目标图像数据集进行分类处理，利用层次聚类算法对所述目标图像数据集进行聚类；计算目标图像数据集的相似矩阵，得到相似矩阵图像数据集；根据相似矩阵图像数据集获取每个图像数据样本点，根据每个图像数据样本点确定簇类图像数据；循环合并相似度最高的两个簇类图像数据，并对所述相似矩阵图像数据集进行更新；当所述簇类图像数据个数为1时循环终止，得到待训练实时亮灯图像数据
。3.
如权利要求1所述的一种路灯运行状态监测方法，其特征在于，所述利用传感器装置获取路灯的路灯光感应强度数据，通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中，包括：利用传感器装置获取路灯的路灯光感应强度数据，所述路灯光感应强度数据至少包括光照亮度数据
、
光照时间数据；通过
ZigBee
无线通信模块将所述路灯光感应强度数据和所述待训练实时亮灯图像数据传输至服务器中；所述传感器装置和所述
ZigBee
无线通信模块设置在路灯杆部中下位置，用于采集路灯光感应强度数据和实时亮灯图像数据
。4.
如权利要求1所述的一种路灯运行状态监测方法，其特征在于，所述基于神经网络建
立初始
ResNet
卷积神经网络模型，利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数，得到目标
ResNet
卷积神经网络模型，包括：基于卷积神经网络建立初始
ResNet
卷积神经网络模型，所述初始
ResNet
卷积神经网络模型至少包括输入层
、
卷积计算层
、ReLU
激活层
、
池化层和全连接层；利用
P
‑
ReLU
激活函数替换所述初始
ResNet
卷积神经网络模型中的
ReLU
激活函数；对所述初始
ResNet
卷积神经网络模型中的每个卷积层后加入批处理归一化；利用
Adam
优化算法替代所述初始
ResNet
卷积神经网络模型中
SGD
随机梯度下降算法，得到目标
ResNet
卷积神经网络模型
。5.
如权利要求1所述的一种路灯运行状态监测方法，其特征在于，所述将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据，包括：将所述待训练实时亮灯图像数据输入至所述目标
ResNet
卷积神经网络模型中进行训练，得到路灯实时状态数据；所述路灯实时状态数据至少包括完全亮度路灯
、
中度亮灯路灯
、
闪烁亮灯路灯
、
完全不亮路灯
。6.
如权利要求1所述的一种路灯...

【专利技术属性】
技术研发人员：余剑青，陈华，王小珲，
申请(专利权)人：智隆广州网络科技有限公司，
类型：发明
国别省市：