System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及视频监控,特别是涉及一种输煤栈桥的视频智能监控系统及方法。
技术介绍
1、人工智能监控系统在火电厂的应用,为实现智慧电厂奠定了基础。随着先进的视频识别技术的推广和应用,电厂输煤系统的智能化监控可以逐步达到一个标准化、常态化的模式。
2、现有技术中,通过人工智能技术对工业电视系统进行优化改造,实现用前端高清摄像机结合神经网络模型代替人工巡检工作,但是神经网络模型对输煤图像样本识别准确率低,不对识别结果进行确认,导致发送错误报警信号,降低输煤系统工作效率。
技术实现思路
1、针对上述现有技术存在的问题,本专利技术的目的是提供一种输煤栈桥的视频智能监控系统及方法,解决了神经网络模型对输煤图像样本识别准确率低,不对识别结果进行确认,导致发送错误报警信号的问题。
2、为了实现上述目的,本专利技术提供了一种输煤栈桥的视频智能监控系统及方法,该系统包括:
3、采集模块,用于实时采集监控区域的视频图像,对视频图像进行预处理,得到待检图像;
4、识别模块,用于将所述待检图像输入至训练好的神经网络模型中,所述神经网络模型对待检图像进行特征提取和识别,得到识别结果;
5、判断模块,用于计算所述识别结果的置信度,若所述置信度不小于预设置信度阈值,判断所述识别结果是否处于故障特征库,若处于所述故障特征库,发送报警信号。
6、在本申请的一些实施例中,训练好的神经网络模型,包括:
7、获取历史视频图像,对所述历史视
8、构建预设神经网络模型,根据训练集对所述预设神经网络模型进行训练,所述预设神经模型对所述训练集进行特征提取和识别,得到第一神经网络模型;
9、将所述测试集输入至第一神经网络模型中,得到测试识别结果,根据所述测试识别结果得到所述第一神经模型的应用评价度;
10、当所述应用评价度不小于预设应用评价度阈值时,将所述第一神经模型设定为训练好的神经网络模型,当所述应用评价度小于预设应用评价度阈值时,增设所述训练集,对所述第一神经网络模型进行迭代训练。
11、在本申请的一些实施例中,所述预设神经模型对所述训练集进行特征提取和识别,包括:
12、所述预设神经模型对所述训练集中的历史视频图像进行分割,确定目标区域,对所述目标区域进行提取,得到提取结果,将所述提取结果与故障特征库进行匹配,若匹配,识别结果为目标区域对应的历史视频图像是故障图像,若不匹配,识别结果为目标区域对应的历史视频图像是正常图像,其中,所述目标区域为疑似故障区域;
13、所述目标区域的提取结果为:
14、
15、其中,为预设神经模型中第j个卷积层的第i通道输出的目标区域的提取结果,e为预设神经模型偏置值,y为激活函数,为预设神经模型卷积核,h0为卷积核的权重值,gi为预设神经模型中第j个卷积层输入的历史视频图像。
16、在本申请的一些实施例中,将所述提取结果与故障特征库进行匹配,包括:
17、对所述提取结果进行特征分析得到第一预设特征集,第二预设特征集和第三预设特征集;
18、根据匹配算法依次计算第一预设特征集、第二预设特征集、第三预设特征集与故障特征库的第一匹配度、第二匹配度和第三匹配度;
19、将第一匹配度、第二匹配度和第三匹配度进行加权计算,得到特征匹配度值,若所述特征匹配度值大于预设匹配度阈值,则提取结果与故障特征库匹配,若所述特征匹配度值不大于预设匹配度阈值,则提取结果与故障特征库不匹配。
20、在本申请的一些实施例中,根据所述测试识别结果得到所述预设神经模型的应用评价度,包括:
21、根据所述测试识别结果得到正确识别的第一样本数量a1,正确识别故障图像的第二样本数量a2,正确识别正常图像的第三数量a3,错误识别正常图像的第四数量数量a4;
22、所述应用评价度的计算公式为:
23、
24、其中,k为应用评价度,w为测试集识别结果的全部样本数量。
25、在本申请的一些实施例中,计算所述识别结果的置信度,包括:
26、根据当前识别结果对应的样本维度值计算样本评价度,根据样本评价度与应用评价度确定所述识别结果的置信度;
27、所述样本维度值根据样本分辨率与样本有效值进行计算;
28、所述样本评价度的计算公式为:
29、
30、其中,q为样本评价度,l为摄像机摄像范围,v为摄像机精度,β1为样本分辨率对应的权重值,r0为样本宽和高,r1为卷积核的宽和高,s为步长值,p为样本需填充个数,β2为样本有效值对应的权重值;
31、所述置信度的计算公式为:
32、t=k*α1+q*α2;
33、其中,t为置信度,α1为应用评价度对应的权重值,α2为样本评价度对应的权重值。
34、在本申请的一些实施例中,对视频图像进行预处理,包括:
35、对视频图像进行灰度处理,得到灰度图像,对所述灰度图像去除噪声数据,得到待检图像,其中所述灰度处理对视频图像多个颜色进行加权平均处理,转换为灰度值。
36、在本申请的一些实施例中,判断所述识别结果是否处于故障特征库,若处于所述故障特征库,发送报警信号,包括:
37、将所述识别结果与故障特征库进行匹配,得到多个匹配值,对多个匹配值进行加权计算,得到最终的匹配度值,若最终的匹配度值大于预设匹配度阈值,则识别结果与故障特征库匹配,所述识别结果处于故障特征库,发送报警信号,若最终的匹配度值不大于预设匹配度阈值,则识别结果与故障特征库不匹配,所述识别结果不处于故障特征库,不发送报警信号。
38、在本申请的一些实施例中,还包括一种输煤栈桥的视频智能监控方法:
39、实时采集监控区域的视频图像,对视频图像进行预处理,得到待检图像;
40、将所述待检图像输入至训练好的神经网络模型中,所述神经网络模型对待检图像进行特征提取和识别,得到识别结果;
41、计算所述识别结果的置信度,若所述置信度不小于预设置信度阈值,判断所述识别结果是否处于故障特征库,若处于所述故障特征库,发送报警信号。
42、本专利技术提供了一种输煤栈桥的视频智能监控系统及方法,相较现有技术,具有以下有益效果:
43、本专利技术公开了一种输煤栈桥的视频智能监控系统及方法,通过对视频图像进行预处理得到待检图像,将待检图像输入至训练好的神经网络模型中,神经网络模型对待检图像进行特征提取和识别,得到识别结果,计算识别结果的置信度,若置信度不小于预设置信度阈值,再判断识别结果是否处于故障特征库,若处于所述故障特征库,发送报警信号,若置信度小于预设置本文档来自技高网...
【技术保护点】
1.一种输煤栈桥的视频智能监控系统,其特征在于,包括:
2.根据权利要求1所述的输煤栈桥的视频智能监控系统,其特征在于,训练好的神经网络模型,包括:
3.根据权利要求2所述的输煤栈桥的视频智能监控系统,其特征在于,所述预设神经模型对所述训练集进行特征提取和识别,包括:
4.根据权利要求3所述的输煤栈桥的视频智能监控系统,其特征在于,将所述提取结果与故障特征库进行匹配,包括:
5.根据权利要求3所述的输煤栈桥的视频智能监控系统,其特征在于,根据所述测试识别结果得到所述预设神经模型的应用评价度,包括:
6.根据权利要求5所述的输煤栈桥的视频智能监控系统,其特征在于,计算所述识别结果的置信度,包括:
7.根据权利要求6所述的输煤栈桥的视频智能监控系统,其特征在于,对视频图像进行预处理,包括:
8.根据权利要求4所述的输煤栈桥的视频智能监控方法,其特征在于,判断所述识别结果是否处于故障特征库,若处于所述故障特征库,发送报警信号,包括:
9.一种输煤栈桥的视频智能监控方法,其特征在于,包括:
...【技术特征摘要】
1.一种输煤栈桥的视频智能监控系统,其特征在于,包括:
2.根据权利要求1所述的输煤栈桥的视频智能监控系统,其特征在于,训练好的神经网络模型,包括:
3.根据权利要求2所述的输煤栈桥的视频智能监控系统,其特征在于,所述预设神经模型对所述训练集进行特征提取和识别,包括:
4.根据权利要求3所述的输煤栈桥的视频智能监控系统,其特征在于,将所述提取结果与故障特征库进行匹配,包括:
5.根据权利要求3所述的输煤栈桥的视频智能监控系统,其特征在于,根据所...
【专利技术属性】
技术研发人员:孙泽平,徐海,单军,赵菲,沈强,尹浩洁,
申请(专利权)人:华能临沂发电有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。