【技术实现步骤摘要】
本专利技术涉及海洋观测设备，尤其涉及基于海洋观测设备的数据采集系统。
技术介绍
1、随着全球陆地资源的日趋紧张和环境的不断恶化,海洋资源的重要性日益凸现，人类社会的发展必然越来越多地依赖海洋，人类在海洋上进行的活动也越来越多，同时也造成了大量的污染，因此，需要对海洋以及海洋浮标进行观测，而海洋监测的能力,直接影响着海洋资源开发和海洋环境保护的程度和效果，在对海洋以及海洋浮标进行观测时需要用到海洋观测设备，同时配合数据采集系统对海洋观测设备观测的信息进行采集，但是现有的基于海洋观测设备的数据采集系统只具备单一的数据采集功能，并通过共享的方式分享给人员进行分析判断，其在采集过程中存在以下缺点：1、采集的数据存在缺失、模糊、有噪声等情况，进而影响数据采集的质量；2、不能够对采集的数据自动分析判断，在海洋观测设备监测到有异常数据时，人员不能够及时得知，不能满足使用需求，综合上述情况，因此我们提出了基于海洋观测设备的数据采集系统。
技术实现思路
1、基于
技术介绍
存在的技术问题，本专利技术提出了基于海洋观测设备的数据采集系统。
2、本专利技术提出的基于海洋观测设备的数据采集系统，包括用于对海洋浮标进行监测的海洋观测设备监测端、数据采集模块、数据处理分析端和数据储存模块，所述海洋观测设备监测端与数据采集模块相连接，数据采集模块与数据处理分析端相连接，数据处理分析端与数据储存模块相连接，数据处理分析端连接有预警提醒模块；
3、所述海洋观测设备监测端包括电池电量监测传感器、视
4、所述数据处理分析端包括数据传输模块、噪声去除模块、数模转换模块、数据处理模块、数据分析模块和数据调取模块，数据传输模块与数据采集模块和噪声去除模块相连接，数模转换模块与噪声去除模块和数据处理模块相连接，数据分析模块与数据处理模块和数据调取模块相连接，数据分析模块与预警提醒模块相连接；
5、所述数据储存模块包括标准数据储存模块、处理数据储存模块和数据加密模块，标准数据储存模块与数据调取模块相连接，数据处理模块与处理数据储存模块相连接，数据加密模块与标准数据储存模块和处理数据储存模块相连接。
6、优选地，所述海洋浮标上设有通信模块b，通信模块b与卫星通信终端连接。
7、优选地，所述数据加密模块中安全加解密采用sha256算法作为摘要算法，对称加解密采用aes算法，安全加解密采用sha256算法作为摘要算法，数字签名算法采用sha256withecc，数字信封采用pkcs7格式，数字证书采用x509格式。
8、优选地，所述噪声去除模块采用深度学习的去噪的方式进行去噪，其采用的函数为均方误差损失函数，其公式为：mse＝1/nσ(y_i-y_hat_i)^2，其中，n是样本数量，y_i是第i个样本的真实输出值，y_hat_i是第i个样本的预测输出值。
9、优选地，所述数模转换模块采用神经网络去噪的方式对数模进行转换，其采用的函数为交叉熵损失函数，其公式为：l＝-[ylogy+(1-y)log(1-y)]；l＝-[ylogy+(1-y)log(1-y)]l＝[ylogy+(1-y)log(1-y)]，其中，l表示损失函数，y表示真实标签，log表示对数函数。
10、优选地，所述数据分析模块用于对采集的数据异常情况进行分析，其分析时采用rrcf模型和深度学习模型进行分析，其中在使用深度学习模型中使用到的公式为包括梯度下降算法和反向传播算法，其中梯度下降算法的公式为：其中w表示参数，η表示学习率，e表示损失函数，反向传播算法的公式为：其中zj表示第j个节点的输出值，e表示损失函数，m表示样本数量。
11、优选地，所述视频监控传感器采用智能分析模块，对进入警戒范围的船只或人员进行智能识别并报警。
12、优选地，所述通信模块a通过卫星通信终端连接到通信网络中，并通过网络协议将设备数据转发到云端或本地服务器。
13、与现有的技术相比，本专利技术的有益效果是：
14、1、通过噪声去除模块、数据转换模块和数据处理模块相配合，可对采集的数据进行去噪、转换和处理，使得得到的数据为完整无噪音数据，提高对采集数据的质量；
15、2、通过数据分析模块的设置，可对处理后的数据进行实时监控分析，同时结合预先储存的指标，分析出数据的异常情况，并配合预警提醒模块及时提醒人员，方便人员及时得知进行处理；
16、3、通过数据加密模块的设置，可对处理的数据进行加密，降低数据丢失的情况；
17、本专利技术通过对采集的数据进行去噪、转换和处理，能够得到完整无噪音的数据，提高对采集数据的质量，且结合rrcf模型和深度学习模型对数据进行分析的方式，可对采集的数据进行实时监控，在有异常情况时，能够及时报警提醒人员，方便人员及时得知进行处理，满足使用需求。
本文档来自技高网...【技术保护点】
1.基于海洋观测设备的数据采集系统，包括用于对海洋浮标进行监测的海洋观测设备监测端、数据采集模块、数据处理分析端和数据储存模块，其特征在于，所述海洋观测设备监测端与数据采集模块相连接，数据采集模块与数据处理分析端相连接，数据处理分析端与数据储存模块相连接，数据处理分析端连接有预警提醒模块；
2.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述海洋浮标上设有通信模块B，通信模块B与卫星通信终端连接。
3.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述数据加密模块中安全加解密采用SHA256算法作为摘要算法，对称加解密采用AES算法，安全加解密采用SHA256算法作为摘要算法，数字签名算法采用SHA256WithECC，数字信封采用PKCS7格式，数字证书采用X509格式。
4.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述噪声去除模块采用深度学习的去噪的方式进行去噪，其采用的函数为均方误差损失函数，其公式为：MSE＝1/nΣ(y_i-y_hat_i)^2，其中，n是样本数量，y_i是
5.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述数模转换模块采用神经网络去噪的方式对数模进行转换，其采用的函数为交叉熵损失函数，其公式为：L＝-[ylogy+(1-y)log(1-y)]；L＝-[ylogy+(1-y)log(1-y)]L＝[ylogy+(1-y)log(1-y)]，其中，L表示损失函数，y表示真实标签，log表示对数函数。
6.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述数据分析模块用于对采集的数据异常情况进行分析，其分析时采用RRCF模型和深度学习模型进行分析，其中在使用深度学习模型中使用到的公式为包括梯度下降算法和反向传播算法，其中梯度下降算法的公式为：其中w表示参数，η表示学习率，E表示损失函数，反向传播算法的公式为：其中zj表示第j个节点的输出值，E表示损失函数，m表示样本数量。
7.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述视频监控传感器采用智能分析模块，对进入警戒范围的船只或人员进行智能识别并报警。
8.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述通信模块A通过卫星通信终端连接到通信网络中，并通过网络协议将设备数据转发到云端或本地服务器。
...【技术特征摘要】
1.基于海洋观测设备的数据采集系统，包括用于对海洋浮标进行监测的海洋观测设备监测端、数据采集模块、数据处理分析端和数据储存模块，其特征在于，所述海洋观测设备监测端与数据采集模块相连接，数据采集模块与数据处理分析端相连接，数据处理分析端与数据储存模块相连接，数据处理分析端连接有预警提醒模块；
2.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述海洋浮标上设有通信模块b，通信模块b与卫星通信终端连接。
3.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述数据加密模块中安全加解密采用sha256算法作为摘要算法，对称加解密采用aes算法，安全加解密采用sha256算法作为摘要算法，数字签名算法采用sha256withecc，数字信封采用pkcs7格式，数字证书采用x509格式。
4.根据权利要求1所述的基于海洋观测设备的数据采集系统，其特征在于，所述噪声去除模块采用深度学习的去噪的方式进行去噪，其采用的函数为均方误差损失函数，其公式为：mse＝1/nσ(y_i-y_hat_i)^2，其中，n是样本数量，y_i是第i个样本的真实输出值，y_hat_i是第i个样本的预测输出值。
5.根据权利要求1所述...
【专利技术属性】
技术研发人员：莫敏玲，张少永，曾佩雯，
申请(专利权)人：广东蓝鲲海洋科技有限公司，
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。