【技术实现步骤摘要】
本专利技术涉及智能水库管理领域，尤其涉及一种基于边缘计算的水库管理方法和装置。
技术介绍
1、水库是除害兴利的重要水利设施，是防汛减灾的前沿阵地，是水资源保护与配置的顶端工程。目前，在水库工程运行管理方面使用了水利部水库大坝注册登记系统、水利工程运行监管平台等，基本上是通过把图片传输到服务器，在服务器上做图片识别等。随着智能终端和采集的数据越来越多，网络的传输速度越来越快，覆盖面越来越广，对于云端的存储和计算能力提出了更高的要求。
2、现有技术多是采用物联网透彻感知、可靠传输及智能处理三层架构实现水库大坝的安全监测。多个物联网感知节点组成物联网感知层实现对于水库和大坝现场的透彻感知，感知信息通过物联网远程传输终端传输到水库智慧化大数据管理平台，由所述平台完成对于信息的清洗、存储、处理及显示。
3、该现有技术存在的缺点包括仍以单点信息采集为主，存在测不到、测不准、测不全等问题；以及随着智能终端和采集数据的增加，对云端的存储和计算能力提出了更高的要求，导致集中式云计算出现瓶颈，难以实时返回数据。
技术实现思路
1、本专利技术提供了一种基于边缘计算的水库管理方法和装置，以实现数据采集准确性、完整性提高以及在不降低数据采集要求的情况下，降低云端计算负载能力要求的技术效果。
2、为了解决上述技术问题，本专利技术实施例提供了一种基于边缘计算的水库管理方法，适用于边缘计算平台；其中，所述边缘计算平台分别与云平台、若干个水库信息采集终端通信连接；
3
4、获取所述若干个水库信息采集终端采集的图像数据，并通过预设的多个识别模型，对所述图像数据进行图像分析，获得多个分析结果；其中，所述多个识别模型包括：水位线识别模型、漂浮物识别模型、堤坝杂草识别模型、周界防范识别模型、水体水质识别模型、抛投垃圾识别模型；
5、根据所述多个分析结果，判断是否向用户发出预警信息，并将所述多个分析结果汇总成综合成果发送并展示给用户；
6、在获取所述图像数据，将所述图像数据发送给云平台，以使云平台根据所述图像数据对所述多个识别模型进行模型训练，获得多个训练模型，并根据所述多个训练模型对所述多个识别模型进行更新。
7、在本专利技术实施例中，通过若干个识别模型对采集的图像数据进行识别分析，根据分析结果判断是否需要向用户发送预警信息并将多个分析结果汇总成综合成果并发送给用户，同时所述采集的图像数据被发送至云平台用作识别模型的训练，利用经过训练的识别模型，即训练模型对所述识别模型进行更新。
8、与现有技术相比，本专利技术实施例将识别模型的训练和部署识别分开至两个不同平台进行。其中模型训练算法复杂，需要进行大量的数据计算，因此模型训练需要大量存储空间和设备资源，只有云平台符合其要求。而模型的部署识别则不需要如此大量的存储资源，但大量图像数据的传输对传输宽带的要求极高，因此需要在边缘计算平台上进行。本专利技术技术方案充分运用了云平台的丰富设备资源和边缘计算平台的响应速度快、服务稳定等优势，在不影响数据采集和传输要求的情况下，实现了数据采集准确性、完整性提高，同时还降低了对云平台的计算负载要求。
9、同时，本专利技术实施例还提供了六种识别模型，用于水库各个方面的监控检测，全方位多维度实时对水库实行监控和信息采集分析。
10、作为优选例子，所述获取所述若干个水库信息采集终端采集的图像数据，具体为：
11、根据所述多个识别模型的需要，控制所述若干个水库信息采集终端采集所述图像数据；
12、其中，所述若干个水库信息采集终端的终端类型包括水位计、雨量桶和摄像头。
13、本专利技术实施例提供若干个水库信息采集终端，包括水位计、雨量桶和摄像头等多个终端类型，多维度实现对水库的信息采集和监控，同样由所述识别模型控制所述终端进行图像数据的采集，有效降低了发生测不到、测不准、测不全等问题的概率。
14、作为优选例子，所述水位线识别模型，具体为：
15、所述水位线识别模型自动识别水库与水的位置关系或交汇关系，获得水位信息，根据预设的水位警戒线与所述水位信息进行对比，若所述水位信息超过所述水位警戒线，则向用户发出预警信息。
16、本专利技术实施例提供的水位线识别模型自动识别水库与水的位置关系和交汇关系获得水库的水位信息，并将所述水位信息与预设的水位警戒线进行对比判断是否需要向用户发送预警信息，以此降低了出现漫坝的险情险况。
17、作为优选例子，所述漂浮物识别模型，具体为：
18、所述漂浮物识别模型识别若干个水面漂浮物，记录所述若干个水面漂浮物的数量，根据水体表面流速计算获得所述若干个水面漂浮物在水库上游出现的区域，跟踪分析所述若干个水面漂浮物的扩散方向。
19、本专利技术实施例所提供的漂浮物识别模型通过识别所述图像数据，记录获得若干个水面漂浮物的数量与位置信息，根据水体表面流速计算获得水面漂浮物在水库上游出现的区域，并跟踪分析水面漂浮物的扩散方向。通过该模型可获得书库的上游水文数据，同时为水库管理人员提供了需要清除的水面漂浮物具体的位置信息，方便水库管理人员精准清除。
20、作为优选例子，所述堤坝杂草识别模型，具体为：
21、所述堤坝杂草识别模型根据采集的所述图像数据识别分析杂草的生存情况，根据所述杂草的生存情况，按照从茂盛到稀疏的顺序进行排序，并将所述排序结果发送至用户。
22、本专利技术实施例提供的堤坝杂草识别模型通过堤防、大坝、边坡等水工建筑物周边采集的图像数据，识别分析是否有杂草存在，并根据杂草的严重程度进行排序，将排序结果发送给用户，方便了用户根据排序结果，利用智能化巡查使得水库的运行更加安全，同时该模型推进了少人值守方案的实施，有效节省了人力资源的浪费，大大提升了水利工程管养成效。
23、作为优选例子，所述周界防范识别模型，具体为：
24、所述周界防范识别模型根据所述图像数据对水库周边预设的若干种物体进行识别检测，判断获得所述若干种物体的位置信息，根据所述位置信息和预设的警戒区域判断是否需要向用户发送预警信息；
25、所述周界防范识别模型，由智能分析计算能力和物体检测模型联合生成。
26、本专利技术实施例提供的周界防范识别模型由基于核心计算层提供的智能分析计算能力和基于神经网络的物体检测模型联合生成，该识别模型识别所述图像数据中的若干种物体并自动判断所述物体的具体位置，根据预设的警戒区域和位置信息对比判断是否需要向用户发送预警信息。
27、作为优选例子，所述水体水质识别模型，具体为：
28、所述水体水质识别模型自动识别水体的水面区域，根据识别结果分析水体颜色是否产生明显变化，若所述水体颜色产生明显变化，则向用户发送预警信息；
29、所述水体水质识别模型，由图像识别技术和神经网络技术联合生成。
30、本专利技术实施例提供的水体水质识别模型由本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的水库管理方法，其特征在于，适用于边缘计算平台；其中，所述边缘计算平台分别与云平台、若干个水库信息采集终端通信连接；
2.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述获取所述若干个水库信息采集终端采集的图像数据，具体为：
3.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述水位线识别模型，具体为：
4.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述漂浮物识别模型，具体为：
5.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述堤坝杂草识别模型，具体为：
6.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述周界防范识别模型，具体为：
7.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述水体水质识别模型，具体为：
8.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述抛投垃圾识别模型，具体为：
9.如权利要求1所述的一种基于边缘计算的水库管理方
10.一种基于边缘计算的水库管理装置，其特征在于，所述装置包括以下模块：边缘计算平台、云平台和若干个水库信息采集终端；
...【技术特征摘要】
1.一种基于边缘计算的水库管理方法，其特征在于，适用于边缘计算平台；其中，所述边缘计算平台分别与云平台、若干个水库信息采集终端通信连接；
2.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述获取所述若干个水库信息采集终端采集的图像数据，具体为：
3.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述水位线识别模型，具体为：
4.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述漂浮物识别模型，具体为：
5.如权利要求1所述的一种基于边缘计算的水库管理方法，其特征在于，所述堤坝杂草识别模型，具体为：
【专利技术属性】
技术研发人员：张从联，陈亮雄，孙秀峰，刘翔，伍鸿健，邱汉彬，刘聪，陆永民，张力澜，丁闪闪，
申请(专利权)人：广东省水利水电科学研究院，
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。