【技术实现步骤摘要】
本专利技术涉及可变情报板的智能运维，具体为ai驱动的道路可变情报板智能管理装置与方法。
技术介绍
1、道路可变情报板的运维，目前依靠机电运维作业人员定期上路巡检，或者通过就近的摄像机进行远程查看，期间也会通过外场作业人员或者社会公众发现提醒，以实时掌握情报板系统的显示是否正常，自动巡检方面，尽管存在通过对led电子屏电流电压的监测来推算模组故障的方案，但因为基于与正常模式下的比对而推算故障的存在和大致情况，如死灯率，但无法直接、明晰、真实且准确的描述故障的类型、规模和严重程度，可能导致问题未能及时解决，影响道路信息的准确性和可靠性，也无法指导运维人员有效开展维修维护的进行具体的工具和备品备件准备，道路可变情报板的信息安全防护，目前依靠使用加密技术确保情报板前端与中央控制系统之间的通信安全，防止数据被窃取或篡改，同时通过加强访问控制，限制对情报板系统的物理和逻辑访问，只允许授权人员对系统进行配置和管理。
2、但是，传统的道路可变情报板的运维存在以下缺点：
3、由于主动人工巡检需要耗费较大的人力财力但效率低下，而自动...
【技术保护点】
1.AI驱动的道路可变情报板智能管理装置，包括中央管理系统平台、边缘控制软件、AI监视相机、AI运维主机、环境监测传感器和定制支架，其特征在于：所述中央管理系统平台由中央控制管理模块构成，所述边缘控制软件部署在AI运维主机内，所述AI监视相机由采集模块、存储模块和图像识别模块构成，所述AI运维主机由策略执行模块、故障诊断模块、存储模块、图像识别模块和比对分析模块构成，所述环境监测传感器由环境监测模块构成；
2.根据权利要求1所述的AI驱动的道路可变情报板智能管理装置，其特征在于：所述采集模块包括动态范围优化HDR单元、自动曝光补偿AEC单元、算法稳定单元、...
【技术特征摘要】
1.ai驱动的道路可变情报板智能管理装置，包括中央管理系统平台、边缘控制软件、ai监视相机、ai运维主机、环境监测传感器和定制支架，其特征在于：所述中央管理系统平台由中央控制管理模块构成，所述边缘控制软件部署在ai运维主机内，所述ai监视相机由采集模块、存储模块和图像识别模块构成，所述ai运维主机由策略执行模块、故障诊断模块、存储模块、图像识别模块和比对分析模块构成，所述环境监测传感器由环境监测模块构成；
2.根据权利要求1所述的ai驱动的道路可变情报板智能管理装置，其特征在于：所述采集模块包括动态范围优化hdr单元、自动曝光补偿aec单元、算法稳定单元、摄像单元、图像稳定单元、自清洁功能单元，所述动态范围优化hdr单元抓拍获取清晰的情报板显示内容，确保捕获到的图像在保持背景细节，所述自动曝光补偿aec单元以应对顺光或逆光条件下的光照挑战，通过自动调整摄像头的曝光参数提高被逆光照射对象的清晰度，所述算法稳定单元引入了噪声降低算法和光学图像稳定技术，在低照度或夜间条件下显著提高高亮图像的清晰度和质量，所述噪声降低算法基于信号的频率特性，通过分析信号频谱中的噪声与信号的差异，将噪声成分从信号中分离出来，实现噪声的消除，所述摄像单元采用宽动态范围摄像头和红外滤波器配合夜视技术，有效处理极端光照条件下的图像捕获问题，同时通过软件层面的图像对比度增强和色彩校正算法进一步优化图像质量，所述软件层面的图像对比度增强和色彩校正算法具体为线性增强法和非线性增强法，所述图像稳定单元应对由风力、交通振动或其他外部因素引起的摄像机抖动，集成了先进的防抖动技术包括光学和电子图像稳定系统，有效地补偿轻微的摇晃和震动，确保捕获到的图像始终保持稳定和清晰，自清洁功能单元通过自动清洗机制和防污涂层，保持相机镜头的清洁，从而避免因污垢导致的图像质量下降，支持定期和按需启动，确保相机镜头在长时间运行中保持清洁。
3.根据权利要求1所述的ai驱动的道路可变情报板智能管理装置，其特征在于：所述存储模块包括数据存取管理系统、显示故障特征库、信息发布预置库和异常事件数据库，所述数据存取管理系统负责安全存储采集到的高清图像数据，并为图像处理和分析模块提供快速、高效的数据访问，利用先进的数据库技术和优化的数据结构，确保数据的即时可用性和高效存取，所述显示故障特征库作为一个专门的数据库，收录了经过学习和标记的情报板显示故障样本，为图像识别模块提供了丰富的参考资源，支持其高精度的故障检测和分析，所述信息发布预置库预定发布的情报板文字信息，作为信息一致性校验的基准，确保了信息发布的准确性和及时性，是信息发布管理的关键组成部分，所述异常事件数据库记录并储存了所有由系统检测到的异常事件和故障信息，为中央管理控制系统提供了重要的历史事件记录，支持故障分析、趋势预测和维护决策。
4.根据权利要求1所述的ai驱动的道路可变情报板智能管理装置，其特征在于：所述图像识别模块包括图像质量评估单元、显示故障ai检测单元和字符ai识别单元，所述图像质量评估单元内设有一个评估捕获图像质量的系统，用于对分析的图像清晰度和可靠性进行评估，根据评估结果选择执行分析或启用，从而提高整个系统的准确性和可靠性，所述显示故障ai检测单元基于efficientnet深度学习模型架构，用于高效准确地识别和分类显示故障，如坏点、花屏、死灯和色彩失真，efficientnet的核心复合缩放策略，通过公式来优化网络的深度d、宽度w和输入分辨率r，其中α，β，γ是经验性的常数，用于控制不同维度的扩展，而是一个超参数，用于控制整体网络规模，在故障检测流程中，首先对采集的图像进行预处理，包括标准化和噪声过滤步骤，以提升模型的鲁棒性，预处理后的图像数据输入到efficientnet模型中，进行特征提取，模型每层卷积后应用批量归一化和swish激活函数，其中μ和σ2是批量数据的均值和方差，γ和β是学习的缩放和平移参数，故障类型的识别通过一个softmax层实现，将模型输出的logits转换为不同类别的概率，这一过程使用交叉损失函数来优化，其中y是真实标签的独立编码，是模型的预测概率，这种方法使模型更准确地预测每种故障类型的概率，字符ai识别单元结合道路可变情报板场景特征设计，采用深度学习技术结合光学字符识别方法，通过卷积神经网络和长短期记忆网络处理和解析文字内容，图像预处理步骤，包括灰度化、二值化和透视变换，是为了标准化图像并减少复杂性，为后续的特征提取提供基础，预处理后的图像通过cnn层进行特征提取，其中多层卷积和池化层捕获图像中的关键文字特征，特征被传递到lstm层后，采用lstm门控机制，该机制使得lstm有效地捕捉字符序列中的长距离依赖，其中，遗忘门ft＝σ(wf)控制着从单元状态中丢弃的信息量；输入门it＝σ(wi·决定新信息的加入；单元状态的更新通过ct＝ft*ct-1+it*tanh(wc·[ht-1,xt]+bc)实现，此处ct是当前时刻的单元状态，字符的最终识别通过适用于自由形式的连接时序分类损失数lctc实现，允许...
【专利技术属性】
技术研发人员：周晓光，姬江伟，李江超，马超锋，许更飞，王中玉，张亮，高萌萌，田开源，文利，黄虎，聂鹏，
申请(专利权)人：河南文象智能科技有限公司，
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。