[发明专利]一种基于人工智能的综合防盗管理方法和系统

权利要求书

1.一种基于人工智能的综合防盗管理方法，用于对电缆实现防盗管理，其特征在于：所述电缆为上电后形成天线的电缆；方法包括以下步骤：

S1：控制中心获取接收机接收到的、所述电缆上电后产生的生成信号数据，并与发射机发送的上电信号数据、电缆直径和电缆长度打包，形成电缆特征数据；

S2：将所述电缆特征数据分为训练样本和测试样本；

S3：将所述训练样本输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；并利用所述测试样本对训练后的卷积神经网络模型进行测试，测试完成后将所述训练后的卷积神经网络模型发送至所述接收机；

S4：与待防盗电缆连接的发射机对待防盗电缆进行上电，并将上电信号数据、电缆直径和完整电缆长度发送至所述接收机；

S5：接收机将实时接收到的所述待防盗电缆上电后产生的生成信号数据、发射机发送的上电信号数据和电缆直径，打包一并输入至所述训练后的卷积神经网络模型，通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据；

S6：根据所述预测的电缆长度结果数据和所述完整电缆长度，判断电缆是否被盗。

2.根据权利要求1所述的一种基于人工智能的综合防盗管理方法，其特征在于：所述的卷积神经网络包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。

3.根据权利要求1所述的一种基于人工智能的综合防盗管理方法，其特征在于：所述的发射机通过输入面板获取所述电缆直径、电缆长度和完整电缆长度数据。

4.根据权利要求1所述的一种基于人工智能的综合防盗管理方法，其特征在于：所述的方法还包括：

S7：将步骤S6的判断结果上传至控制中心和/或管理人员。

5.根据权利要求1所述的一种基于人工智能的综合防盗管理方法，其特征在于：步骤S3中的训练，迭代次数为500，训练精度为85％。

6.一种基于人工智能的综合防盗管理系统，用于对电缆实现防盗管理，其特征在于：所述电缆为上电后形成天线的电缆；所述系统包括：

控制中心，用于获取接收机接收到的所述电缆上电后产生的生成信号数据，并与发射机发送的的上电信号数据、电缆直径和电缆长度打包，形成电缆特征数据；还用于将所述电缆特征数据分为训练样本和测试样本；还用于将所述训练样本输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，并利用所述测试样本对训练后的卷积神经网络模型进行测试，测试完成后将所述训练后的卷积神经网络模型发送至所述接收机；

发射机，用于将上电信号数据、电缆直径和电缆长度发送至控制中心；还用于对待防盗电缆进行上电，并将上电信号数据、电缆直径和完整电缆长度发送至所述接收机；

接收机，用于获取所述训练后的卷积神经网络模型；还用于将实时接收到的所述待防盗电缆上电后产生的生成信号数据、发射机发送的上电信号数据和电缆直径，打包一并输入至所述训练后的卷积神经网络模型，通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据；还用于根据所述预测的电缆长度结果数据和所述完整电缆长度，判断电缆是否被盗。

7.根据权利要求6所述的一种基于人工智能的综合防盗管理系统，其特征在于：所述的卷积神经网络包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。

8.根据权利要求6所述的一种基于人工智能的综合防盗管理系统，其特征在于：所述的发射机通过输入面板获取所述电缆直径、电缆长度和完整电缆长度数据。

9.根据权利要求6所述的一种基于人工智能的综合防盗管理系统，其特征在于：所述的接收机还用于将判断结果上传至控制中心和/或管理人员。

10.根据权利要求6所述的一种基于人工智能的综合防盗管理系统，其特征在于：所述进行训练的迭代次数为500，训练精度为85％。