[发明专利]神经网络算法自组织映射监控渣土车消纳的方法和装置有效

专利信息
申请号: 202010873307.8 申请日: 2020-08-26
公开(公告)号: CN112073480B 公开(公告)日: 2022-06-14
发明(设计)人: 王胜斌 申请(专利权)人: 湖南金锐科技有限公司
主分类号: H04L67/12 分类号: H04L67/12;H04L67/125;G06N3/04;G06V20/59;G06V10/82;G01N33/00;G01N15/06;G01S13/931;H04N7/18;G07C5/08;H04N5/76
代理公司: 南昌逸辰知识产权代理事务所(普通合伙) 36145 代理人: 刘晓敏
地址: 425000 湖南省永*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 神经网络 算法 组织 映射 监控 渣土 车消纳 方法 装置
【权利要求书】:

1.一种神经网络算法自组织映射监控渣土车消纳的方法,其特征在于,所述方法包括:

通过预设置于渣土车内的监控神经网络模型获取渣土车的停滞时间数据与当前位置数据;

将所述停滞时间数据与当前位置数据作为输入,对应转换为向量数据,输入至神经网络算法的隐藏层,以进行依向量的权重处理,将形成的监控规则数据输出至监控神经网络模型;

按照所述监控规则数据,若所述渣土车出现消纳违规情况,则进行数据突触调节,形成违规数据包;

将所述违规数据包采用5G网络上传至云监控平台,并获取所述云监控平台的回锁指令;

通过所述回锁指令将渣土车的货箱举升进行回锁,阻止货箱内渣土倒出。

2.根据权利要求1所述的神经网络算法自组织映射监控渣土车消纳的方法,其特征在于,所述通过预设置于渣土车内的监控神经网络模型获取渣土车的停滞时间数据与当前位置数据的步骤,包括:

所述监控神经网络模型通过设置于渣土车上的监测设备判断渣土车是否停滞;

若是,则所述监控神经网络模型获取停滞时间数据和当前位置数据。

3.根据权利要求1所述的神经网络算法自组织映射监控渣土车消纳的方法,其特征在于,所述将停滞时间数据与当前位置数据作为输入,对应转换为向量数据的步骤,包括:

将所述停滞时间数据中的时间长度进行实时的量化,得到逐渐递增的第一向量;

确定运输路线,将所述当前位置数据中的位置信息标注与所述运输路线上并进行量化,得到第二向量。

4.根据权利要求3所述的神经网络算法自组织映射监控渣土车消纳的方法,其特征在于,输入向量数据至神经网络算法的隐藏层,以进行依向量的权重处理,将形成的监控规则数据输出至监控神经网络模型的步骤,包括:

所述隐藏层采用源节点层接入第一向量和第二向量;

若干个第一神经元接于所述隐藏层,根据所述第一向量的实时递增以逐步激活第一神经元,而逐步提升所述第一向量的权重,当所述第一向量的递增停止时,所述第一向量的权重值固定,其中,所述第一神经元的激活数量具有上限值;

若干个第二神经元接于所述隐藏层,将所述第二向量分配固定权重;

当所述第一向量与第二向量的权重数值被定义后,形成监控规则数据,由Microsoft神经网络的隐藏层输出至监控神经网络模型。

5.根据权利要求1所述的神经网络算法自组织映射监控渣土车消纳的方法,其特征在于,所述按照所述监控规则数据,若所述渣土车出现消纳违规情况,则进行数据突触调节,形成违规数据包的步骤包括:

所述消纳违规情况为渣土车在非指定的消纳场地进行停滞,故而获取停滞时间和当前位置;

将所述停滞时间和当前位置输出至监控神经网络模型;

根据所述停滞时间与当前位置确定的权重数据,采用Kohoncn模型的后突触神经元二位阵列对形成所述权重数据的神经元进行确定;

确定突触神经元二位阵列中的神经元后,进行神经元突触规束,以自组织映射压缩成违规数据包。

6.一种神经网络算法自组织映射监控渣土车消纳的装置,其特征在于,包括:

模型获取单元,用于通过预设置于渣土车内的监控神经网络模型获取渣土车的停滞时间数据与当前位置数据;

模型处理单元,用于将所述停滞时间数据与当前位置数据作为输入,对应转换为向量数据,输入至神经网络算法的隐藏层,以进行依向量的权重处理,将形成的监控规则数据输出至监控神经网络模型;

压缩单元,用于按照所述监控规则数据,若所述渣土车出现消纳违规情况,则进行数据突触调节,形成违规数据包;

数据传输单元,用于将所述违规数据包采用5G网络上传至云监控平台,并获取所述云监控平台的回锁指令;

执行单元,用于通过所述回锁指令将渣土车的货箱举升进行回锁,阻止货箱内渣土倒出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南金锐科技有限公司,未经湖南金锐科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010873307.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top