[发明专利]一种基于卷积神经网络的重大危险源监测预警系统在审

专利信息
申请号: 202111246211.X 申请日: 2021-10-26
公开(公告)号: CN113963313A 公开(公告)日: 2022-01-21
发明(设计)人: 程冬平 申请(专利权)人: 南通中安高科电子有限公司
主分类号: G06V20/52 分类号: G06V20/52;G08B17/12;G08B17/11
代理公司: 南通云创慧泉专利代理事务所(普通合伙) 32585 代理人: 邵永永
地址: 226000 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 卷积 神经网络 重大 危险源 监测 预警系统
【权利要求书】:

1.一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述基于卷积神经网络的重大危险源监测预警系统包括以下运行步骤:

S1、将危险源设定值通过卷积神经网络输入到服务器;

S2、监控系统对现场进行图像监测,然后将监测到的画面输入到图像识别系统,图像识别系统将对比结果输入到监控控制单元;

S3、监控控制单元再控制监控系统将识别画面通过数据传输单元传输到服务器,服务器再通过显示平台对其进行图像显示;

S4、传感器感应系统接收多种传感器收集的数据,将其通过数据传输单元传递到服务器;

S5、然后服务器通过数据处理单元,对数据和危险源设定值进行对比处理;

S6、然后数据处理单元将对比结果输入到控制单元,控制单元控制报警系统发出警报,同时控制消防系统进行灭灾处理;

S7、反馈模块将报警系统和消防系统的运行结果反馈到显示平台,通过显示平台进行图像显示,从而完成重大危险源监测预警和处理。

2.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S1中,危险源设定值包括各种危险源灾害图像数据、数值数据和危险源灾害等级划分数据。

3.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S2中,图像识别系统将服务器中的各种危险源灾害图像数据进行读取,然后与监控系统拍摄到的画面进行对比,监控系统为分区域无死角监控,通过多台监控设备组成。

4.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S3中,当图像识别系统识别到监控系统拍摄的画面与各种危险源灾害图像数据匹配时,将识别结果传输到监控控制单元,然后监控控制单元控制监控系统将拍摄到该区域的拍摄画面进行提取,然后通过服务器在显示平台进行投影。

5.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S4和所述S5中,传感器感应系统包括气体传感器、烟雾传感器和温度传感器,传感器感应系统为分区域布置,传感器系统对每个区域的检测数值通过数据传输单元进行传输,然后通过服务器在显示平台进行显示。

6.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S6中,报警系统和消防系统均为分区域独立布置,数据处理单元将监控系统和传感器感应系统传输的数据进行对比处理,当监控系统和传感器感应系统传输的异常数据区域重合时,数据处理单元读取数据库中的危险源灾害等级划分数据识别该次危险的等级,通过控制系统控制该区域的报警系统发出该等级危险的警报,同时控制该区域的消防系统进行灭灾处理,当危险源等级超出该消防系统的处理等级时,控制单元控制报警系统进行消防报警,并将危险等级传输到消防报警中心。

7.根据权利要求1所述的一种基于卷积神经网络的重大危险源监测预警系统,其特征在于:所述S7中,反馈模块监测报警系统和消防系统的运行状态,并反馈到显示平台,当反馈数据出现异常时,通过显示平台直观地观察到运行结果,及时采用人工进行报警。

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南通中安高科电子有限公司,未经南通中安高科电子有限公司许可,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/202111246211.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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