[发明专利]一种云边融合下的视频处理方法及系统

权利要求书

1.一种云边融合下的视频处理方法，其特征在于，所述方法应用于一云边融合下的视频处理系统，所述系统包括采集模块和处理模块，所述方法包括：

通过所述采集模块采集获取第一生产图像集合，所述第一生产图像集合包括第一区域生产图像集合和第二区域生产图像集合；

基于云计算，构建第一生产图像处理模型；

将所述第一区域生产图像集合输入所述第一生产图像处理模型，获得第一输出结果；

根据所述第一输出结果进行第一区域内生产计划的制定和/或调整；

基于边缘计算，构建第二生产图像处理模型；

将所述第二区域生产图像集合输入所述第二生产图像处理模型，获得第二输出结果；

根据所述第二输出结果进行第二区域内的紧急情况预警和处理。

2.根据权利要求1所述的方法，其特征在于，所述构建第一生产图像处理模型，包括：

基于云计算，采集获取第一构建样本集合；

对所述第一构建样本按照预设划分规则进行划分和标识，获得第一训练样本集合和第一测试样本集合；

基于卷积神经网络模型，构建所述第一生产图像处理模型；

采用所述第一训练样本集合对所述第一生产图像处理模型进行监督训练，直到所述第一生产图像处理模型的输出结果收敛或达到预设的准确率；

采用所述第一测试样本集合测试所述第一生产图像处理模型，若所述第一生产图像处理模型的准确率达到预设要求，则获得所述第一生产图像处理模型。

3.根据权利要求2所述的方法，其特征在于，所述采集获取第一构建样本集合，包括：

采集获取所述第一区域的历史第一区域生产图像集合；

采集获取所述第一区域的历史生产计划信息集合；

将所述历史第一区域生产图像集合和所述历史生产计划信息集合作为所述第一构建样本集合。

4.根据权利要求1或2所述的方法，其特征在于，所述构建第二生产图像处理模型，包括：

基于边缘计算，采集获取第二构建样本集合；

对所述第二构建样本按照预设划分规则进行划分和标识，获得第二训练样本集合和第二测试样本集合；

基于卷积神经网络模型，构建所述第二生产图像处理模型；

采用所述第二训练样本集合对所述第二生产图像处理模型进行监督训练，直到所述第二生产图像处理模型的输出结果收敛或达到预设的准确率；

采用所述第二测试样本集合测试所述第二生产图像处理模型，若所述第二生产图像处理模型的准确率达到预设要求，则获得所述第二生产图像处理模型。

5.根据权利要求4所述的方法，其特征在于，所述采集获取第二构建样本集合，包括：

采集获取所述第二区域的历史第二区域生产图像集合；

采集获取所述第二区域的历史紧急情况信息集合；

将所述历史第二区域生产图像集合和所述历史紧急情况信息集合作为所述第二构建样本集合。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一输出结果进行第一区域内生产计划的制定和/或调整，包括：

根据所述第一输出结果，获得多种生产计划信息；

根据所述第一区域当前的生产需求，设置适应度；

根据所述适应度，计算多种所述生产计划信息的适应度评分；

根据多个所述适应度评分，筛选获得最佳生产计划信息。

7.根据权利要求6所述的方法，其特征在于，所述设置适应度，包括：

采集获取所述第一区域当前的多维度生产需求信息；

根据当前所述多维度生产需求信息的重要程度，进行权重分配，获得权重分配结果；

采用所述权重分配结果对所述多维度生产需求信息进行加权，获得所述适应度。