一种海上钻井平台视频智能识别算法自更新系统及方法与流程

本发明涉及视频智能识别领域，特别是关于一种海上钻井平台视频智能识别算法自更新系统及方法。

背景技术：

1、现有的机器视觉识别方法主要是基于作业现场的监控设备，配合智能算法，对现场作业的危险行为进行识别及报警，即视频智能识别算法。但是现有技术受环境的影响比较大，同样的模型，更换不同的作业环境后，识别结果和精度将大受影响，不具备普适性。受限于海洋与陆地之间的通信情况，陆地无法对各平台的安全风险场景进行统一的识别检测，各平台只能进行独立检测运行。

2、同时，由于海上各作业平台结构环境复杂且多样，各种安全场景下的视频智能识别算法无法一次性的满足所有平台复杂环境下的准确识别，需要根据各平台的实际情况进行持续优化，从而准确识别不同平台差异环境下的不同安全风险，不能解决在海陆之间通信情况受限的情况下，部署在各海域作业平台的视频智能识别算法的持续优化训练和统一更新管理的问题。

技术实现思路

1、针对上述问题，本发明的目的是提供一种海上钻井平台视频智能识别算法自更新系统及方法，能够解决在海陆之间通信情况受限的情况下，部署在各海域作业平台的视频智能识别算法的持续优化训练和统一更新管理的问题。

2、为实现上述目的，本发明采取以下技术方案：第一方面，提供一种海上钻井平台视频智能识别算法自更新系统，包括一云端和若干边缘端，其中，所述云端内设置有：

3、优化训练服务件，用于采用对应的视频智能识别算法，基于若干所述边缘端内视频智能识别算法模型的正负样本集，对各所述边缘端内的视频智能识别算法模型进行周期性优化训练，并发送至云边协同mqtt服务件；

4、所述云边协同mqtt服务件，用于进行云边消息和数据的实时互传；

5、ftp服务件，用于接收所述云边协同mqtt服务件发送的云边消息和算法模型数据，并采用ftp服务对算法模型数据进行加密后，根据各边缘端的需求，定期传输至对应所述边缘端进行更新；

6、每一所述边缘端用于采用优化训练好的视频智能识别算法模型，根据实时获取的视频数据，对对应作业平台上的安全风险进行监控识别；以及形成针对各视频智能识别算法模型的正负样本集进行保存后通过所述ftp服务件实时发送至所述优化训练服务件。

7、进一步地，每一所述边缘端内均设置有：

8、视频监控服务件，用于实时获取对应作业平台的视频数据；

9、视频识别服务件，用于接收优化训练后的算法模型数据，向所述云边协同mqtt服务件返回算法模型数据接收成功消息；并采用优化训练好的视频智能识别算法模型，根据实时获取的视频数据，对对应作业平台上的安全风险进行监控识别，得到监控识别结果，其中，监控识别结果中的报警消息发送至所述云边协同mqtt服务件和报警推送服务件；

10、所述报警推送服务件，用于当所述视频识别服务件识别到安全风险时，向对应作业平台推送监控识别结果中的报警信息；

11、二次确认模块，用于对对应作业平台的安全风险进行二次确认，并形成针对各视频智能识别算法模型的正负样本集进行保存后通过所述ftp服务件实时发送至所述优化训练服务件。

12、进一步地，所述优化训练服务件采用对应的视频智能识别算法，基于若干所述边缘端内视频智能识别算法模型的正负样本集，对各所述边缘端内的视频智能识别算法模型进行周期性优化训练，建立模型中心。

13、进一步地，所述模型中心内设置有：

14、类型管理模块，用于对视频智能识别算法模型的类型进行存储以及增加或删除视频智能识别算法模型的类型；

15、版本管理模块，用于记录不同版本的视频智能识别算法模型的版本信息；

16、推送管理模块，用于选择需要推送的边缘端，配置升级或回滚视频智能识别算法模型的版本；

17、样本集管理模块，用于存储各所述边缘端内视频智能识别算法模型的正负样本集，记录正负样本集的收集时间，以及对正负样本集进行增删改查；

18、优化管理模块，用于记录不同所述边缘端和不同视频智能识别算法模型所需优化的内容，并结合所述版本管理模块记录的版本信息，进行视频智能识别算法模型提升点的记录；以及根据各所述边缘端的实际应用场景，按照所述边缘端反馈的报警信息的类型，选择对应的机器视觉模型算法进行训练。

19、进一步地，所述云边协同mqtt服务件以订阅发布方式，进行云边消息和数据的实时互传，传输的数据包括算法模型数据、视频数据、报警信息、钻完井作业数据和井控数据。

20、进一步地，所述ftp服务件还用于确认云边同步时接收的所述云边协同mqtt服务件发送的算法模型数据的完整性。

21、第二方面，提供一种海上钻井平台视频智能识别算法自更新方法，包括：

22、云端的优化训练服务件采用对应的视频智能识别算法，基于存储的若干边缘端内视频智能识别算法模型的正负样本集，对各边缘端内的视频智能识别算法模型进行周期性优化训练，并发送至云端的云边协同mqtt服务件；

23、云边协同mqtt服务件将云边消息和算法模型数据发送至云端的ftp服务件；

24、ftp服务件接收云边协同mqtt服务件发送的云边消息和算法模型数据，采用ftp服务对算法模型数据进行加密后，根据各边缘端的需求，定期传输至对应边缘端进行更新；

25、各边缘端采用优化训练好的视频智能识别算法模型，根据实时获取的视频数据，对对应作业平台上的安全风险进行监控识别，并将监控识别结果中的报警信息发送至云边协同mqtt服务件；

26、各边缘端形成针对各视频智能识别算法模型的正负样本集进行保存后通过ftp服务件实时发送至优化训练服务件。

27、进一步地，所述各边缘端采用优化训练好的视频智能识别算法模型，根据实时获取的视频数据，对对应作业平台上的安全风险进行监控识别，并将监控识别结果中的报警信息发送至云边协同mqtt服务件，包括：

28、各边缘端的视频监控服务件实时获取对应作业平台的视频数据；

29、各边缘端的视频识别服务件接收优化训练后的算法模型数据，并向云边协同mqtt服务件返回算法模型数据接收成功消息；

30、各边缘端的视频识别服务件基于优化训练后的算法模型数据，采用优化训练好的视频智能识别算法模型，根据实时获取的视频数据，对对应作业平台上的安全风险进行监控识别，得到监控识别结果，并将监控识别结果中的报警信息发送至云边协同mqtt服务件和报警推送服务件；

31、当视频识别服务件识别到安全风险时，报警推送服务件向对应作业平台推送监控识别结果中的报警信息。

32、第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述海上钻井平台视频智能识别算法自更新方法对应的步骤。

33、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述海上钻井平台视频智能识别算法自更新方法对应的步骤。

34、本发明由于采取以上技术方案，其具有以下优点：

35、1、本发明能够使得位于各海域的独立分散的钻井作业平台的视频智能识别功能具备自我提升、自我优化的能力，形成能够更好的适用于全海域全平台的面向海上钻井作业的视频智能识别算法自由化更新体系。

36、2、由于现有技术实时性不高，可扩展性不强，模型更新目前根据云端设定的指定时间段进行更新，没有实时更新模型，且更新只适用于目前已有的模型，如涉及新建模型则需要在边缘端进行代码的修改工作。而本发明解决了远程更新困难的实际问题，降低了更新成本，提高了更新的时效性，形成了云端优化训练、下发更新各边缘端模型、各边缘端使用最新模型进行自动识别、各边缘端进行报警信息人工二次确认形成正负样本集、各边缘端正负样本集回传云端和云端优化训练之间的闭环流程，实现了视频智能识别算法的自动优化更新，提高了识别算法的普适性、准确性。

37、3、本发明中优化训练服务件的训练来源于不同作业平台的正负样本集，使得当有新作业平台时能够具备更好的普适性。

38、4、在实际应用中，受限于作业场地的特殊性，系统的部署更新困难、成本高且不具备时效性，本发明解决了远程更新困难的实际问题，降低了更新成本，提高了更新的时效性。

39、5、随着作业平台的增多，会出现更多复杂且差异性的环境，对视频智能识别算法的适用性及识别精度是很大的挑战，采用本发明能够形成覆盖所有复杂、差异性环境的样本集，在此基础上对视频智能识别算法进行优化训练，极大提高了视频智能识别算法的普适性和识别精度，为后续的推广打好了坚实的基础。

40、综上所述，本发明可以广泛应用于视频智能识别领域中。