一种环保数据智能管控方法及系统与流程

本申请涉及扬尘检测，尤其涉及一种环保数据智能管控方法及系统。

背景技术：

1、扬尘治理和粉尘治理一直是环境治理中的重要一环，在建筑、电力、煤化工等多个行业的生产活动中，无论是在室内还是在室外，均有可能产生扬尘，导致环境污染，影响作业人员的身体健康。

2、目前，申请公布号为cn112528968a的专利申请文件公开了一种应用于城市治理的扬尘检测方法和系统，该方法包括：获取固定场景的视频数据流和传感器数据流，并对所述视频数据流和传感器数据流进行预处理；获取扬尘图，将所述扬尘图与所述视频数据流中的图片进行对比，识别出扬尘图；获取多种传感器数据流，分别与预设的扬尘阈值进行对比，高于所述扬尘阈值的数据流为扬尘数据流；将所述扬尘图和所述扬尘数据流作为样本，输入至预先训练的分类器，检测是否存在扬尘，并将检测结果传输至服务器，在上位机进行可视化显示。其中预先训练的分类器采用svm分类器。

3、上述方法将固定场景内的视频数据流和传感器采集的传感器数据流作为输入信息输入至预先训练的分类器，判断固定场景内是否存在扬尘，然而，在扬尘治理的过程中，需要使用雾炮等抑尘设备朝着存在扬尘的区域喷洒水雾以达到抑尘的目的；为了精准控制抑尘设备，仅判断固定场景内是否存在扬尘无法满足要求，因此，如何准确获取一个区域内各位置点的扬尘程度是一个亟待解决的问题。

技术实现思路

1、为了解决表面缺陷检测结果不准确的技术问题，本申请提供了一种环保数据智能管控方法及系统，能够准确获取一个区域内各位置点的扬尘程度。

2、本申请第一方面，提供了一种环保数据智能管控方法，所述管控方法包括：采集管控区域内的实时图像，计算所述实时图像与标准图像之间各位置点的差值绝对值，得到差值图；将所述差值图输入训练完毕的管控模型以输出扬尘预测图，所述扬尘预测图包括管控区域内各位置点的扬尘预测值；在所述管控区域中的关键位置点部署扬尘传感器，响应于关键位置点处扬尘预测值和扬尘传感器采集的扬尘实测值的差值绝对值大于预设误差，利用预设损失对所述管控模型进行反向传播，预设损失满足关系式：；为所述扬尘预测图中关键位置点的扬尘预测值，为关键位置点的扬尘实测值，为关键位置点的数量，为所述扬尘预测图中位置点的局部莫兰指数，为历史扬尘预测图中位置点的平均局部莫兰指数，为管控区域内位置点的总数。

3、对关键位置点处扬尘传感器采集的扬尘实测值判断扬尘预测图的准确性，当扬尘预测图的准确性较低时，依据管控区域内不同位置点在空间维度上扬尘程度的关联性，以及关键位置点处的扬尘实测值计算预设损失，再次更新管控模型，提高扬尘预测图的准确性。

4、在一个实施例中，所述管控模型的训练方法包括：采集差值图样本和样本标签，样本标签包括关键位置点的扬尘标签值；将差值图样本输入本次迭代的管控模型，得到第一输出结果，将第一输出结果中关键位置点的扬尘预测值与扬尘标签值的差值绝对值作为全监督损失；将差值图样本输入上一次迭代的管控模型，得到第二输出结果，计算第二输出结果和第一输出结果中非关键位置点扬尘预测值的差值绝对值作为无监督损失；对所述全监督损失和所述无监督损失进行加权求和，得到半监督损失，以更新所述管控模型，得到下一次迭代的管控模型；对所述管控模型执行多次迭代，直至所述半监督损失小于预设损失或迭代次数大于预设次数时，停止训练。

5、将关键位置点处扬尘传感器采集的扬尘实测值作为扬尘标签值，采用无监督的训练方法对管控模型进行训练，以约束管控模型学习到差值图和扬尘预测图之间的映射关系，确保管控模型能够输出准确的扬尘预测图。

6、在一个实施例中，所述半监督损失满足关系式：

7、，其中为差值图样本的全监督损失，为差值图样本的无监督损失，为调节系数，为差值图样本的半监督损失。

8、在一个实施例中，所述调节系数与历史迭代次数呈正相关。

9、由于扬尘标签值为实际采集的真实值，故全监督损失能够提供准确有效的监督信息；随着历史迭代次数的增加，在全监督损失的约束下，管控模型学习到的差值图和扬尘预测图之间的映射关系越准确，也即是说，无监督损失中第二输出结果越准确，无监督损失能够提供的有效监督信息也越多，此时增加调节系数，使得管控模型充分学习到差值图和扬尘预测图的映射关系。

10、在一个实施例中，所述调节系数与所述全监督损失呈负相关。

11、由于扬尘标签值为实际采集的真实值，故全监督损失能够提供准确有效的监督信息；全监督损失能够直观反映第二输出结果的准确性，全监督损失越小，第二输出结果越准确，无监督损失能够提供的有效监督信息也越多，此时增加调节系数，使得管控模型充分学习到差值图和扬尘预测图的映射关系。

12、在一个实施例中，位置点的平均局部莫兰指数满足关系式：

13、，其中，为第张历史扬尘预测图中位置点的局部莫兰指数，为历史扬尘预测图的数量。

14、在一个实施例中，位置点的平均局部莫兰指数满足关系式：

15、，其中，为第张历史扬尘预测图中位置点的局部莫兰指数，为历史扬尘预测图的数量，为第张历史扬尘预测图的预测误差，为所有历史扬尘预测图的预测误差之和；其中，所述预测误差为关键位置点处扬尘预测值和扬尘实测值的差值绝对值的最大值。

16、不同历史扬尘预测图的预测误差不同，为了使平均局部莫兰指数能够准确反映位置点与其它位置点的扬尘程度关联性，为预测误差较大的历史扬尘预测图分配较小的权重系数，对所有历史扬尘预测图的局部莫兰指数进行加权求和。

17、本申请第二方面，还提供了一种环保数据智能管控系统，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据本申请第一方面所述的一种环保数据智能管控方法。

18、本申请的技术方案具有以下有益技术效果：

19、采集管控区域内的实时图像，计算实时图像与标准图像之间各位置点的差值绝对值，得到差值图，标准图像为不存在扬尘时管控区域内的图像信息，差值图能够反映当前时刻管控区域内各位置点与标准图像中标准像素值的差距；将差值图输入训练完毕的管控模型，即可输出扬尘预测图，该扬尘预测图包括管控区域内各位置点的扬尘预测值；能够准确获取管控区域内各位置点的扬尘程度。

技术特征：

1.一种环保数据智能管控方法，其特征在于，所述管控方法包括：

2.根据权利要求1所述的一种环保数据智能管控方法，其特征在于，所述管控模型的训练方法包括：

3.根据权利要求2所述的一种环保数据智能管控方法，其特征在于，所述半监督损失满足关系式：

4.根据权利要求3所述的一种环保数据智能管控方法，其特征在于，所述调节系数与历史迭代次数呈正相关，调节系数满足关系式：

5.根据权利要求3所述的一种环保数据智能管控方法，其特征在于，所述调节系数与所述全监督损失呈负相关，调节系数满足关系式：

6.根据权利要求1所述的一种环保数据智能管控方法，其特征在于，位置点的平均局部莫兰指数满足关系式：

7.根据权利要求1所述的一种环保数据智能管控方法，其特征在于，位置点的平均局部莫兰指数满足关系式：

8.一种环保数据智能管控系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1至7中任一项所述的一种环保数据智能管控方法。

技术总结本申请涉及扬尘检测技术领域，尤其涉及一种环保数据智能管控方法及系统，方法包括：采集管控区域内的实时图像，计算实时图像与标准图像之间各位置点的差值绝对值，得到差值图；将差值图输入训练完毕的管控模型以输出扬尘预测图，扬尘预测图包括管控区域内各位置点的扬尘预测值；在管控区域中的关键位置点部署扬尘传感器，响应于关键位置点处扬尘预测值和扬尘传感器采集的扬尘实测值的差值绝对值大于预设误差，利用预设损失对管控模型进行反向传播。通过本申请的技术方案，能够准确获取管控区域内各位置点的扬尘程度。技术研发人员：陈勇,拓利伟,赵利峰,杜克遥,张增光,肖国栋,强川,康立,拓利红受保护的技术使用者：陕西风华时代环境工程有限公司技术研发日：技术公布日：2024/9/26