本發(fā)明涉及物聯(lián)網(wǎng)，特別是涉及一種聯(lián)網(wǎng)存儲柜的環(huán)境指標監(jiān)控方法及系統(tǒng)。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，存儲柜的智能化管理越來越受到重視。環(huán)境指標監(jiān)控是存儲柜智能管理的重要組成部分，對于保障存儲物品的安全和質(zhì)量具有重要意義。然而，現(xiàn)有的存儲柜環(huán)境監(jiān)控技術(shù)中，只是通過簡單的閾值判斷，無法應(yīng)對復(fù)雜的環(huán)境變化情況，且難以適應(yīng)不同場景和需求。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種聯(lián)網(wǎng)存儲柜的環(huán)境指標監(jiān)控方法，用于解決現(xiàn)有技術(shù)中無法應(yīng)對復(fù)雜的環(huán)境變化情況，且難以適應(yīng)不同場景和需求的問題，具體包括：

2、使用低功耗傳感器陣列采集多個存儲柜內(nèi)的環(huán)境指標數(shù)據(jù)，所述環(huán)境指標包括存儲柜的溫度、濕度、光照和氣體濃度，并對所述環(huán)境指標數(shù)據(jù)進行預(yù)處理，所述預(yù)處理包括去噪、歸一化和特征提??；

3、將預(yù)處理后的所述環(huán)境指標數(shù)據(jù)發(fā)送至監(jiān)控終端，并采用自適應(yīng)跳頻機制，根據(jù)實時信道質(zhì)量動態(tài)調(diào)整發(fā)送過程中的通信頻段；

4、所述監(jiān)控終端基于接收到的所述環(huán)境指標數(shù)據(jù)，采用離線分層強化學習模型進行環(huán)境異常檢測，所述模型包括底層感知、中層推理和高層決策；

5、若檢測結(jié)果為環(huán)境異常，構(gòu)建存儲柜網(wǎng)絡(luò)的時空圖結(jié)構(gòu)，并采用雙流圖變換器融合網(wǎng)絡(luò)進行多柜協(xié)同分析，實現(xiàn)所述多個存儲柜之間的環(huán)境異常關(guān)聯(lián)分析。

6、本發(fā)明實施例還提供了一種聯(lián)網(wǎng)存儲柜環(huán)境指標監(jiān)控系統(tǒng)，包括：

7、采集模塊，用于使用低功耗傳感器陣列采集多個存儲柜內(nèi)的環(huán)境指標數(shù)據(jù)，所述環(huán)境指標包括存儲柜的溫度、濕度、光照和氣體濃度，并對所述環(huán)境指標數(shù)據(jù)進行預(yù)處理，所述預(yù)處理包括去噪、歸一化和特征提?。?/p>

8、發(fā)送模塊，用于將預(yù)處理后的所述環(huán)境指標數(shù)據(jù)發(fā)送至監(jiān)控終端，并采用自適應(yīng)跳頻機制，根據(jù)實時信道質(zhì)量動態(tài)調(diào)整發(fā)送過程中的通信頻段；

9、異常檢測模塊，用于所述監(jiān)控終端基于接收到的所述環(huán)境指標數(shù)據(jù)，采用離線分層強化學習模型進行環(huán)境異常檢測，所述模型包括底層感知、中層推理和高層決策；

10、異常關(guān)聯(lián)分析模塊，用于若檢測結(jié)果為環(huán)境異常，構(gòu)建存儲柜網(wǎng)絡(luò)的時空圖結(jié)構(gòu)，并采用雙流圖變換器融合網(wǎng)絡(luò)進行多柜協(xié)同分析，實現(xiàn)所述多個存儲柜之間的環(huán)境異常關(guān)聯(lián)分析。

11、上述技術(shù)方案具有如下優(yōu)點或有益效果：

12、通過采用低功耗傳感器陣列和自適應(yīng)跳頻機制，顯著降低了系統(tǒng)能耗，提高了通信可靠性。利用離線分層強化學習模型進行環(huán)境異常檢測，提高了系統(tǒng)的智能化程度和異常檢測的準確性。采用雙流圖變換器融合網(wǎng)絡(luò)進行多柜協(xié)同分析，實現(xiàn)了多個存儲柜之間的環(huán)境異常關(guān)聯(lián)分析，提高了系統(tǒng)的整體監(jiān)控效率。

技術(shù)特征：

1.一種聯(lián)網(wǎng)存儲柜的環(huán)境指標監(jiān)控方法，其特征在于，包括:

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述環(huán)境指標數(shù)據(jù)進行預(yù)處理，包括:

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用雙流圖變換器融合網(wǎng)絡(luò)進行多柜協(xié)同分析，包括:

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于融合后的特征，使用多任務(wù)學習框架同時進行異常檢測和定位，包括:

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述動態(tài)融合所述環(huán)境指標數(shù)據(jù)流和所述柜間關(guān)系數(shù)據(jù)流的特征，包括:

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用自適應(yīng)跳頻機制，根據(jù)實時信道質(zhì)量動態(tài)調(diào)整發(fā)送過程中的通信頻段，包括:

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用離線分層強化學習模型進行環(huán)境異常檢測，包括:

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，基于提取的所述獎勵函數(shù)，使用離線策略優(yōu)化算法訓練所述多層強化學習模型，包括：

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

10.一種聯(lián)網(wǎng)存儲柜環(huán)境指標監(jiān)控系統(tǒng)，其特征在于，包括:

技術(shù)總結(jié)
本申請公開一種聯(lián)網(wǎng)存儲柜的環(huán)境指標監(jiān)控方法和系統(tǒng)，包括：使用低功耗傳感器陣列采集多個存儲柜內(nèi)的環(huán)境指標數(shù)據(jù)，所述環(huán)境指標包括存儲柜的溫度、濕度、光照和氣體濃度，并對所述環(huán)境指標數(shù)據(jù)進行預(yù)處理，所述預(yù)處理包括去噪、歸一化和特征提??；將預(yù)處理后的所述環(huán)境指標數(shù)據(jù)發(fā)送至監(jiān)控終端，并采用自適應(yīng)跳頻機制，根據(jù)實時信道質(zhì)量動態(tài)調(diào)整發(fā)送過程中的通信頻段；所述監(jiān)控終端基于接收到的所述環(huán)境指標數(shù)據(jù)，采用離線分層強化學習模型進行環(huán)境異常檢測，所述模型包括底層感知、中層推理和高層決策；檢測結(jié)果為環(huán)境異常，構(gòu)建存儲柜網(wǎng)絡(luò)的時空圖結(jié)構(gòu)，并采用雙流圖變換器融合網(wǎng)絡(luò)進行多柜協(xié)同分析，實現(xiàn)所述多個存儲柜之間的環(huán)境異常關(guān)聯(lián)分析。

技術(shù)研發(fā)人員：張道連,毛鑫,劉宗瑒
受保護的技術(shù)使用者：深圳市沐騰科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6