本發(fā)明涉及防護(hù)網(wǎng)異常監(jiān)測(cè)，具體涉及一種聚酯纖維防護(hù)網(wǎng)異常監(jiān)測(cè)系統(tǒng)及監(jiān)測(cè)方法。

背景技術(shù)：

1、聚酯纖維防護(hù)網(wǎng)通常指的是由聚酯纖維制成的一種防護(hù)網(wǎng)，聚酯纖維是一種合成纖維，具有耐磨損、耐拉伸、耐腐蝕等特性，常被用于制作各種防護(hù)用品。

2、傳統(tǒng)系統(tǒng)通常依賴人工巡檢，這種方法效率低下且容易出現(xiàn)遺漏，尤其是在大范圍和高難度的巡檢任務(wù)中；且傳統(tǒng)系統(tǒng)通常缺乏實(shí)時(shí)監(jiān)測(cè)和自動(dòng)化預(yù)警能力，一旦出現(xiàn)異常，可能需要人工發(fā)現(xiàn)和報(bào)告，導(dǎo)致響應(yīng)速度較慢；并且傳統(tǒng)系統(tǒng)可能僅能在有限的監(jiān)測(cè)點(diǎn)位進(jìn)行監(jiān)測(cè)，無(wú)法覆蓋整個(gè)聚酯纖維防護(hù)網(wǎng)，造成盲區(qū)和漏檢的問(wèn)題；而且傳統(tǒng)系統(tǒng)需要大量的人力物力投入進(jìn)行巡檢和維護(hù)，長(zhǎng)期成本較高，且人為因素可能導(dǎo)致巡檢結(jié)果的不一致性和可靠性問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的是針對(duì)背景技術(shù)中存在的問(wèn)題，提出一種聚酯纖維防護(hù)網(wǎng)異常監(jiān)測(cè)系統(tǒng)及監(jiān)測(cè)方法。

2、本發(fā)明的技術(shù)方案：一種聚酯纖維防護(hù)網(wǎng)異常監(jiān)測(cè)系統(tǒng)，包括異常圖構(gòu)建單元、異常排序單元、巡檢排序單元、異常巡檢單元、視頻檢測(cè)單元和異常預(yù)警單元，還包括：

3、圖像采集單元，所述圖像采集單元用于在目標(biāo)區(qū)域內(nèi)的聚酯纖維防護(hù)網(wǎng)設(shè)置多個(gè)圖像采集節(jié)點(diǎn)，在所述圖像采集節(jié)點(diǎn)設(shè)置圖像采集設(shè)備，通過(guò)所述圖像采集設(shè)備對(duì)所述圖像采集節(jié)點(diǎn)周圍的所述聚酯纖維防護(hù)網(wǎng)段進(jìn)行圖像采集，以得到多個(gè)聚酯纖維防護(hù)網(wǎng)段圖像，將所述多個(gè)聚酯纖維防護(hù)網(wǎng)段圖像傳輸至圖像增強(qiáng)單元；

4、圖像增強(qiáng)單元，所述圖像增強(qiáng)單元對(duì)圖像采集單元傳輸?shù)乃龆鄠€(gè)聚酯纖維防護(hù)網(wǎng)段圖像進(jìn)行接收，并通過(guò)圖像增強(qiáng)方法對(duì)所述多個(gè)聚酯纖維防護(hù)網(wǎng)段圖像進(jìn)行圖像增強(qiáng)，以得到多個(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像，將所述多個(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像傳輸至圖像檢測(cè)單元；

5、圖像檢測(cè)單元，所述圖像檢測(cè)單元對(duì)圖像增強(qiáng)單元傳輸?shù)乃龆鄠€(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行接收，并通過(guò)訓(xùn)練好的圖像檢測(cè)模型對(duì)所述多個(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行圖像檢測(cè)，以得到所述聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像所對(duì)應(yīng)的檢測(cè)結(jié)果，即所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的檢測(cè)結(jié)果，若所述檢測(cè)結(jié)果存在異常，則將存在異常的所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的圖像采集節(jié)點(diǎn)傳輸至異常圖構(gòu)建單元。

6、優(yōu)選的，所述異常圖構(gòu)建單元對(duì)圖像檢測(cè)單元傳輸?shù)拇嬖诋惓５乃鼍埘ダw維防護(hù)網(wǎng)段所對(duì)應(yīng)的圖像采集節(jié)點(diǎn)進(jìn)行接收，并基于存在異常的所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的圖像采集節(jié)點(diǎn)構(gòu)建異常帶權(quán)無(wú)向圖，所述異常帶權(quán)無(wú)向圖包括異常節(jié)點(diǎn)、連接邊和連接點(diǎn)權(quán)值，所述異常節(jié)點(diǎn)與所述圖像采集節(jié)點(diǎn)相對(duì)應(yīng)，所述連接邊用于基于兩個(gè)所述圖像采集節(jié)點(diǎn)之間的聚酯纖維防護(hù)網(wǎng)段將兩個(gè)所述圖像采集節(jié)點(diǎn)進(jìn)行連接，所述連接點(diǎn)權(quán)值與兩個(gè)所述圖像采集節(jié)點(diǎn)之間的聚酯纖維防護(hù)網(wǎng)段的長(zhǎng)度相對(duì)應(yīng)，將所述異常帶權(quán)無(wú)向圖傳輸至異常排序單元。

7、優(yōu)選的，所述異常排序單元對(duì)異常圖構(gòu)建單元傳輸?shù)乃霎惓?quán)無(wú)向圖進(jìn)行接收，并基于所述異常帶權(quán)無(wú)向圖計(jì)算異常節(jié)點(diǎn)間連線總長(zhǎng)度，基于所述異常節(jié)點(diǎn)間連線總長(zhǎng)度構(gòu)建異常排序目標(biāo)函數(shù)，使用懲罰函數(shù)對(duì)所述異常排序目標(biāo)函數(shù)進(jìn)行求解，以使得所述異常節(jié)點(diǎn)間連線總長(zhǎng)度最小，從而得到異常節(jié)點(diǎn)排序序列，將所述異常節(jié)點(diǎn)排序序列傳輸至巡檢排序單元。

8、優(yōu)選的，所述巡檢排序單元對(duì)異常排序單元傳輸?shù)乃霎惓９?jié)點(diǎn)排序序列進(jìn)行接收，并基于異常節(jié)點(diǎn)排序序列生成無(wú)人機(jī)巡檢任務(wù)排序序列，所述無(wú)人機(jī)巡檢任務(wù)包括對(duì)所述異常節(jié)點(diǎn)所對(duì)應(yīng)的圖像采集節(jié)點(diǎn)進(jìn)行巡檢拍攝和對(duì)相鄰的圖像采集節(jié)點(diǎn)進(jìn)行巡檢拍攝，將所述無(wú)人機(jī)巡檢任務(wù)排序序列傳輸至異常巡檢單元。

9、優(yōu)選的，所述異常巡檢單元對(duì)巡檢排序單元傳輸?shù)乃鰺o(wú)人機(jī)巡檢任務(wù)排序序列進(jìn)行接收，并基于所述無(wú)人機(jī)巡檢任務(wù)排序序列獲取第一無(wú)人機(jī)巡檢路線，通過(guò)螞蟻算法對(duì)所述第一無(wú)人機(jī)巡檢路線進(jìn)行優(yōu)化，以得到第二無(wú)人機(jī)巡檢路線，基于所述第二無(wú)人機(jī)巡檢路線進(jìn)行無(wú)人機(jī)巡檢任務(wù)，以得到聚酯纖維防護(hù)網(wǎng)段巡檢視頻，將所述聚酯纖維防護(hù)網(wǎng)段巡檢視頻傳輸至視頻檢測(cè)單元。

10、優(yōu)選的，所述視頻檢測(cè)單元對(duì)異常巡檢單元傳輸?shù)乃鼍埘ダw維防護(hù)網(wǎng)段巡檢視頻進(jìn)行接收，并通過(guò)訓(xùn)練好的視頻異常檢測(cè)模型對(duì)所述聚酯纖維防護(hù)網(wǎng)段巡檢視頻進(jìn)行異常檢測(cè)，以得到所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常類型，將所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常類型傳輸至異常預(yù)警單元。

11、優(yōu)選的，所述異常預(yù)警單元對(duì)視頻檢測(cè)單元傳輸?shù)乃鼍埘ダw維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常類型進(jìn)行接收，并將所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常類型與預(yù)設(shè)的異常類型表進(jìn)行匹配，以得到所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常等級(jí)，基于所述聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常等級(jí)發(fā)出相應(yīng)的預(yù)警信息至異常監(jiān)測(cè)終端。

12、優(yōu)選的，所述圖像增強(qiáng)方法，包括以下步驟：

13、a1、對(duì)所述聚酯纖維防護(hù)網(wǎng)段圖像進(jìn)行伽馬反銳化掩模算法處理，以得到第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像，計(jì)算所述第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的第一權(quán)重，所述第一權(quán)重計(jì)算公式如下：

14、

15、其中，表示第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的第一權(quán)重，表示對(duì)導(dǎo)出的第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行索引，表示第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的像素值的平均值，σg表示第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的像素值的標(biāo)準(zhǔn)差；

16、a2、對(duì)所述聚酯纖維防護(hù)網(wǎng)段圖像進(jìn)行多尺度retinex與色彩恢復(fù)算法處理，以得到第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像，計(jì)算所述第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的第二權(quán)重，所述第二權(quán)重計(jì)算公式如下：

17、

18、其中，表示第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的第二權(quán)重，表示對(duì)導(dǎo)出的第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行索引，表示第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的像素值的平均值，σm表示第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像的像素值的標(biāo)準(zhǔn)差。

19、優(yōu)選的，所述圖像增強(qiáng)方法，還包括以下步驟：

20、a3、基于所述第一權(quán)重通過(guò)高斯金字塔和拉普拉斯金字塔將所述第一聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行像素級(jí)相乘操作，以得到第一輸出圖像，所述第一輸出圖像表達(dá)式如下：

21、

22、其中，表示第一輸出圖像，gl表示高斯金字塔的第l層，ll表示拉普拉斯金字塔的第l層，表示歸一化后的第一權(quán)重；

23、a4、基于所述第二權(quán)重通過(guò)高斯金字塔和拉普拉斯金字塔將所述第二聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行像素級(jí)相乘操作，以得到第二輸出圖像，所述第二輸出圖像表達(dá)式如下：

24、

25、其中，表示第二輸出圖像，表示歸一化后的第二權(quán)重；

26、a5、對(duì)所述第一輸出圖像和所述第二輸出圖像進(jìn)行重構(gòu)，以得到最終的聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像，所述最終的聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像表達(dá)式如下：

27、

28、其中，表示第二輸出圖像。

29、優(yōu)選的，所述視頻異常檢測(cè)模型包括編碼器和解碼器，所述編碼器由3個(gè)空間通道注意力模塊和1個(gè)基本塊組成，所述空間通道注意力模塊依次包括3×3卷積層、批量歸一化層、relu激活函數(shù)、空間通道卷積層、批量歸一化層和relu激活函數(shù)，所述基本塊由2個(gè)3×3的卷積層、批量歸一化層和relu激活函數(shù)組成，所述解碼器由卷積核大小為3×3的反卷積層、批量歸一化層和relu激活函數(shù)組成。

30、優(yōu)選的，所述異常節(jié)點(diǎn)間連線總長(zhǎng)度計(jì)算公式如下：

31、

32、其中，l(q)表示異常節(jié)點(diǎn)間連線總長(zhǎng)度，w(i,j)表示總權(quán)重，d[q(i),q(j)]表示異常節(jié)點(diǎn)間距離，且d[q(i),q(j)]＝|xi-xj|+|yi-yj|，(xi,yi)表示i異常節(jié)點(diǎn)的橫坐標(biāo)和縱坐標(biāo)值，(xj,yj)表示j異常節(jié)點(diǎn)的橫坐標(biāo)和縱坐標(biāo)值，n表示異常節(jié)點(diǎn)的總數(shù)量；

33、所述異常排序目標(biāo)函數(shù)如下：

34、

35、其中，minl表示異常排序目標(biāo)函數(shù)。

36、優(yōu)選的，通過(guò)螞蟻算法對(duì)所述第一無(wú)人機(jī)巡檢路線進(jìn)行優(yōu)化，以得到第二無(wú)人機(jī)巡檢路線，包括以下步驟：

37、b1、初始化信息素初始濃度、最大迭代次數(shù)、m只螞蟻隨機(jī)分配出生點(diǎn)、節(jié)點(diǎn)數(shù)量、信息素濃度增量、信息素總量和將第一無(wú)人機(jī)巡檢路線的目標(biāo)異常節(jié)點(diǎn)的坐標(biāo)代入允許集合；

38、b2、對(duì)所述允許集合進(jìn)行訪問(wèn)，并基于概率公式搜索下一異常節(jié)點(diǎn)，所述概率公式如下：

39、

40、其中，表示搜索下一異常節(jié)點(diǎn)的概率，表示在信息素影響因子下節(jié)點(diǎn)x到節(jié)點(diǎn)y累積的信息素?cái)?shù)量，表示在啟發(fā)函數(shù)影響因子下從節(jié)點(diǎn)x向y轉(zhuǎn)移的期望程度，α表示信息素影響因子，β表示啟發(fā)函數(shù)影響因子；

41、b3、基于搜索的下一異常節(jié)點(diǎn)更新所述允許集合，并將搜索過(guò)的異常節(jié)點(diǎn)放入探索集合；

42、b4、判斷所有螞蟻是否遍歷過(guò)所有異常節(jié)點(diǎn)，即訪問(wèn)過(guò)全部異常節(jié)點(diǎn)的螞蟻數(shù)是否小于總數(shù)m，若是，則重復(fù)執(zhí)行步驟b2，否則，則執(zhí)行步驟b5；

43、b5、對(duì)所述探索集合中異常節(jié)點(diǎn)組合的路線的信息素濃度進(jìn)行更新，所述信息素濃度更新公式如下：

44、

45、其中，表示節(jié)點(diǎn)x到節(jié)點(diǎn)y累積的信息素?cái)?shù)量，ρ表示區(qū)間(0,1)內(nèi)的隨機(jī)數(shù)，表示找到最短路線的螞蟻釋放信息素；

46、b5、判斷當(dāng)前迭代次數(shù)是否小于最大迭代次數(shù)，若是，則重復(fù)執(zhí)行步驟b2，否則，則輸出所述探索集合中異常節(jié)點(diǎn)組合的最優(yōu)路線，所述最優(yōu)路線即為第二無(wú)人機(jī)巡檢路線。

47、本發(fā)明的技術(shù)方案：一種聚酯纖維防護(hù)網(wǎng)異常監(jiān)測(cè)方法，其適用于所述的一種聚酯纖維防護(hù)網(wǎng)異常監(jiān)測(cè)系統(tǒng)，包括以下步驟：

48、s1、在目標(biāo)區(qū)域內(nèi)的聚酯纖維防護(hù)網(wǎng)設(shè)置多個(gè)圖像采集節(jié)點(diǎn)，在圖像采集節(jié)點(diǎn)設(shè)置圖像采集設(shè)備，通過(guò)圖像采集設(shè)備對(duì)圖像采集節(jié)點(diǎn)周圍的聚酯纖維防護(hù)網(wǎng)段進(jìn)行圖像采集，以得到多個(gè)聚酯纖維防護(hù)網(wǎng)段圖像；

49、s2、通過(guò)圖像增強(qiáng)方法對(duì)多個(gè)聚酯纖維防護(hù)網(wǎng)段圖像進(jìn)行圖像增強(qiáng)，以得到多個(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像，通過(guò)訓(xùn)練好的圖像檢測(cè)模型對(duì)多個(gè)聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像進(jìn)行圖像檢測(cè)，以得到聚酯纖維防護(hù)網(wǎng)段增強(qiáng)圖像所對(duì)應(yīng)的檢測(cè)結(jié)果；

50、s3、基于存在異常的聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的圖像采集節(jié)點(diǎn)構(gòu)建異常帶權(quán)無(wú)向圖；

51、s4、基于異常帶權(quán)無(wú)向圖計(jì)算異常節(jié)點(diǎn)間連線總長(zhǎng)度，基于異常節(jié)點(diǎn)間連線總長(zhǎng)度構(gòu)建異常排序目標(biāo)函數(shù)，使用懲罰函數(shù)對(duì)異常排序目標(biāo)函數(shù)進(jìn)行求解，以使得異常節(jié)點(diǎn)間連線總長(zhǎng)度最小，從而得到異常節(jié)點(diǎn)排序序列；

52、s5、根據(jù)巡檢任務(wù)排序序列生成無(wú)人機(jī)巡檢路線，執(zhí)行巡檢任務(wù)，獲取聚酯纖維防護(hù)網(wǎng)段的巡檢視頻；

53、s6、通過(guò)訓(xùn)練好的視頻異常檢測(cè)模型對(duì)聚酯纖維防護(hù)網(wǎng)段巡檢視頻進(jìn)行異常檢測(cè)，以得到聚酯纖維防護(hù)網(wǎng)段所對(duì)應(yīng)的異常類型。

54、與現(xiàn)有技術(shù)相比，本發(fā)明的上述技術(shù)方案具有如下有益的技術(shù)效果：

55、1、本發(fā)明通過(guò)實(shí)時(shí)監(jiān)測(cè)聚酯纖維防護(hù)網(wǎng)的各個(gè)部分，通過(guò)圖像采集、增強(qiáng)和檢測(cè)，識(shí)別出異常情況，一旦檢測(cè)到異常，系統(tǒng)能夠立即發(fā)出預(yù)警，有助于及時(shí)采取措施防止進(jìn)一步損壞或事故發(fā)生，并且通過(guò)異常節(jié)點(diǎn)排序生成無(wú)人機(jī)巡檢任務(wù)序列，實(shí)現(xiàn)對(duì)異常區(qū)域的快速巡檢，巡檢過(guò)程中還采用螞蟻算法進(jìn)行路線優(yōu)化，以確保巡檢的高效性和全面性。

56、2、本發(fā)明通過(guò)圖像檢測(cè)單元和視頻檢測(cè)單元，系統(tǒng)能夠在多個(gè)層次上對(duì)聚酯纖維防護(hù)網(wǎng)進(jìn)行異常檢測(cè)，圖像檢測(cè)用于靜態(tài)圖像的異常識(shí)別，視頻檢測(cè)則用于動(dòng)態(tài)視頻流的異常識(shí)別，提高了異常檢測(cè)的精度和覆蓋范圍，且利用訓(xùn)練好的模型進(jìn)行異常檢測(cè)和任務(wù)優(yōu)化，大大減少了人工干預(yù)的需要，提高了監(jiān)測(cè)的自動(dòng)化水平和智能化程度，而且通過(guò)生成異常圖構(gòu)建和異常排序，有助于管理人員進(jìn)行數(shù)據(jù)分析，優(yōu)化預(yù)防維護(hù)策略，從而提高聚酯纖維防護(hù)網(wǎng)的整體管理效率和安全性。