本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，尤其涉及一種基于網(wǎng)絡(luò)通信的破損漏電預(yù)警系統(tǒng)。

背景技術(shù)：

1、人工神經(jīng)網(wǎng)絡(luò)無(wú)需事先確定輸入輸出之間映射關(guān)系的數(shù)學(xué)方程，僅通過(guò)自身的訓(xùn)練，學(xué)習(xí)某種規(guī)則，在給定輸入值時(shí)得到最接近期望輸出值的結(jié)果。作為一種智能信息處理系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其功能的核心是算法。bp神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播訓(xùn)練的多層前饋網(wǎng)絡(luò)，其算法稱(chēng)為bp算法，它的基本思想是梯度下降法，利用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的誤差均方差為最小。

2、基本bp算法包括信號(hào)的前向傳播和誤差的反向傳播兩個(gè)過(guò)程。即計(jì)算誤差輸出時(shí)按從輸入到輸出的方向進(jìn)行，而調(diào)整權(quán)值和閾值則從輸出到輸入的方向進(jìn)行。正向傳播時(shí)，輸入信號(hào)通過(guò)隱含層作用于輸出節(jié)點(diǎn)，經(jīng)過(guò)非線性變換，產(chǎn)生輸出信號(hào)，若實(shí)際輸出與期望輸出不相符，則轉(zhuǎn)入誤差的反向傳播過(guò)程。誤差反傳是將輸出誤差通過(guò)隱含層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層所有單元，以從各層獲得的誤差信號(hào)作為調(diào)整各單元權(quán)值的依據(jù)。通過(guò)調(diào)整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的聯(lián)接強(qiáng)度和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)的聯(lián)接強(qiáng)度以及閾值，使誤差沿梯度方向下降，經(jīng)過(guò)反復(fù)學(xué)習(xí)訓(xùn)練，確定與最小誤差相對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)，訓(xùn)練即告停止。此時(shí)經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)即能對(duì)類(lèi)似樣本的輸入信息，自行處理輸出誤差最小的經(jīng)過(guò)非線形轉(zhuǎn)換的信息。

3、然而，現(xiàn)有技術(shù)中仍存在一些具體的應(yīng)用領(lǐng)域需要使用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行擴(kuò)展相應(yīng)的解決方案，例如，期望使用bp神經(jīng)網(wǎng)絡(luò)執(zhí)行建筑工地的施工區(qū)域內(nèi)是否存在平板振動(dòng)器電纜線拖動(dòng)在鋼筋上的高危場(chǎng)景的智能鑒定，顯然，現(xiàn)有技術(shù)中缺乏上述針對(duì)性的、高精度的鑒定方案。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中的技術(shù)問(wèn)題，本發(fā)明提供了一種基于網(wǎng)絡(luò)通信的破損漏電預(yù)警系統(tǒng)，能夠基于平板振動(dòng)器電纜線的顏色成像特性檢測(cè)平板振動(dòng)器電纜線在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第一圖像分塊，獲取所述第一圖像分塊的各個(gè)組成像素點(diǎn)，基于鋼筋的顏色成像特性檢測(cè)鋼筋在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第二圖像分塊，獲取所述第二圖像分塊的各個(gè)組成像素點(diǎn)，分析第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值，從而為后續(xù)的智能鑒定提供關(guān)鍵的多份基礎(chǔ)信息，還采用ai分析模型基于第一圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第二圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值智能鑒別平板振動(dòng)器電纜線是否與鋼筋接觸，從而完成建筑工地的施工區(qū)域內(nèi)是否存在平板振動(dòng)器電纜線拖動(dòng)在鋼筋上的高危場(chǎng)景的智能鑒定。

2、根據(jù)本發(fā)明，提供了一種基于網(wǎng)絡(luò)通信的破損漏電預(yù)警系統(tǒng)，所述系統(tǒng)包括：

3、場(chǎng)景判斷設(shè)備，設(shè)置在建筑工地的儀表盒體內(nèi)，用于在判斷建筑工地當(dāng)前處于施工狀態(tài)時(shí)，發(fā)出第一判斷信號(hào)，還用于在判斷建筑工地當(dāng)前處于非施工狀態(tài)時(shí)，發(fā)出第二判斷信號(hào)；

4、監(jiān)控?cái)z像機(jī)構(gòu)，設(shè)置在建筑工地的施工區(qū)域的上方且與所述場(chǎng)景判斷設(shè)備連接，用于在接收到所述第一判斷信號(hào)時(shí)，對(duì)所述施工區(qū)域執(zhí)行攝像動(dòng)作，以獲得當(dāng)前時(shí)刻對(duì)應(yīng)的施工區(qū)域畫(huà)面；

5、均值濾波設(shè)備，設(shè)置在建筑工地的儀表盒體內(nèi)且與所述監(jiān)控?cái)z像機(jī)構(gòu)連接，用于對(duì)接收到的施工區(qū)域畫(huà)面執(zhí)行諧波均值濾波處理，以獲得并輸出相應(yīng)的均值濾波畫(huà)面；

6、增強(qiáng)操作設(shè)備，與所述均值濾波設(shè)備連接，用于對(duì)接收到的均值濾波畫(huà)面執(zhí)行基于直方圖均衡化處理的畫(huà)面內(nèi)容增強(qiáng)操作，以獲得并輸出相應(yīng)的增強(qiáng)操作畫(huà)面；

7、引導(dǎo)濾波設(shè)備，與所述增強(qiáng)操作設(shè)備連接，用于對(duì)接收到的增強(qiáng)操作畫(huà)面執(zhí)行引導(dǎo)濾波處理，以獲得并輸出相應(yīng)的引導(dǎo)濾波畫(huà)面；

8、模型應(yīng)用機(jī)構(gòu)，設(shè)置在建筑工地的儀表盒體內(nèi)且與所述引導(dǎo)濾波設(shè)備連接，基于平板振動(dòng)器電纜線的顏色成像特性檢測(cè)平板振動(dòng)器電纜線在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第一圖像分塊，獲取所述第一圖像分塊的各個(gè)組成像素點(diǎn)，基于鋼筋的顏色成像特性檢測(cè)鋼筋在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第二圖像分塊，獲取所述第二圖像分塊的各個(gè)組成像素點(diǎn)，分析第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值，采用ai分析模型基于所述第一圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、所述第二圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值智能鑒別平板振動(dòng)器電纜線是否與鋼筋接觸；

9、網(wǎng)絡(luò)預(yù)警機(jī)構(gòu)，與所述模型應(yīng)用機(jī)構(gòu)連接，用于在智能鑒別平板振動(dòng)器電纜線與鋼筋接觸時(shí)，將平板振動(dòng)器電纜線在鋼筋上拖動(dòng)易引起破損漏電對(duì)應(yīng)的預(yù)警信號(hào)無(wú)線上傳到遠(yuǎn)端的大數(shù)據(jù)管理節(jié)點(diǎn)，還用于在智能鑒別平板振動(dòng)器電纜線未與鋼筋接觸時(shí)，停止將平板振動(dòng)器電纜線在鋼筋上拖動(dòng)易引起破損漏電對(duì)應(yīng)的預(yù)警信號(hào)無(wú)線上傳到遠(yuǎn)端的大數(shù)據(jù)管理節(jié)點(diǎn)；

10、其中，采用ai分析模型基于所述第一圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、所述第二圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值智能鑒別平板振動(dòng)器電纜線是否與鋼筋接觸包括：所述ai分析模型為完成設(shè)定數(shù)目的各次學(xué)習(xí)動(dòng)作后的bp神經(jīng)網(wǎng)絡(luò)，且所述設(shè)定數(shù)目的取值與所述引導(dǎo)濾波畫(huà)面的信噪比反向關(guān)聯(lián)。

11、因此，本發(fā)明至少具備以下四處重要的發(fā)明點(diǎn)：

12、第一處：基于平板振動(dòng)器電纜線的顏色成像特性檢測(cè)平板振動(dòng)器電纜線在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第一圖像分塊，獲取所述第一圖像分塊的各個(gè)組成像素點(diǎn)，基于鋼筋的顏色成像特性檢測(cè)鋼筋在接收到的引導(dǎo)濾波畫(huà)面中占據(jù)的圖像分塊以作為第二圖像分塊，獲取所述第二圖像分塊的各個(gè)組成像素點(diǎn)，分析第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值，從而為后續(xù)的智能鑒定提供關(guān)鍵的多份基礎(chǔ)信息；

13、第二處：采用ai分析模型基于第一圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第二圖像分塊的各個(gè)組成像素點(diǎn)分別對(duì)應(yīng)的各份水平坐標(biāo)數(shù)值和各份垂直坐標(biāo)數(shù)值、第一圖像分塊的整體景深數(shù)值以及第二圖像分塊的整體景深數(shù)值智能鑒別平板振動(dòng)器電纜線是否與鋼筋接觸，從而完成建筑工地的施工區(qū)域內(nèi)是否存在平板振動(dòng)器電纜線拖動(dòng)在鋼筋上的高危場(chǎng)景的智能鑒定；

14、第三處：采用網(wǎng)絡(luò)預(yù)警機(jī)構(gòu)用于在智能鑒別平板振動(dòng)器電纜線與鋼筋接觸時(shí)，將平板振動(dòng)器電纜線在鋼筋上拖動(dòng)易引起破損漏電對(duì)應(yīng)的預(yù)警信號(hào)無(wú)線上傳到遠(yuǎn)端的大數(shù)據(jù)管理節(jié)點(diǎn)，以及智能鑒別平板振動(dòng)器電纜線未與鋼筋接觸時(shí)，停止將平板振動(dòng)器電纜線在鋼筋上拖動(dòng)易引起破損漏電對(duì)應(yīng)的預(yù)警信號(hào)無(wú)線上傳到遠(yuǎn)端的大數(shù)據(jù)管理節(jié)點(diǎn)；

15、第四處：用于執(zhí)行智能鑒別的ai分析模型為完成設(shè)定數(shù)目的各次學(xué)習(xí)動(dòng)作后的bp神經(jīng)網(wǎng)絡(luò)，且所述設(shè)定數(shù)目的取值與所述引導(dǎo)濾波畫(huà)面的信噪比反向關(guān)聯(lián)，從而實(shí)現(xiàn)了ai分析模型的定制化模型設(shè)計(jì)。