一种线缆监控保护方法、装置、系统和介质与流程

1.本发明实施例涉及计算机数据处理技术，尤其涉及一种线缆监控保护方法、装置、系统和介质。


背景技术：

2.目前的电力电缆防外力破坏，通常采用人工巡逻的方式对可能存在的施工隐患进行排查，覆盖面积和巡视周期非常有限，人力成本极高，而且电力电缆的分布广泛，存在于城市的各个角落；只有当外力破坏挖断电缆以后，才能知道电缆被破坏，不能对破坏电缆线路的隐患进行提前预警，这样会造成极大的经济损失。
3.因此，现在需要提供一种能够预先对线缆状态进行监控，并及时发现线缆被破坏风险的技术。


技术实现要素：

4.本发明实施例提供一种线缆监控保护方法、装置、系统和介质，以实现对线缆的有效、及时保护。
5.第一方面，本发明实施例提供了一种线缆监控保护方法，其中，包括：
6.获取线缆布设现场采集的音频信号；其中，所述音频信号由设置在所述线缆布设现场的至少一个检波器采集获取；
7.将所述音频信号输入机械声音识别模型中进行识别分类；其中，所述机械声音识别模型基于至少一种机械声音样本进行预先训练而确定；
8.根据识别分类结果中的机械声音类别，进行统计处理，以识别线缆布设现场的危险行为；
9.根据所述危险行为进行报警。
10.第二方面，本发明实施例还提供了一种线缆监控保护装置，该装置包括：
11.音频采集模块，用于获取线缆布设现场的音频信号，其中，所述音频信号由设置在所述线缆布设现场的至少一个检波器采集获取；
12.机械声音识别模块，用于将所述音频信号进行识别分类，其中，所述机械声音识别模块基于至少一种机器声音样本进行预先训练而确定；
13.危险行为识别模块，用于根据识别分类结果中的机械声音类别，以识别线缆布设现场的危险行为；
14.报警模块，用于对所述危险行为进行报警。
15.第三方面，本发明实施例还提供了一种线缆保护系统，该系统包括多个音频检波器、服务器和报警器，所述音频检波器设置在线缆布设现场，所述服务器包括：
16.一个或多个处理器；
17.存储装置，用于存储一个或多个程序，
18.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理
器实现如第一方面所述的线缆监控保护方法。
19.第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的线缆监控保护方法。
20.本发明实施例所提供的技术方案，利用机械声音识别模型对获取的线缆布设现场的音频信号进行分类识别，并根据识别结果进行危险行为报警，解决了预先对线缆状态进行监控，并及时发现线缆被破坏风险的问题，实现对线缆的有效、及时保护的效果。
附图说明
21.图1为本发明实施例一提供的一种线缆监控保护方法的流程图；
22.图2为本发明实施例二提供的一种线缆监控保护方法中机械声音识别模型的架构示意图；
23.图3为本发明实施例三提供的一种线缆监控保护装置的结构示意图；
24.图4为本发明实施例四提供的一种线缆保护系统的结构示意图。
具体实施方式
25.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
26.实施例一
27.图1为本发明实施例一提供的一种线缆监控保护方法的流程图，本实施例可适用于线缆防外力破坏的情况，该方法可以由线缆监控保护装置来执行，该装置可以采用软件和/或硬件的方式来实现。该装置可配置于服务器中，该方法具体包括：
28.s110、获取线缆布设现场采集的音频信号；
29.其中，所述音频信号由设置在所述线缆布设现场的至少一个检波器采集获取。
30.在上述操作中，具体的是，音频信号是线缆布设现场采集到的，在线缆布设现场可能会出现各类声音，特别是在出现线缆盗挖、切割等情况的时候，经常会出现需要机械工程设备的操作声音。并且，实施线缆破坏一般会持续较长的一段时间，所以可以持续性采集音频信号。或者，也可以周期性采集音频信号。对于音频信号的传输方式，可以采用有线传输或无线传输方式。可选的，所述获取线缆布设现场采集的音频信号包括：通过窄带物联网网关，接收检波器传输的所述线缆布设现场采集的音频信号。其中，所述窄带物联网网关，是链接感知网络与传统通信网络的纽带。例如，所述窄带物联网网关可以通过无线传输的方式实现与外界信息的传输与接收，能够降低硬件设备的成本以及安装难度，便于维护和管理。
31.此外，所述音频信号可以为多组，分别由设置在所述线缆布设现场的至少一个检波器构成的检波器阵列采集获取。其中，设置在所述线缆布设现场的至少一个检波器，通过科学布点，能够任意三个组成声音检波器阵列，从而能够实时、准确地监控线缆周围的声音信号。
32.s120、将所述音频信号输入机械声音识别模型中进行识别分类；
33.其中，所述机械声音识别模型基于至少一种机械声音样本进行预先训练而确定。
34.在上述操作中，具体的是，机械声音样本可以包括各类机械设备操作过程中产生的声音，并标注有机械设备的类别。例如，所述机械声音类别可以包括下述至少一种：手持电镐、切割机、机械破碎锤和挖掘机。
35.机械声音识别模型可以采用多种深度学习模型来实现，例如，所述机械声音识别模型可以包括：梅尔滤波器、第一卷积神经网络层、激活函数层、批标准化层、最大池化层、第二卷积神经网络层和第三卷积神经网络层、平均池化层、全连接层和分类器。
36.此外，机械声音识别模型的建立和设计是通过检波器阵列采集到音频信号，对该音频信号进行预加重、分帧、加窗和傅里叶变换分析，检测音频信号，并对其进行特性分析及特征提取，将修改后的特征提取算法应用到音频信号的处理上，再加上智能分类法而实现。
37.在此还需说明的是，在预先训练机械声音识别模型时，还加入了一个其他类，其包括下述至少一种：如风声、流水声和走路声，用以分类识别获取的音频信号中的噪音及无用信息。
38.s130、根据识别分类结果中的机械声音类别，进行统计处理，以识别线缆布设现场的危险行为；
39.在上述操作中，具体的是，所述统计处理，可以是将获取的线缆布设现场音频信息输入到机械声音识别模型中进行识别分类，将其与预先训练机械声音识别模型所用的机械声音样本进行比较，如果比较确定为机械施工声音，则判断为危险行为。所述危险行为可以是工程施工、线缆盗挖、切割等可能会对线缆造成破坏的行为。
40.s140、根据所述危险行为进行报警。
41.其中，根据所述危险行为进行报警包括：根据所述危险行为的发生位置，控制无人机到达所述发生位置，并通过无人机上的扬声器发出警报。
42.在上述操作中，具体的是，当获取的线缆布设现场音频信息可以确定为机械施工声音时，就会确定该机械施工声音的发生位置并发出信号，出动无人机到达发生位置进行进一步确定现场情况并通过扬声器发出语音警报，或者出动人员现场进行确认，警告干预。
43.本实施例的技术方案，利用机械声音识别模型对获取的线缆布设现场的音频信号进行分类识别，并根据识别结果进行危险行为报警，解决了预先对线缆状态进行监控并及时发现线缆被破坏风险的问题，达到了对线缆的有效、及时保护的效果。
44.实施例二
45.图2为本发明实施例二提供的一种线缆监控保护方法中机械声音识别模型的架构示意图，本实施例在上述各实施例的基础上，对机械声音识别模型进一步优化。
46.可选的，所述机械声音识别模型包括：
47.梅尔滤波器201，用于将音频数据转换为梅尔光谱图；
48.其中，梅尔滤波器依据人的听觉实验结果分析声音的频谱，它只关注某些特定的频率分量，忽略不需要关注的频率信号，因此当信噪比降低时仍然具有较好的识别性能，从而提升声音识别效果。
49.第一卷积神经网络层202，用于从梅尔光谱图中进行特征提取；
50.其中，卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，其具有表征学习能力；第一卷积神经网络层可以用于对输入的特征利用卷积层进行提取。
51.激活函数层203，用于对提取的特征进行处理；
52.其中，所述对提取的特征进行处理可以是将卷积层的结果做非线性映射；常见的激活函数层所用函数有sigmoid、tanh、relu、leaky relu、elu和maxout等。可选的，本实施例选取relu作为激活函数，其优点是收敛速度快，求梯度简单。
53.批标准化层204，用于对激活函数层的输出数据进行批量归一化处理；
54.其中，批标准化用于保证神经网络训练过程中每一层神经网络的输入保持一致；可选的，本实施例中激活函数输出经过批标准化层进行归一化处理，可以防止梯度爆炸加速收敛。
55.最大池化层205，用于对批标准化层的输出数据进行下采样处理；
56.其中，池化层用于压缩数据和参数的量，可以减少过拟合；最大池化是指取局部接受域中值最大的点，能够减小特征提取时卷积层参数误差造成估计均值的偏移的误差。
57.第二卷积神经网络层206和第三卷积神经网络层207，用于连续对下采样处理结果进行特征提取；
58.其中，采用多层卷积神经网络是因为一层卷积学到的特征一般是局部的，而层数越高，学到的特征越全局化。
59.平均池化层208，用于对提取的特征进行平均池化；
60.其中，平均池化是指对局部接受域中的所有值求均值，能够减小特征提取时邻域大小受限造成的估计值方差增大的误差。
61.全连接层209，用于对平均池化结果转换到样本标记空间；
62.其中，全连接是指两层之间所有神经元都有权重链接，通常全连接层在卷积神经网络尾部。
63.分类器210，用于对样板标记空间的数据进行分类。
64.其中，本实施例中使用的分类器为softmax分类器，但不限于此分类器。
65.其中，可选的，所述第一卷积神经网络层的通道数为32，所述第二卷积神经网络层的通道数为64，所述第三卷积神经网络层的通道数为128。
66.本实施例的技术方案，利用梅尔滤波器进行音频信号处理，具有更好的识别效果，同时利用多层神经网络进行语音特征提取分类，解决了机械声音识别的问题，达到了判断是否存在危险行为的效果。
67.实施例三
68.图3为本发明实施例三提供的一种线缆监控保护装置的结构示意图，该装置可以执行上述实施例所述的线缆监控保护方法，该装置可以包括：音频采集模块310、机械声音识别模320、危险行为识别模块330和报警模块340。
69.其中，音频采集模块310，用于获取线缆布设现场的音频信号，其中，所述音频信号由设置在所述线缆布设现场的至少一个检波器采集获取；
70.机械声音识别模块320，用于将所述音频信号进行识别分类，其中，所述机械声音识别模块基于至少一种机器声音样本进行预先训练而确定；
71.危险行为识别模块330，用于根据识别分类结果中的机械声音类别，以识别线缆布设现场的危险行为；
72.报警模块340，用于对所述危险行为进行报警。
73.本实施例所提供的装置，构建了能够实现线缆监控保护方法中各个步骤的模块。利用机械声音识别模块对获取的线缆布设现场的音频信号进行分类识别，并根据识别结果进行危险行为报警，解决了预先对线缆状态进行监控并及时发现线缆被破坏风险的问题，达到了对线缆的有效、及时保护的效果。
74.上述装置中，可选的是，所述音频信号为多组，分别由设置在所述线缆布设现场的多个检波器构成的检波器阵列采集获取。
75.上述装置中，可选的是，音频采集模块具体用于：
76.通过窄带物联网网关，接收检波器传输的所述线缆布设现场采集的音频信号。
77.上述装置中，可选的是，所述机械声音类别包括下述至少一种：手持电镐、切割机、机械破碎锤和挖掘机。
78.上述装置中，可选的是，所述机械声音识别模型包括：
79.梅尔滤波器，用于将音频数据转换为梅尔光谱图；
80.第一卷积神经网络层，用于从梅尔光谱图中进行特征提取；
81.激活函数层，用于对提取的特征进行处理；
82.批标准化层，用于对激活函数层的输出数据进行批量归一化处理；
83.最大池化层，用于对批标准化层的输出数据进行下采样处理；
84.第二卷积神经网络层和第三卷积神经网络层，用于连续对下采样处理结果进行特征提取；
85.平均池化层，用于对提取的特征进行平均池化；
86.全连接层，用于对平均池化结果转换到样本标记空间；
87.分类器，用于对样板标记空间的数据进行分类。
88.上述装置中，可选的是，所述第一卷积神经网络层的通道数为32，所述第二卷积神经网络层的通道数为64，所述第三卷积神经网络层的通道数为128。
89.上述装置中，可选的是，报警模块包括：
90.根据所述危险行为的发生位置，控制无人机到达所述发生位置，并通过无人机上的扬声器发出警报。
91.本实施例所提供的装置，利用梅尔滤波器进行音频信号处理，具有更好的识别效果，同时通过多层神经网络提取分类，解决了机械声音识别的问题，达到了判断是否存在危险行为的效果。
92.实施例四
93.图4为本发明实施例四提供的一种线缆保护系统的结构示意图，如图4所示，该系统包括多个音频检波器41、服务器42和报警器43。
94.其中，所述音频检波器41设置在线缆布设现场。
95.所述服务器42包括：
96.处理器421、存储器422、输入装置423和输出装置424；服务器中处理器421的数量可以是一个或多个，图4中以一个处理器421为例；服务器中的处理器421、存储器422、输入装置423和输出装置424可以通过总线或其他方式连接，图4中以通过总线连接为例。
97.存储器422作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的线缆监控保护方法对应的程序指令/模块(例如，线缆监
控保护装置中的音频采集模块310、机械声音识别模块320、危险行为识别模块330、报警模块340)。处理器421通过运行存储在存储器422中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的线缆监控保护方法。
98.存储器422可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器422可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器422可进一步包括相对于处理器421远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
99.输入装置423可用于接收声音检波器阵列采集到的音频信号并传输到后台服务器，以及产生与设备/终端/服务器的用户设置以及功能控制有关的键信号输入。输出装置424可包括无人机、扬声器等设备。
100.实施例五
101.本发明实施例五还提供一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种线缆监控保护方法。该方法包括：
102.获取线缆布设现场采集的音频信号；
103.将所述音频信号输入机械声音识别模型中进行识别分类
104.根据识别分类结果中的机械声音类别，进行统计处理，以识别线缆布设现场的危险行为；
105.根据所述危险行为进行报警。
106.当然，本发明实施例所提供的一种计算机可读存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的线缆监控保护方法中的相关操作，且具备相应的功能和有益效果。
107.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read
‑
only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
108.值得注意的是，上述装置的实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
109.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。