SCADA系统中的视觉人工智能的制作方法

技术特征：
1.一种计算设备，包括：一个或多个处理器；非暂态计算机可读存储器，其中存储有计算机可执行指令，计算机可执行指令在由所述一个或多个处理器执行时使所述一个或多个处理器执行包括以下项的动作：识别图像数据集，该图像数据集包括示出与一位置处的实物资产集合相关联的内容的类型的图像集合；基于用于对所述图像数据集进行分类的类别集合，定义与所述计算设备相关联地运行的二元分类器；将所述二元分类器应用于所述图像数据集，并基于所述应用，确定供在所述位置处的相机集合应用的训练模型；经由训练模型的运行来监视所述位置，所述监视包括由所述相机集合捕获第二图像集合，所述第二图像集合中的每个图像包括在所述位置处发生的与至少一个实物资产相关联的所捕获的内容；基于训练模型来分析第二图像集合；基于所述分析，自动地分类所述第二图像集合中的每个图像；以及基于通过训练模型执行的分析和分类，在用户界面(ui)内显示所述第二图像集合和指示出所述分类的信息。2.如权利要求1所述的计算设备，其中，所述图像数据集包括多个预定图像。3.如权利要求1所述的计算设备，还包括：经由相机集合中的至少一个相机来捕获第三图像集合，其中所述识别出的图像数据集包括所述捕获的第三图像集合。4.如权利要求1所述的计算设备，还包括：分析图像数据集，并确定图像集合的类型；以及基于所述确定的类型来识别类别集合。5.如权利要求4所述的计算设备，还包括：识别第二类别集合，所述第二类别集合是基于另一种类型的图像集合的；以及转换与所述第二类别集合相关联的设置，所述转换使第二类别集合的迁移建模与类别集合的类型对应，其中所述第二类别集合用于定义所述二元分类器。6.如权利要求1所述的计算设备，还包括：基于与指示出第二图像集合的所述分类的信息相关联的信息来更新所述训练模型；以及将所述更新后的训练模型应用于第四图像集合。7.如权利要求1所述的计算设备，其中，所述ui还包括如下显示，该显示包括：用于查看在所述第二图像集合内的所捕获图像的分类的部分；用于捕获用以进行分类的另一个图像集合的部分；以及用于从所述用以进行分类的另一个图像集合中选择图像的部分。8.如权利要求1所述的计算设备，其中，所述监视是在所述计算设备处于运行时模式时执行的。9.如权利要求1所述的计算设备，其中，所述监视是基于训练模型的运行而被自动执行
的。10.如权利要求1所述的计算设备，其中，所述动作是经由与所述计算设备相关联地运行的图像训练应用来执行的。11.一种方法，包括：由计算设备识别图像数据集，该图像数据集包括示出与一位置处的实物资产集合相关联的内容的类型的图像集合；由计算设备基于用于对所述图像数据集进行分类的类别集合，定义与所述计算设备相关联地运行的二元分类器；由计算设备将所述二元分类器应用于所述图像数据集，并基于所述应用，确定供在所述位置处的相机集合应用的训练模型；由计算设备经由训练模型的运行来监视所述位置，所述监视包括由所述相机集合捕获第二图像集合，所述第二图像集合中的每个图像包括在所述位置处发生的与至少一个实物资产相关联的所捕获的内容；由计算设备基于训练模型来分析第二图像集合；由计算设备基于所述分析，自动地分类所述第二图像集合中的每个图像；以及由计算设备基于通过训练模型执行的分析和分类，在用户界面(ui)内显示所述第二图像集合和指示出所述分类的信息。12.如权利要求11所述的方法，其中，所述图像数据集包括多个预定图像。13.如权利要求11所述的方法，还包括：经由相机集合中的至少一个相机来捕获第三图像集合，其中所述识别出的图像数据集包括所述捕获的第三图像集合。14.如权利要求11所述的方法，还包括：分析图像数据集，并确定图像集合的类型；基于所述确定的类型来识别类别集合；识别第二类别集合，所述第二类别集合是基于另一种类型的图像集合的；以及转换与所述第二类别集合相关联的设置，所述转换使第二类别集合的迁移建模与类别集合的类型对应，其中所述第二类别集合用于定义所述二元分类器。15.如权利要求11所述的方法，还包括：基于与指示出第二图像集合的所述分类的信息相关联的信息来更新所述训练模型；以及将所述更新后的训练模型应用于第四图像集合。16.如权利要求11所述的方法，其中，所述ui还包括如下显示，该显示包括：用于查看在所述第二图像集合内的所捕获图像的分类的部分；用于捕获用以进行分类的另一个图像集合的部分；以及用于从所述用以进行分类的另一个图像集合中选择图像的部分。17.如权利要求11所述的方法，其中，所述监视是基于训练模型的运行而被自动执行的。18.如权利要求11所述的方法，其中，所述动作是经由与所述计算设备相关联地运行的图像训练应用来执行的。
19.一种用计算机可执行指令有形地编码的非暂态计算机可读存储介质，计算机可读指令在由与计算设备相关联的处理器执行时执行如下方法，该方法包括：由计算设备识别图像数据集，该图像数据集包括示出与一位置处的实物资产集合相关联的内容的类型的图像集合；由计算设备基于用于对所述图像数据集进行分类的类别集合，定义与所述计算设备相关联地运行的二元分类器；由计算设备将所述二元分类器应用于所述图像数据集，并基于所述应用，确定供在所述位置处的相机集合应用的训练模型；由计算设备经由训练模型的运行来监视所述位置，所述监视包括由所述相机集合捕获第二图像集合，所述第二图像集合中的每个图像包括在所述位置处发生的与至少一个实物资产相关联的所捕获的内容；由计算设备基于训练模型来分析第二图像集合；由计算设备基于所述分析，自动地分类所述第二图像集合中的每个图像；以及由计算设备基于通过训练模型执行的分析和分类，在用户界面(ui)内显示所述第二图像集合和指示出所述分类的信息。20.如权利要求19所述的非暂态计算机可读存储介质，还包括：基于与指示出第二图像集合的所述分类的信息相关联的信息来更新所述训练模型；以及将所述更新后的训练模型应用于第三图像集合。

技术总结
公开了用于改进与如下计算机的交互以及在如下计算机之间的交互的系统和方法，所述计算机是由设备、服务器和/或平台支持或配置有设备、服务器和/或平台的内容提供、显示和/或托管系统中的计算机。所公开的系统和方法提供了一种新颖的人工智能(AI)框架，该框架在SCADA系统内集成了图像捕获和分类功能。所公开的AI框架涉及SCADA系统内的网络连接的相机集合的操作，该操作用于提供周期性地或基本上连续地查看、检测或识别当前条件或满足准则的条件的视觉监控。因此，所公开的系统和方法提供了使用AI来监视SCADA系统内的条件并提醒最终用户或应用采取动作的自动化机制。终用户或应用采取动作的自动化机制。终用户或应用采取动作的自动化机制。


技术研发人员：B
受保护的技术使用者：阿韦瓦软件有限责任公司
技术研发日：2020.11.11
技术公布日：2022/7/10