一种泵房环境温湿度监测预警方法和系统与流程

技术特征：
1.一种泵房环境温湿度监测预警方法，其特征在于，包括如下步骤：获取泵房环境温度数据和湿度数据；判断所述温度数据和/或湿度数据是否超出预设阈值，如果超出所述预设阈值，则判定为第一异常状态并将所述第一异常状态上报至远端服务器；所述预设阈值根据计算得到的泵房历史一段时期内检测到的温度数据和湿度数据的平均值的变化而变化；所述远端服务器根据所述第一异常状态调用泵房环境在线视频，根据在线视频识别第二异常状态。2.如权利要求1所述的泵房环境温湿度监测预警方法，其特征在于，若所述温度数据和/或湿度数据均未超出预设阈值，则认定为正常状态，并将所述温度数据和湿度数据上报至远端服务器保存。3.如权利要求1所述的泵房环境温湿度监测预警方法，其特征在于，所述预设阈值为一阈值范围，最低值为历史一段时期内检测到的温度数据和湿度数据的平均值的0.5-0.6倍，最大值为历史一段时期内检测到的温度数据和湿度数据的平均值的1.4-1.8倍。4.如权利要求1-3任一项所述的泵房环境温湿度监测预警方法，其特征在于，根据在线视频识别第二异常状态具体为：采用深度学习网络对在线视频进行深度识别，如果识别到异常情况，则将所述异常情况定义为第二异常状态。5.如权利要求4所述的泵房环境温湿度监测预警方法，其特征在于，所述深度学习网络的训练过程如下：获取泵房历史视频数据，对所述视频数据进行去噪、配准以及标注；构建并训练深度学习网络；在远程服务器中部署深度学习网络。6.如权利要求5所述的泵房环境温湿度监测预警方法，其特征在于，构建并训练深度学习网络具体包括如下步骤：构建cnn架构的深度学习网络；向已有网络中馈入去噪、配准以及标注后的视频数据以实现迁移学习；采用历史视频数据训练所述深度学习网络。7.一种泵房环境温湿度监测预警系统，其特征在于，包括：温湿度采集模块，用于获取泵房环境温度数据和湿度数据；本地服务器，判断所述温度数据和/或湿度数据是否超出预设阈值，如果超出所述预设阈值，则判定为第一异常状态并将所述第一异常状态上报至远端服务器；所述预设阈值根据计算得到的泵房历史一段时期内检测到的温度数据和湿度数据的平均值的变化而变化；远端服务器，根据所述第一异常状态调用泵房环境在线视频，根据在线视频识别第二异常状态。8.如权利要求7所述的泵房环境温湿度监测预警系统，其特征在于，所述远端服务器中还部署有深度学习网络，采用深度学习网络对在线视频进行深度识别，如果识别到异常情况，则将所述异常情况定义为第二异常状态。9.如权利要求8所述的泵房环境温湿度监测预警系统，其特征在于，所述深度学习网络的训练过程如下：
获取泵房历史视频数据，对所述视频数据进行去噪、配准以及标注；构建并训练深度学习网络；在远程服务器中部署深度学习网络。10.如权利要求9所述的泵房环境温湿度监测预警系统，其特征在于，构建并训练深度学习网络具体包括：构建cnn架构的深度学习网络；向已有网络中馈入去噪、配准以及标注后的视频数据以实现迁移学习；采用历史视频数据训练所述深度学习网络。

技术总结
本公开提供一种泵房环境温湿度监测预警方法和系统，所述方法包括如下步骤：获取泵房环境温度数据和湿度数据；判断所述温度数据和/或湿度数据是否超出预设阈值，如果超出所述预设阈值，则判定为第一异常状态并将所述第一异常状态上报至远端服务器；所述预设阈值根据计算得到的泵房历史一段时期内检测到的温度数据和湿度数据的平均值的变化而变化；所述远端服务器根据所述第一异常状态调用泵房环境在线视频，根据在线视频识别第二异常状态。本公开能够根据温湿度异常情况，进一步调用本地在线视频进行深度识别，这样能够验证异常情况是否真实存在，也能实现无人值守，而且也能减少在线识别的运算量和降低对硬件设备运算能力的要求。能力的要求。能力的要求。


技术研发人员：姚宏斌 朱飞鹏
受保护的技术使用者：正人智慧科技（苏州）有限公司
技术研发日：2022.07.26
技术公布日：2022/10/11