一种基于IOT物联的电力设备数据检测方法与流程
本发明涉及物联技术，具体为一种基于iot物联的电力设备数据检测方法。
背景技术：
1、近年来，大数据、云计算、ai等数字化相关前沿技术创新势头良好，国网公司充分把握数字技术的发展趋势，推进公司数字化转型升级，以数字技术为传统电网赋能，为公司发展打造数字化新引擎，全面提升数字化公共服务能力。
2、电力物资检测中心当前现状为检测物资种类较多，又涉及传统型、智能型等多种类型检测仪器、同时场景多样且过程复杂、需要采集记录的数据量较大。现阶段主要依靠人工记录检测仪器的检测结果，工作量大、过程繁琐、易出错、效率有待提高。电力物资检测对入网物资质量有至关重要的影响，但数据采集质量的问题一直没有完善的解决方案，主要存在以下缺陷：
3、(1)目前的检测数据采集系统多基于智能检测设备并开放传输协议的基础上，但实际应用过程中多品牌智能检测设备混用，传输协议不开放、智能检测设备与传统检测设备、机械式检测设备混用等情况造成大量检测设备无法实现检测数据的自动采集、分析、查询、以及检验报告的自动生成等，对检测的客观性和权威性有影响。
4、(2)同时对智慧物流园区的检测、仓储、配送业务进行统一管理的“检储配”一体化管控平台对检测中心的建设提出了更高的要求，迫切需要通过基于新一代iot物联技术的检测数据直采系统及端口贯通模式解决数据权威性的难题。
5、针对以上问题，本发明提出一种适用于电力物资检测的数据直采方法，提高跨系统整合数据的效率，将物联技术赋能于各业务场景，深化人机协作，加快推动数据采集技术智能化、高效化发展，满足智能化、场景化、精细化的业务需求。
技术实现思路
1、本发明的目的在于克服现有技术的不足之处，提供一种基于iot物联的电力设备数据检测方法，该方法应用边缘计算、数据挖掘、数据清洗等新一代iot物联技术实现检测数据直采系统及端口贯通，发明成果可广泛应用于各检测单位以及“检储配”一体化智能管理中，利于挖掘海量数据的潜力，提供及时准确的数据分析，为检测数据直采系统研究方案提供有效依据。
2、一种基于iot物联的电力设备数据检测方法，检测方法基于ai机器人和ar传感器融合，并基于iot物联实现多元感知数据智能直采，同时进行有效集成、设备联动、数据联动，做到科学检测、柔性检测、数据采集和检测预警，
3、该检测方法包括ar智能装置图像识别、rpa、ocr识别、nlp自然语言处理、ai视觉、rfid、多传感器融合和边缘计算模型融合。
4、优选的，ar智能装置图像识别方法主要是检测人员佩戴ar智能采集装置，通过ar场景的增强装置辨别各显示屏内容，利用ai锁定需检测的设备显示屏，同时ar根据ai识别的内容显示设备的辅助信息，提高检测检测效率。
5、优选的，ocr识别是基于图像处理(二值化、连通域分析、投影分析等)和统计机器学习，采用模板匹配和几何特征抽取的方法进行识别；把影像转化为文字信息或图表信息，降低影像资料的储存量，同时识别出的文字和图表可再使用、再分析，减少检测信息录入系统时产生的人力消耗。
6、优选的，nlp自然语义交互是基于rpa+ocr+nlp可完成检测系统的数据识别、智能采集；依据预设的文本分类、文本匹配等策略，完成检测数据的分类归档与双向匹配，自动生成检测记录单；同时针对获取到的检测数据，通过rpa+ocr等相关进行接口解析，一键生成检测报告。
7、优选的，ai视觉是通过对生物视觉系统的研究从而模仿制作的机器视觉传感器系统；ai视觉可辅助多元感知数据智能直采装置锁定并识别测试设备；如：识别测试设备的显示屏及检测结果数据的位置。
8、优选的，多传感器融合是利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用；多元感知数据智能直采装置采用温度传感器、湿度传感器、拉力/压力传感器、气体传感器、位移传感器等多传感器融合，在检测过程中可将现场的温度、湿度、压力以及气体等多元数据以及检测设备结果一并解析处理后传输至电脑终端。
9、优选的，rfid是检测人员佩戴的ar智能采集装置可利用ai视觉识别检测设备中的rfid内置标签，获取设备基础数据，并对其进行识别和处理后传输至电脑终端插件。
10、优选的，边缘计算模型是指在网络边缘执行计算的一种新型计算模型；多元感知数据智能直采装置中摄像装置及多传感器中内置的计算逻辑，在检测过程中若检测结果超过既定的逻辑值时将发出预警信号，以提醒检测人员进行下一步操作。
11、优选的，述通过ar智能装置图像识别、rpa、ocr识别、nlp自然语言处理、ai视觉、rfid、多传感器融合和边缘计算模型的融合，内置结构化检测标准，实现检测结果自动判定，并对检测信息进行树形归档，其中多传感器融合是利用多个传感器资源，通过多传感器数据采集系统实现数据的传输、交互与转换。
12、优选的，检测方法还包括软件、硬件及数据采集部分的处理方法，包括：
13、(1)多传感器数据采集系统硬件部分处理方法：硬件电路设计分为多传感器数据采集部分(包括模拟前端调理、放大电路、模拟多路开关和a/d转换部分)、同步rs422接口部分、电源管理部分以及时钟部分等；传感器信号的前级有两级多路开关，高位的多路开关实现对一组传感器的切换，而低位的多路开关则是对组内的传感器信号进行切换，低位选通完毕后高位再进行切换，切换之后便送入a/d芯片进行转换，传感器信号转换完成后便在fpga内部进行缓存、组帧以及串行传输等操作，然后一边存储入flash中一边再进入rs422-tcp转接模块进行信号的转接；
14、(2)多传感器数据采集系统软件部分处理方法：数据采集传输系统的软件设计分为两部分，分别为多传感器数据采集系统fpga逻辑设计和同步rs422转以太网逻辑设计部分；其中多传感器数据采集系统的逻辑设计主要以fpga为核心进行控制，包括提供高位和低位模拟多路开关的地址选择信号，提供a/d转换的时钟及控制信号，对采集数据进行缓存以及同帧频异步串行数据的接收与转发处理和大容量存储设备flash控制时序的设计等；
15、(3)多传感器数据采集部分处理方法：多传感器数据采集部分主要包括前端调理、模拟多路开关、放大部分以及a/d采集部分，每个a/d芯片最多可以负责256路传感器信号的采集，但考虑到采集过程中实际有效传感器的布局，多余的通道作接地处理；因此在本设计中，实际有效传感器为384个，采用两个a/d芯片，每个a/d芯片采集的有效传感器为192个。
16、本发明的优点和技术效果是：
17、(1)本发明率先应用ar投屏和nlp自然语义交互技术，进一步提升数据采集效率，做到全程无人为干预，打造自然无感的数据采集体验。检测信息树形归档、精准追溯，实现智能、可信、高效的“一站式”业务管理。
18、(2)目前成熟的通用采集算法，采集精度仅有70％，本发明首次引入自主迭代的算法模型，经过历史积累的10w+检测数据的学习训练，单次采集精度高达99％，达到ai视觉识别领域的领先水平。未来每年的检测样本将数以万计的增长，能够促进采集精度的持续提升。
19、(3)本发明首次将ai视觉、ar虚拟场景交互、ocr数据建模及nlp自然语义等技术融合，智能分析处理海量检测样本、数据，提供辅助性决策，优化品控策略，通过ai智能计算、ar场景上投以及麦克风阵列与智能降噪技术，解放检测人员双手，提高便捷性的同时，进一步增加数据采集效率，做到全程无人工干预，打造“沉浸式”采集体验。通过内置的结构化检测标准，实现检测结果自动判定，一键生成原始记录单和检测报告等功能，并对检测信息进行树形归档，方便检测结果的回溯。解决传统模式下人工抄录数据准确性低，检测结果易篡改、回溯难的问题，提高数据权威性，并确保入网设备的“零缺陷”。
技术特征：
1.一种基于iot物联的电力设备数据检测方法，其特征在于：所述检测方法基于ai机器人和ar传感器融合，并基于iot物联实现多元感知数据智能直采，同时进行有效集成、设备联动、数据联动，做到科学检测、柔性检测、数据采集和检测预警，
2.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述ar智能装置图像识别方法主要是检测人员佩戴ar智能采集装置，通过ar场景的增强装置辨别各显示屏内容，利用ai锁定需检测的设备显示屏，同时ar根据ai识别的内容显示设备的辅助信息，提高检测检测效率。
3.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述ocr识别是基于图像处理(二值化、连通域分析、投影分析等)和统计机器学习，采用模板匹配和几何特征抽取的方法进行识别；把影像转化为文字信息或图表信息，降低影像资料的储存量，同时识别出的文字和图表可再使用、再分析，减少检测信息录入系统时产生的人力消耗。
4.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述nlp自然语义交互是基于rpa+ocr+nlp可完成检测系统的数据识别、智能采集；依据预设的文本分类、文本匹配等策略，完成检测数据的分类归档与双向匹配，自动生成检测记录单；同时针对获取到的检测数据，通过rpa+ocr等相关进行接口解析，一键生成检测报告。
5.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述ai视觉是通过对生物视觉系统的研究从而模仿制作的机器视觉传感器系统；ai视觉可辅助多元感知数据智能直采装置锁定并识别测试设备；如：识别测试设备的显示屏及检测结果数据的位置。
6.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述多传感器融合是利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用；多元感知数据智能直采装置采用温度传感器、湿度传感器、拉力/压力传感器、气体传感器、位移传感器等多传感器融合，在检测过程中可将现场的温度、湿度、压力以及气体等多元数据以及检测设备结果一并解析处理后传输至电脑终端。
7.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述rfid是检测人员佩戴的ar智能采集装置可利用ai视觉识别检测设备中的rfid内置标签，获取设备基础数据，并对其进行识别和处理后传输至电脑终端插件。
8.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述边缘计算模型是指在网络边缘执行计算的一种新型计算模型；多元感知数据智能直采装置中摄像装置及多传感器中内置的计算逻辑，在检测过程中若检测结果超过既定的逻辑值时将发出预警信号，以提醒检测人员进行下一步操作。
9.根据权利要求2-8所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述通过ar智能装置图像识别、rpa、ocr识别、nlp自然语言处理、ai视觉、rfid、多传感器融合和边缘计算模型的融合，内置结构化检测标准，实现检测结果自动判定，并对检测信息进行树形归档，其中多传感器融合是利用多个传感器资源，通过多传感器数据采集系统实现数据的传输、交互与转换。
10.根据权利要求1所述的一种基于iot物联的电力设备数据检测方法，其特征在于：所述检测方法还包括软件、硬件及数据采集部分的处理方法，包括：
技术总结
本发明公开了一种基于IOT物联的电力设备数据检测方法，检测方法基于AI机器人和AR传感器融合，并基于IOT物联实现多元感知数据智能直采，同时进行有效集成、设备联动、数据联动，做到科学检测、柔性检测、数据采集和检测预警，该检测方法包括AR智能装置图像识别、RPA、OCR识别、NLP自然语言处理、AI视觉、RFID、多传感器融合和边缘计算模型融合。该方法应用边缘计算、数据挖掘、数据清洗等新一代IOT物联技术实现检测数据直采系统及端口贯通，发明成果可广泛应用于各检测单位以及“检储配”一体化智能管理中，利于挖掘海量数据的潜力，提供及时准确的数据分析，为检测数据直采系统研究方案提供有效依据。
技术研发人员：任新蕊,吴涛,赵明,王慧,胡红红,鲍宇,胡兵,赵春阳
受保护的技术使用者：天津市普迅电力信息技术有限公司
技术研发日：
技术公布日：2024/9/23