【摘 要】
：
燃气作为我国社区居民生活的必需品,近年来使用量不断增加,燃气安全稳定越发重要。燃气设施泄漏预警是保障燃气设施安全运行的一项重要手段,但传统的燃气设施泄漏预警方法主要依赖专家经验,实时性和智能化水平不足。本文将数据采集、视频监控、机器学习和可视化技术相结合,进行社区燃气设施风险监测和预警系统的设计。主要开展了以下4个方面的工作:（1）基于6Lo WPAN协议开发无线传感器网络采集社区燃气数据,通过树
【基金项目】
：
国家重点研发计划“社区风险监测与防范关键技术研究”的课题3“基于物联网技术的社区设备设施实时运行监测监控技术与装备研究”；
论文部分内容阅读
燃气作为我国社区居民生活的必需品,近年来使用量不断增加,燃气安全稳定越发重要。燃气设施泄漏预警是保障燃气设施安全运行的一项重要手段,但传统的燃气设施泄漏预警方法主要依赖专家经验,实时性和智能化水平不足。本文将数据采集、视频监控、机器学习和可视化技术相结合,进行社区燃气设施风险监测和预警系统的设计。主要开展了以下4个方面的工作:（1）基于6Lo WPAN协议开发无线传感器网络采集社区燃气数据,通过树莓派开发智能网关汇聚社区燃气数据,利用MQTT协议实现社区燃气数据从无线传感器网络子节点到智能网关以及从智能网关到云平台的传输。（2）基于FFmpeg、Nginx、RTMP和Flv.js搭建视频监控模块,实现对社区燃气设施周边环境的视频监控功能。利用FFmpeg读取网络摄像头视频流,并编码、推送至云平台,利用Nginx在云平台中搭建流媒体服务器实现代理转发视频流的功能,利用Flv.js开发视频显示模块,在Web界面中显示视频监控画面。（3）以采集到的历史数据为数据集,利用模糊控制算法对数据集中的候选特征进行优化,降低重要度较低特征的干扰。以优化后的燃气特征作为随机森林算法的输入,以泄漏等级作为输出,建立模糊-随机森林模型。将传感器采集的实时数据作为模糊-随机森林模型的输入,得到监测地点的燃气泄漏等级,实现社区燃气泄漏的预警。（4）利用HTML、CSS和Java Script开发前端显示界面,结合百度地图API,实现在网页中显示在线监测数据、燃气泄漏等级、视频监控画面和历史曲线的功能,并利用Ajax方法动态更新监测信息。利用Node.js开发后端服务器,与My SQL数据库进行数据交互,并利用Post方法将数据推送到前端界面中。本文通过无线传感器网络和机器学习算法改善了燃气设施泄漏预警方法的实时性,提高了燃气泄漏预警系统的智能化水平,通过Web界面实现了对社区燃气设施的在线监测数据、视频监控画面和燃气泄漏预警等级的可视化展示,对实际的燃气泄漏监测和预警系统设计具有一定的参考意义。
其他文献
复合式VTOL无人机为最近比较火热的无人机机型,以其独特的四旋翼加固定翼的结构特点应用在诸多领域,复合式无人机结合了四旋翼和固定翼的特点,既可垂直起降,又可以进行平直飞行,大大减少了无人机对地形或者其它环境的依赖,其在最近几年得到快速的发展。由于复合式无人机近年来需求的增长,对复合式无人机的研究和制造就成了重中之重,直接利用一个实体无人机进行实验可以给我们最佳的反馈,但是由于极高的造价,导致我们不
下肢辅助运动装置是一种便携式可穿戴智能设备,它将人的下肢与机器结构巧妙的结合起来,能够为人体提供支持保护,同时也能够辅助人体完成步行等行为。按照功能的不同,可以分为:致力于解决下肢运动能力丧失或者严重损伤患者的运动问题的康复类型的辅助运动装置和增强人体负载能力的辅助运动设备。本课题围绕下肢辅助运动装置控制系统进行研究,主要做了以下工作:（1）通过研究有关人体下肢辅助机器人文献资料,总结了下肢辅助运
网络化控制系统是将控制器、执行器与传感器通过通信网络连接起来的一种分布式控制系统,具有远程和大范围控制、便于安装和维护、移动性强等优点。由于通信网络特别是无线网络的开放性和保护不足,通过网络传输的数据很容易被窃取,甚至遭到恶意攻击者的破坏。因此,本文从控制安全的角度研究了网络化控制系统中虚假数据注入攻击的设计、检测和分析问题,主要研究工作如下:（1）针对网络化控制系统反馈通道测量数据和前向通道控制
图像分类旨在判断输入图像所属类别,是计算机视觉四大基本任务之一,单分类（one-class classification）是针对数据集中只包含一种类别样本的分类问题,在实际场景中的应用十分广泛。近年来随着深度学习理论的发展,许多优秀的分类网络被提出用来解决单类分类问题。但在实际应用中,分类器的分类效果常常会受到复杂背景、数据样本集小、目标在图像中的占比小等诸多因素影响,效果还不是很理想,基于深度学
网络购物时代的来临,使得物流运输业变得日益重要,日常小件货物的分拣、存放、运输等问题也越来越突出,其中必然会涉及物体的重量和尺寸信息。尺寸信息也就是物体的体积。如何智能化、自动化地获取物体的体积信息是亟待解决的问题。而已有的视觉测量技术,大多需要人工进行物体的定位检测、识别以及角点、边缘线等的提取,考虑到近年来深度学习理论在物体识别等方面的成功应用,本文以此为研究背景,系统探讨了在深度学习框架下利
目标跟踪广泛应用于智能家居、医学诊断、交通视频监管等多个领域。随着相关滤波、深度学习的理论知识和计算机存储设备的迅速发展,判别式跟踪算法逐渐成为目标跟踪领域的主要发展趋势。判别式跟踪算法将目标跟踪问题转变成跟踪的目标与背景之间的二分类问题。因此算法先利用正负样本训练前景与背景的分类器,然后用该分类器在后续帧中找到最优目标区域。判别式跟踪算法的核心是目标定位、尺度以及速度三个问题,本文在判别预测模型
为了满足人们的精神文化需要,尤其是影音娱乐方面,超高清技术正处于大力发展阶段。但由于成像硬件设备的价格高昂,靠提升硬件来提高清晰度显然是无法大面积实行的。随着近些年深度学习的发展,依靠神经网络来进行超分辨率重构已经如火如荼,其不光成本低廉、便于部署,且重构效果已经超越了很多传统算法。超分辨率,其目标是从低分辨率图像中尽可能的恢复更多的细节信息,使图像变得更清晰,更容易被人眼所接受。针对单帧图像超分
随着大数据时代的到来,计算机与移动网络的飞速发展。我们已经迎来了5G网络,人们获取信息的途径越来越多,每天数以亿计的信息留存于互联网上。丰富的信息资源在互联网上构建了一个大型知识库满足人们对未知信息的渴望。但是,庞大的信息量也让人们很难快速得到有价值的信息,如何快速筛选有价值的信息是当前亟待解决的难题。自动问答系统可以根据用户所提出的问题,自动挖掘问题的语义信息,并快速匹配得到问题的正确答案反馈给
地基合成孔径雷达（Ground-based Synthetic Aperture Radar,地基SAR）系统具有非接触、高精度、大区域连续监测的技术优势,是进行区域性监测、地表形变监测以及定点连续测量的重要手段。传统地基SAR图像多源数据融合算法,一般基于坐标转换或特征匹配的方法实现,需要人工提取地基SAR系统、监测点坐标进行转换计算,难以实现自动化。利用生成对抗网络模型也可以实现地基SAR图像
近几年,中国经济发展逐步趋于稳定,绝大部分家庭均选用了汽车这一交通工具,从而使我国的汽车保有量稳步上升,但随之面临的各类交通问题也是与日俱增。为了解决这些实际交通问题,车辆再识别技术应运而生并逐渐走入人们的视野中。然而,仅仅通过车辆的颜色或车型等部分单一的车辆属性来进行车辆重识别很难取得较高的准确率。再加上真实场景下例如不明物体的遮挡、分辨率低、角度变化等诸多外界因素的影响,使得车辆重识别要想获得