一种智慧消防系统及其自动巡检方法

技术领域

本发明涉及智能消防技术领域，特别涉及一种智慧消防系统及其自动巡检方法。

背景技术

消防工作一致是城市发展和工业生产的终点内容，随着互联网和人工智能技术的发展给各行各业都带来了新的基于和挑战，目前，智能消防逐渐出现在政府和工厂的消防系统中，相比于传统消防系统其具体较强的联网优势，但是现存的智能消防系统在巡检应用方面仍然存在一些问题；例如：

现存的智能消防系统的巡检计划多为人工设置形成，这样导致巡检周期过于死板，不方便进行调整更改，导致巡检效果不佳，无法做到高效全面预防巡检范围内的各种灾情；

现存的智能消防系统对于大范围巡检多采用统一的巡检方式和巡检周期，但是由于大范围内的环境因素以及人文因素导致在各个局部区域内发生各种灾情的频率可能都不相同，不能针对大范围巡检区域内的局部区域的灾情发生特征针对性地生成巡检计划，并进行实时调整，从而导致巡检效果不佳。

因此，本发明提出了一种智慧消防系统及其自动巡检方法。

发明内容

本发明提供一种智慧消防系统及其自动巡检方法，用以基于巡检信息和历史巡检信息的多维分析可以生成高效的巡检计划，改善了传统智能消防系统固定死板的自动巡检方式。

本发明提供一种智慧消防系统，包括：

采集端，用于基于多端巡检装置采集巡检范围内的巡检信息并接收所述巡检范围内的报警信息，基于所述巡检信息和所述报警信息获得实时警情信息；

预测端，用于对所述巡检信息进行多维分析预测，获得对应的预测结果；

生成端，用于基于所述实时警情信息生成对应的最新灾情记忆线轴，基于所述最新灾情记忆线轴和所述预测结果生成对应的最新巡检计划；

巡检端，用于基于所述最新巡检计划控制对应巡检装置进行巡检。

优选的，所述采集端，包括：

多端巡检模块，用于基于多端巡检装置和对应的预设巡检周期采集所述巡检范围内的巡检信息；

警情接收模块，用于接收所述巡检范围内所有报警通道接收的报警信息；

信息整合模块，用于分析所述巡检信息获得对应的巡检警情信息，将所述巡检警情信息和所述报警信息进行整合获得对应的实时警情信息。

优选的，所述多端巡检模块，包括：

第一巡检单元，用于基于无人机装置和第一预设周期采集所述巡检范围内的巡检视频；

第二巡检单元，用于基于卫星监控装置和第二预设周期实时采集所述巡检范围内的卫星监控图像；

第三巡检单元，用于基于第三预设周期获取所述巡检范围内的消防设备巡检信息；

其中，所述巡检信息包括：所述巡检视频和所述危险监控图像以及所述消防设备巡检信息。

优选的，所述信息整合模块，包括：

第一判别单元，用于基于所述巡检信息的信息来源确定对应的警情判别条件，基于所述警情判别条件识别出每种信息来源的巡检信息在所述巡检范围内对应的子巡检警情信息，将所有子巡检警情信息汇总，获得对应的巡检警情信息；

信息去重单元，用于对所述巡检警情信息和所述报警信息进行去重处理，获得对应的去重结果，将所述去重结果按照危急级别排序，获得对应的实时警情信息，并基于所述实时警情信息启动对应的救援计划。

优选的，所述预测端，包括：

区域划分模块，用于将所述巡检范围内的巡检区域划分为多个子巡检区域；

信息调取模块，用于调取所述子巡检区域的历史灾情信息和历史巡检信息；

第一生成模块，用于基于所述历史灾情信息确定出所述子巡检区域中每种灾情对应的灾情记忆线轴；

第一提取模块，用于提取出每种信息来源的历史巡检信息对应的子历史信息特征；

信息融合模块，用于将所有子历史信息特征与所述灾情记忆线轴进行融合，获得对应种类灾情在对应子巡检区域中对应的历史信息特征线轴；

第二提取模块，用于在所述历史信息特征线轴中提取出每次发生对应种类灾情时对应的特征波动线轴段，获得对应种类灾情在对应子巡检区域中对应的特征波动线轴段集合；

对齐融合模块，用于对所述特征波动线轴段集合进行对齐融合，获得对应种类灾情在对应子巡检区域中对应的判别特征线轴段；

特征综合模块，用于基于所有灾情种类在对应子巡检区域中对应的判别特征线轴段，获得对应子巡检区域对应的判别特征线轴段集合；

第三提取模块，用于基于所述巡检信息确定出所述子巡检区域对应的子巡检信息，并对所述子巡检信息进行特征提取，获得对应的子巡检信息特征；

第二生成模块，用于基于所述子巡检信息特征拟合生成所述子巡检区域对应的子巡检信息特征线轴；

局部预测模块，用于判断所述子巡检区域对应的判别特征线轴段集合中是否存在与所述子巡检信息特征线轴局部重合的线轴段，若存在，则基于对应重合的线轴段对应的灾情种类和重合位置，确定出所述子巡检区域内可能发生的预测灾情种类和预测发生时间，将所述预测灾情种类和所述预测发生时间作为所述子巡检区域对应的局部预测结果，否则，将所述子巡检区域在预设周期内不会发生任何灾情作为对应的局部预测结果；

结果综合模块，用于将所述局部预测结果进行整合获得对应的预测结果。

优选的，所述第一生成模块，包括：

信息分类单元，用于基于灾情种类对所述历史灾情信息分类，获得每种灾情对应的历史信息；

信息融合单元，用于基于所述历史信息中的发生时间将所述历史信息与时间线轴融合，获得对应种类灾情在所述子巡检区域中对应的灾情记忆线轴。

优选的，所述生成端，包括：

线轴更新模块，用于基于所述实时警情信息更新对应种类灾情在所述子巡检区域中对应的灾情记忆线轴，获得对应种类灾情在所述子巡检区域中对应的最新灾情记忆线轴；

第三生成模块，用于基于所述最新灾情记忆线轴和所述预测结果生成对应的最新巡检计划。

优选的，所述第三生成模块，包括：

第一确定单元，用于基于所述预测结果确定出预设周期内在对应子巡检区域中可能发生的灾情种类对应的预测发生时间；

调取单元，用于调取出所述预测发生时间对应的子巡检区域对应的特征波动线轴段；

第二确定单元，用于基于所述特征波动线轴段对应的历史巡检信息的信息来源，确定出所述预测发生时间对应的第一巡检项目；

第三确定单元，用于基于所述子巡检区域中包含的所有预测发生时间对应的第一巡检项目获得对应的第一巡检项目集合；

时序排列单元，用于将所述第一巡检项目集合中包含的所有第一巡检项目在对应巡检子区域中对应的所有预测发生时间进行时序排列，获得对应的预测发生时间序列；

第四确定单元，用于基于所述预测发生时间序列生成对应子巡检区域对应的第一巡检时间梯度；

分析单元，用于分析所述子巡检区域中对应的最新灾情记忆线轴，获得所述子巡检区域中发生对应种类灾情的平均发生频率；

第五确定单元，用于基于对应种类灾情在对应子巡检区域中对应的特征波动线轴段对应的历史巡检信息的信息来源，确定出对应的第二巡检项目；

第六确定单元，用于基于所述平均发生频率确定出所述第二巡检项目对应的第二巡检时间梯度；

项目整合单元，用于基于所述第一巡检项目和所述第二巡检项目获得对应子巡检区域对应的巡检项目集合；

第一生成单元，用于将所述巡检项目集合中包含的第一巡检项目对应的第一巡检时间梯度和第二巡检项目时间梯度按照时序进行融合排列，生成所述子巡检区域中需要执行的每个巡检项目对应的巡检时间梯度；

第二生成单元，用于基于每个子巡检区域在所述巡检范围内的所处位置和对应子巡检区域中需要执行的每个巡检项目对应的巡检时间梯度生成对应的最新巡检计划。

优选的，所述巡检端，包括：

指令生成模块，用于基于所述最新巡检计划生成对应的巡检控制指令；

指令执行模块，用于基于所述巡检控制指令控制对应巡检装置在所述巡检范围内进行自动巡检。

本发明提供一种自动巡检方法，包括：

S1：基于多端巡检装置采集巡检范围内的巡检信息并接收所述巡检范围内的报警信息，基于所述巡检信息和所述报警信息获得实时警情信息；

S2：对所述巡检信息进行多维分析预测，获得对应的预测结果；

S3：基于所述警情信息生成对应的灾情记忆线轴，基于所述灾情记忆线轴和所述预测结果生成对应的最新巡检计划；

S4：基于所述最新巡检计划控制对应巡检装置进行巡检。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种智慧消防系统示意图；

图2为本发明实施例中一种采集端示意图；

图3为本发明实施例中一种多端巡检模块示意图；

图4为本发明实施例中一种信息整合模块示意图；

图5为本发明实施例中一种预测端示意图；

图6为本发明实施例中一种第一生成模块示意图；

图7为本发明实施例中一种生成端示意图；

图8为本发明实施例中一种第三生成模块示意图；

图9为本发明实施例中一种巡检端示意图；

图10为本发明实施例中一种自动巡检方法流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供了一种智慧消防系统，参考图1，包括：

采集端，用于基于多端巡检装置采集巡检范围内的巡检信息并接收所述巡检范围内的报警信息，基于所述巡检信息和所述报警信息获得实时警情信息；

预测端，用于对所述巡检信息进行多维分析预测，获得对应的预测结果；

生成端，用于基于所述实时警情信息生成对应的最新灾情记忆线轴，基于所述最新灾情记忆线轴和所述预测结果生成对应的最新巡检计划；

巡检端，用于基于所述最新巡检计划控制对应巡检装置进行巡检。

该实施例中，多端巡检装置包括：无人机装置、卫星监控装置、消防设备巡检信息获取装置。

该实施例中，巡检范围即为智能消防系统的管控范围。

该实施例中，巡检信息即为基于多端巡检装置在巡检范围内巡检获得的信息。

该实施例中，报警信息即为警情在巡检范围内的灾情报警相关的信息。

该实施例中，实时警情信息即为在巡检范围内实时发生的灾情的信息。

该实施例中，预测结果即为对巡检信息进行图分析预测后获得的信息。

该实施例中，最新灾情记忆线轴即为基于实时警情信息生成的表征巡检范围内的曾发生过的灾情发生时间的线轴。

该实施例中，最新巡检计划即为基于最新灾情记忆线轴和预测结果生成的巡检计划。

该实施例中，巡检装置即为无人机装置、卫星监控装置、消防设备巡检信息获取装置。

以上技术的有益效果为：基于获取的多端巡检信息实现对巡检范围内的灾情预测，基于灾情预测结果和对历史巡检信息和多端巡检信息的多维分析可以生成高效的巡检计划，改善了传统智能消防系统固定死板的自动巡检方式。方便对巡检计划进行实时调整更改，加强了巡检效果，做到高效全面预防巡检范围内的各种灾情；实现了针对大范围巡检区域内的局部区域的灾情发生特征针对性地生成巡检计划，从而进一步加强了巡检效果。

实施例2：

在实施例1的基础上，所述采集端，参考图2，包括：

多端巡检模块，用于基于多端巡检装置和对应的预设巡检周期采集所述巡检范围内的巡检信息；

警情接收模块，用于接收所述巡检范围内所有报警通道接收的报警信息；

信息整合模块，用于分析所述巡检信息获得对应的巡检警情信息，将所述巡检警情信息和所述报警信息进行整合获得对应的实时警情信息。

该实施例中，预设巡检周期即为预设的每个巡检装置执行巡检的周期。

该实施例中，报警通道例如有：电话报警通道、网络报警通道、短信报警通道等。

该实施例中，巡检警情信息即为分析巡检信息获得的巡检范围内实时存在的灾情相关信息。

以上技术的有益效果为：通过对巡检信息进行实时分析判断出巡检范围内存在的灾情，再将其与报警信息进行整合，可以采集到巡检范围内的全面的灾情信息，避免存在无法报警的情况导致灾情危害持续扩大，也为后续准确生成巡检计划提供了资料。

实施例3：

在实施例2的基础上，所述多端巡检模块，参考图3，包括：

第一巡检单元，用于基于无人机装置和第一预设周期采集所述巡检范围内的巡检视频；

第二巡检单元，用于基于卫星监控装置和第二预设周期实时采集所述巡检范围内的卫星监控图像；

第三巡检单元，用于基于第三预设周期获取所述巡检范围内的消防设备巡检信息；

其中，所述巡检信息包括：所述巡检视频和所述危险监控图像以及所述消防设备巡检信息。

该实施例中，无人机装置即为用于在巡检范围内进行巡检的无人机和控制装置。

该实施例中，第一预设周期即为预先设置的利用无人机在巡检范围内进行巡检的周期。

该实施例中，巡检视频即为基于无人机装置和第一预设周期在巡检范围内进行巡检采集获得的视频。

该实施例中，卫星监控装置即为用于监控巡检范围内的卫星气象情况的装置。

该实施例中，第二预设周期即为预先设置的利用危险监控装置在巡检范围内进行巡检的周期。

该实施例中，卫星监控图像即为基于卫星监控装置和第二预设周期在巡检范围内进行巡检采集获得的图像。

该实施例中，第三预设周期即为预先设置的虎丘消防设备巡检信息的周期。

该实施例中，消防设备巡检信息即为检查巡检范围内的消防设备获得的信息。

以上技术的有益效果为：基于无人机装置和卫星监控装置获得的巡检信息消防设备巡检信息，可以实现对巡检范围内可能发横的灾情进行全方位监控巡检。

实施例4：

在实施例3的基础上，所述信息整合模块，参考图4，包括：

第一判别单元，用于基于所述巡检信息的信息来源确定对应的警情判别条件，基于所述警情判别条件识别出每种信息来源的巡检信息在所述巡检范围内对应的子巡检警情信息，将所有子巡检警情信息汇总，获得对应的巡检警情信息；

信息去重单元，用于对所述巡检警情信息和所述报警信息进行去重处理，获得对应的去重结果，将所述去重结果按照危急级别排序，获得对应的实时警情信息，并基于所述实时警情信息启动对应的救援计划。

该实施例中，信息来源包括：无人机装置、卫星监控装置、消防设备巡检信息。

该实施例中，警情判别条件即为判别是否发生对应种类灾情的判别条件，例如：当巡检视频汇总监控到巡检范围内存在大面积火势图，则判定巡检范围内发生火灾。

该实施例中，子巡检警情信息即为基于对应的警情判别条件识别出对应警情判别条件识别出在巡检范围内是否发生，若发生，则将对应的巡检信息作为对应的子巡检警情信息，否则，子巡检警情信息为无信息。

该实施例中，巡检警情信息即为将所有子巡检警情信息汇总后获得的信息。

该实施例中，去重结果即为对去重结果报警信息进行去重处理后获得的结果。

以上技术的有益效果为：通过基于巡检信息中包含的每种信息来源对应的发生警情的判别条件，判别出巡检范围内发生的所有灾情，并将发生灾情时区域内对应的巡检信息与报警信息进行去重汇总，可以获得巡检范围内全面的灾情信息，实现了对巡检范围内的灾情的有效监控。

实施例5：

在实施例4的基础上，所述预测端，参考图5，包括：

区域划分模块，用于将所述巡检范围内的巡检区域划分为多个子巡检区域；

信息调取模块，用于调取所述子巡检区域的历史灾情信息和历史巡检信息；

第一生成模块，用于基于所述历史灾情信息确定出所述子巡检区域中每种灾情对应的灾情记忆线轴；

第一提取模块，用于提取出每种信息来源的历史巡检信息对应的子历史信息特征；

信息融合模块，用于将所有子历史信息特征与所述灾情记忆线轴进行融合，获得对应种类灾情在对应子巡检区域中对应的历史信息特征线轴；

第二提取模块，用于在所述历史信息特征线轴中提取出每次发生对应种类灾情时对应的特征波动线轴段，获得对应种类灾情在对应子巡检区域中对应的特征波动线轴段集合；

对齐融合模块，用于对所述特征波动线轴段集合进行对齐融合，获得对应种类灾情在对应子巡检区域中对应的判别特征线轴段；

特征综合模块，用于基于所有灾情种类在对应子巡检区域中对应的判别特征线轴段，获得对应子巡检区域对应的判别特征线轴段集合；

第三提取模块，用于基于所述巡检信息确定出所述子巡检区域对应的子巡检信息，并对所述子巡检信息进行特征提取，获得对应的子巡检信息特征；

第二生成模块，用于基于所述子巡检信息特征拟合生成所述子巡检区域对应的子巡检信息特征线轴；

局部预测模块，用于判断所述子巡检区域对应的判别特征线轴段集合中是否存在与所述子巡检信息特征线轴局部重合的线轴段，若存在，则基于对应重合的线轴段对应的灾情种类和重合位置，确定出所述子巡检区域内可能发生的预测灾情种类和预测发生时间，将所述预测灾情种类和所述预测发生时间作为所述子巡检区域对应的局部预测结果，否则，将所述子巡检区域在预设周期内不会发生任何灾情作为对应的局部预测结果；

结果综合模块，用于将所述局部预测结果进行整合获得对应的预测结果。

该实施例中，子巡检区域即为将巡检范围内的巡检区域划分获得的子区域。

该实施例中，历史灾情信息即为对应子巡检区域曾经发生过的灾情的信息。

该实施例中，历史巡检信息即为对应子巡检区域曾经获得的巡检信息。

该实施例中，灾情记忆线轴即为基于所历史信息中的发生时间将历史信息与时间线轴融合后获得的对应种类灾情在子巡检区域中对应的表征曾经发生灾情的信息的时间轴。

该实施例中，子历史信息特征即为从每种信息来源的历史巡检信息中提取出的对应的信息特征。

该实施例中，历史信息特征线轴即为将所有子历史信息特征与灾情记忆线轴进行融合后获得的对应种类灾情在对应子巡检区域中对应的历史信息特征变化的时间线轴。

该实施例中，特征波动线轴段即为在历史信息特征线轴中提取出的每次发生对应种类灾情时历史信息特征发生博定的线轴段。

该实施例中，特征波动线轴段集合即为对应种类灾情在对应子巡检区域中对应的特征波动线轴段构成的集合。

该实施例中，判别特征线轴段即为对特征波动线轴段集合进行对齐融合后获得的对应种类灾情在对应子巡检区域中对应的用于判别对应子巡检区域中是否存在对应种类灾情的历史信息特征线轴段。

该实施例中，判别特征线轴段集合即为所有灾情种类在对应子巡检区域中对应的判别特征线轴段构成的集合。

该实施例中，子巡检信息即为在巡检信息中确定出的子巡检区域对应的巡检信息。

该实施例中，子巡检信息特征即为对子巡检信息进行特征提取后获得的对应的特征。

该实施例中，子巡检信息特征线轴即为基于子巡检信息特征拟合生成的表征对应子巡检区域的巡检信息特征变化的时间线轴。

该实施例中，基于对应重合的线轴段对应的灾情种类和重合位置，确定出所述子巡检区域内可能发生的预测灾情种类和预测发生时间，包括：

将对应重合的线轴段对应的灾情种类作为所述子巡检区域内可能发生的预测灾情种类；

将重合位置与对应的判别特征线轴段中对应种类灾情发生时间之间的时间间隔作为对应的预测发生时间。

该实施例中，局部预测结果包含对应子巡检区域在预设周期内对应的预测灾情种类和预测发生时间或者不发生任何灾情。

以上技术的有益效果为：对巡检范围内的局部巡检区域的历史灾情信息和历史巡检信息进行分种类灾情分析，获得对应子巡检区域中对应种类灾情的判别特征线轴段，基于该判别特征线轴段与最新生成的子巡检信息特征线轴进行比较判别，可以基于曾经的巡检信息的变化特征准确判别出对应子巡检区域中可能发生的灾情种类和预测发生时间，进而为后续生成针对巡检范围内局部区域进行了实时调整的巡检计划，克服了传统智能消防巡检方式死板的局限性。

实施例6：

在实施例5的基础上，所述第一生成模块，参考图6，包括：

信息分类单元，用于基于灾情种类对所述历史灾情信息分类，获得每种灾情对应的历史信息；

信息融合单元，用于基于所述历史信息中的发生时间将所述历史信息与时间线轴融合，获得对应种类灾情在所述子巡检区域中对应的灾情记忆线轴。

该实施例中，灾情种类例如：火灾、水灾等。

该实施例中，历史信息即为基于灾情种类对历史灾情信息分类后获得的每种灾情对应的信息。

该实施例中，灾情记忆线轴即为基于所历史信息中的发生时间将历史信息与时间线轴融合后获得的对应种类灾情在子巡检区域中对应的表征曾经发生灾情的信息的时间轴。

以上技术的有益效果为：通过将历史灾情信息中每种灾情对应的信息与时间线轴融合，获得每种灾情在对应子巡检区域中对应的灾情记忆线轴，为后续对对应子巡检区域中可能发生的灾情进行准确预测提供了参考数据。

实施例7：

在实施例6的基础上，所述生成端，参考图7，包括：

线轴更新模块，用于基于所述实时警情信息更新对应种类灾情在所述子巡检区域中对应的灾情记忆线轴，获得对应种类灾情在所述子巡检区域中对应的最新灾情记忆线轴；

第三生成模块，用于基于所述最新灾情记忆线轴和所述预测结果生成对应的最新巡检计划。

该实施例中，最新灾情记忆线轴即为基于实时警情信息更新对应种类灾情在子巡检区域中对应的灾情记忆线轴后，获得的对应种类灾情在子巡检区域中对应的最新的灾情记忆线轴。

以上技术的有益效果为：基于实时警情信息更新对应种类灾情在子巡检区域中对应的灾情记忆线轴，获得对应的最新灾情记忆线轴，基于最新灾情记忆线轴和预测结果可以生成针对子巡检区域中的灾情发生特征以及灾情预测结果更加合理的巡检计划，进而加强了巡检效果。

实施例8：

在实施例7的基础上，所述第三生成模块，参考图8，包括：

第一确定单元，用于基于所述预测结果确定出预设周期内在对应子巡检区域中可能发生的灾情种类对应的预测发生时间；

调取单元，用于调取出所述预测发生时间对应的子巡检区域对应的特征波动线轴段；

第二确定单元，用于基于所述特征波动线轴段对应的历史巡检信息的信息来源，确定出所述预测发生时间对应的第一巡检项目；

第三确定单元，用于基于所述子巡检区域中包含的所有预测发生时间对应的第一巡检项目获得对应的第一巡检项目集合；

时序排列单元，用于将所述第一巡检项目集合中包含的所有第一巡检项目在对应巡检子区域中对应的所有预测发生时间进行时序排列，获得对应的预测发生时间序列；

第四确定单元，用于基于所述预测发生时间序列生成对应子巡检区域对应的第一巡检时间梯度；

分析单元，用于分析所述子巡检区域中对应的最新灾情记忆线轴，获得所述子巡检区域中发生对应种类灾情的平均发生频率；

第五确定单元，用于基于对应种类灾情在对应子巡检区域中对应的特征波动线轴段对应的历史巡检信息的信息来源，确定出对应的第二巡检项目；

第六确定单元，用于基于所述平均发生频率确定出所述第二巡检项目对应的第二巡检时间梯度；

项目整合单元，用于基于所述第一巡检项目和所述第二巡检项目获得对应子巡检区域对应的巡检项目集合；

第一生成单元，用于将所述巡检项目集合中包含的第一巡检项目对应的第一巡检时间梯度和第二巡检项目时间梯度按照时序进行融合排列，生成所述子巡检区域中需要执行的每个巡检项目对应的巡检时间梯度；

第二生成单元，用于基于每个子巡检区域在所述巡检范围内的所处位置和对应子巡检区域中需要执行的每个巡检项目对应的巡检时间梯度生成对应的最新巡检计划。

该实施例中，第一巡检项目即为基于特征波动线轴段对应的历史巡检信息的信息来源确定出的预测发生时间对应的巡检项目，其中U型那件爱你项目包括：无人机装置巡检项目、卫星监控装置巡检项目、消防设备巡检信息获取项目。

该实施例中，第一巡检项目集合即为子巡检区域中包含的所有预测发生时间对应的第一巡检项目构成的集合。

该实施例中，预测发生时间序列即为将所有第一巡检项目在对应巡检子区域中对应的所有预测发生时间进行时序排列后获得的时间序列。

该实施例中，第一巡检时间梯度即为基于预测发生时间序列生成的对应子巡检区域对应的巡检时间梯度。

该实施例中，基于所述预测发生时间序列生成对应子巡检区域对应的第一巡检时间梯度即为：在预测发生时间序列中包含的每个预测发生时间前预设时间间隔设置对应的巡检时间，将该巡检时间按照时序排列获得对应的第一巡检时间梯度。

该实施例中，分析所述子巡检区域中对应的最新灾情记忆线轴，获得所述子巡检区域中发生对应种类灾情的平均发生频率，包括：

式中，Δt

例如，对应子巡检区域中发生火灾的时刻依次是2021年5月1日、2021年5月31日、2021年7月11日，则子巡检区域中发生火灾的平均时间间隔为35天，若预设周期为70天，则平均发生频率为2次。

该实施例中，第二巡检项目即为基于对应种类灾情在对应子巡检区域中对应的特征波动线轴段对应的历史巡检信息的信息来源确定出的巡检项目。

该实施例中，基于所述平均发生频率确定出所述第二巡检项目对应的第二巡检时间梯度即为：从当前时间开始每隔一个平均发生频率对应的发生时间间隔设置一个巡检时间，将该巡检时间按照时序排列获得对应的第一巡检时间梯度。

该实施例中，巡检项目集合即为将第一巡检项目和第二巡检项目汇总获得对应子巡检区域对应的需要执行的巡检项目的集合。

该实施例中，巡检时间梯度即为将巡检项目集合中包含的第一巡检项目对应的第一巡检时间梯度和第二巡检项目时间梯度按照时序进行融合排列后，生成的子巡检区域中需要执行的每个巡检项目对应的巡检时间的变化梯度。

以上技术的有益效果为：将基于最新灾情记忆线轴确定的第二巡检项目对应的第二巡检时间梯度和基于预测结果确定的第一巡检项目对应的第一巡检时间梯度融合生成对应的最新巡检计划，使得生成的巡检计划充分考虑到了对应子巡检区域中的灾情发生特征，也考虑到了对应子巡检区域可能发生灾情的预测结果，加强了巡检效果，使得智能消防系统可以全面及时地预警巡检范围内发生的所有灾情。

实施例9：

在实施例1的基础上，所述巡检端，参考图9，包括：

指令生成模块，用于基于所述最新巡检计划生成对应的巡检控制指令；

指令执行模块，用于基于所述巡检控制指令控制对应巡检装置在所述巡检范围内进行自动巡检。

该实施例中，巡检控制指令即为基于最新巡检计划生成的用于控制对应巡检装置进行巡检的指令。

以上技术的有益效果为：基于最新巡检计划生成控制对应巡检装置进行巡检的指令，进而实现基于最新巡检计划进行自动巡检，实现了智能消防系统的自动巡检功能。

实施例10：

本发明提供了一种自动巡检方法，参考图10，包括：

S1：基于多端巡检装置采集巡检范围内的巡检信息并接收所述巡检范围内的报警信息，基于所述巡检信息和所述报警信息获得实时警情信息；

S2：对所述巡检信息进行多维分析预测，获得对应的预测结果；

S3：基于所述警情信息生成对应的灾情记忆线轴，基于所述灾情记忆线轴和所述预测结果生成对应的最新巡检计划；

S4：基于所述最新巡检计划控制对应巡检装置进行巡检。

以上技术的有益效果为：通过对巡检信息进行实时分析判断出巡检范围内存在的灾情，再将其与报警信息进行整合，可以采集到巡检范围内的全面的灾情信息，避免存在无法报警的情况导致灾情危害持续扩大，也为后续准确生成巡检计划提供了资料。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。