一种基于工业互联和数字全景的安全环保应急系统

技术领域

本发明属于应急系统领域，涉及工业互联和数字全景技术，具体是一种基于工业互联和数字全景的安全环保应急系统。

背景技术

随着工业化进程的加速，环境污染问题日益突出，尤其是工业污染，对环境和人类健康安全的影响不可忽视；工业生产过程中会产生各类污染物，如何有效实时监控这些污染物，是环保和工业生产领域面临的重大挑战。

现有技术对工业污染物的监控中，在采集废气时，没有考虑到废气会受温度的影响，当废气遇到低温的冷空气时，气体可能会液化，从而使传感器采集到的气体数据与实际数据有差别；以及，现有技术方案，当废气的处理过程中发现意外情况，如废气处理后的安全指标不达标，为调查原因，工作人员通过采集的数据分析可能的异常原因，因为分析的依据少，同时不能直观的观察数据的变化导致事先判断异常原因的准确度不高，从而无法在第一时间找到问题原因，影响处理进度；

本发明提出了一种基于工业互联和数字全景的安全环保应急系统，以解决上述问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于工业互联和数字全景的安全环保应急系统，用于解决现有技术对工业污染的监控，在采集废气时，没有考虑到废气会受温度的影响，从而使传感器采集到的气体数据与实际数据有差别；以及，当废气的处理过程中发现意外情况，如废气处理后的安全指标不达标，不能第一时间对事故进行处理的技术问题。

为实现上述目的，本发明的第一方面提供了一种基于工业互联和数字全景的安全环保应急系统，包括：数据分析模块，以及与数据分析模块相连接的数据采集模块和应急处理模块；

数据采集模块：利用全景采集设备采集目标区域若干采集角度的图像数据；其中，全景采集设备包括全景相机或者VR摄像机，目标区域为废气处理区域；以及，

通过布局在目标区域中的数据传感器采集得到监测数据；其中，数据传感器包括空气质量传感器和温度传感器；

数据分析模块：基于全景拼接工具和拼接算法对若干采集角度的图像数据进行合成，得到全景图像；其中，全景拼接工具包括PTGui、Hugin或者Adobe Photoshop软件，拼接算法包括SIFT算法或者SURF算法；以及，

提取监测数据中的空气质量数据，对空气质量数据进行修正处理，得到修正数据；通过深度分析模型识别修正数据是否异常；是，则发送预警信号至应急处理模块；其中，深度分析模型基于人工智能模型构建；

应急处理模块：接收到预警信号后，基于修正数据在全景图像上定位异常位置，标记为事故位置；启动应急预案对事故位置采取应急措施；以及，

利用可视化工具，将事故位置和监测数据进行可视化展示；其中，可视化工具包括Tableau、Power BI、D3.js或者matplotlib。

优选的，所述利用全景采集设备采集目标区域若干采集角度的图像数据，包括：

通过在目标区域选取一个参考点，基于参考点，利用全景采集设备对目标区域进行360°全覆盖的拍摄。

优选的，所述布局在目标区域中的数据传感器采集得到监测数据，包括：

通过安装在排气口中的温度传感器和空气质量传感器实时采集得到废气实际浓度和对应采集时刻的废气实际温度；以及，

通过安装在排气口外的温度传感器采集得到环境温度；其中，环境温度不会受到排气口的影响。

优选的，所述基于全景拼接工具和拼接算法对若干采集角度的图像数据进行合成，得到全景图像，包括：

通过全景拼接工具对图像数据进行检测和匹配，得到特征点；基于拼接算法对特征点进行计算，得到描述符；基于描述符在图像数据中匹配，得到特征点对；以及，

利用几何变换模型得到特征点对的图像变换关系；其中，几何变换模型包括仿射变换或者投影变换；基于图像数据和图像变换关系，构建得到全景图像。

优选的，所述对空气质量数据进行修正处理，得到修正数据，包括：

将采集废气的实际浓度标记为C，对应采集时的废气实际温度标记为T，环境温度标记为T0，得到修正模型：Cx＝C×F，其中Cx是修正后的废气浓度，F为修正因子；以及，

基于公式PV＝nRT和气体浓度与体积的关系式C＝n/V，推出公式：C＝P/RT，得出气体浓度和温度成反比，从而得到修正因子F＝A×(T0/T)，即修正模型Cx＝C×A×(T0/T)，其中P表示压强，V代表气体体积，n代表摩尔数，R是理想气体常数，A为比例系数。

现有技术方案在采集废气浓度时，没有考虑温度对气体浓度的影响，从而导致所采集到的废气浓度与实际废气浓度有差异，该差异主要来源于当废气遇到低温的冷空气时，气体可能会液化，导致所采集到的废气浓度变小；

本发明通过构建修正模型，对采集到的废气浓度进行修正，使得到的修正后的气体浓度与实际气体浓度更为相近，提高了采集数据的精确度。

优选的，所述通过深度分析模型识别修正数据是否异常，包括：

基于废气历史数据对应废气的实际浓度和废气的实际温度生成标准输入数据；通过将标准输入数据输入到深度分析模型获取对应的历史修正数据，其中深度分析模型基于人工智能模型训练获取；以及，

基于历史修正数据与废气安全排放指标对比，超过安全排放指标，则判断废气质量异常，发送预警信号至预警处理模块；废气历史数据为采集目标区域的历史数据。

优选的，所述基于修正数据在全景图像上定位异常位置，标记为事故位置，包括：

基于修正数据所对应的异常传感器的位置信息，在全景图像上定位事故位置；基于事故位置，调取全景图像中所对应异常传感器的图像信息；其中位置信息包括：经纬度和相对于全景图像的像素位置；图像信息包括：异常传感器所在的具体位置以及周围环境和建筑设施。

现有技术方案在发现传感器数据异常时，通过数据分析和实地勘察去发现产生异常的原因，这不仅导致维修时间增长，工厂不能尽早的正常运行，同时在进行实地勘察时，长时间的停留，可能会对工作人员的安全产生影响；

本发明通过建立全景图像，利用异常传感器的位置信息，调取全景图像中所对应异常传感器的图像信息，为工作人员提供异常传感器的位置和周围环境与建筑设施，使工作人员直观的观察异常区域，有利于第一时间做出准确决策和采取应对措施。

优选的，所述启动应急预案对事故位置采取应急措施，包括：

基于无线通信技术，将应急处理模块与废气处理设备相连接，当接收到预警信号时，应急处理模块发送指令到废气处理设备，对事故位置采取应急措施；其中应急措施包括：停止生产工艺，减少废气的产生，以及关闭排气口，警示工作人员，并实时监测废气的数据供工作人员参考。

优选的，所述利用可视化工具，将事故位置和监测数据进行可视化展示，包括：

通过对修正数据进行预处理，得到可视化数据，其中预处理包括：数据清洗、聚合、计算衍生指标和统计分析处理；基于可视化数据，生成将可视化数据与图表关联的图像数据；基于图像数据，通过图表展示实时监测数据和预警信息；以及，

基于实时监测数据，通过可视化工具生成数据曲线，反映数据变化趋势。

现有技术方案通过采集数据去分析异常原因，这就可能会导致工作人员事先判断的异常原因准确度不高，造成这个问题的主要原因是，单一的数据不能提供给工作人员过多的信息，同时所分析的数据都为过去数据，这导致工作人员得到的判断依据很局限，从而判断异常原因的准确度不高。

本发明通过将采集到的数据进行可视化处理，展示在可视化界面上，这不仅可以为工作人员提供更为可靠和易观察的图表数据，还能通过实时监测，反映数据变化的趋势，从而不仅使工作人员得到更为直观的信息，还得到了更多的判断依据，提高了判断的准确性。

与现有技术相比，本发明的有益效果是：

1.现有技术对工业污染物的监控，在采集废气时，没有考虑到废气会受温度的影响，当废气遇到低温的冷空气时，气体可能会液化，从而使传感器采集到的气体数据与实际数据有差别；本发明通过气体浓度和温度成反比的关系得到修正因子，基于修正因子构建修正模型，对采集到的气体浓度进行修正，使得到的修正后的气体浓度与实际气体浓度更为相近，提高了采集数据的精确度。

2.现有技术方案，废气的处理过程中传感器采集到的数据发生异常，为调查原因，工作人员通过采集的数据去分析可能的异常原因，因为分析的依据少，同时不能直观的观察数据的变化，导致事先判断异常原因的准确度不高；本发明通过将采集到的数据进行可视化处理，将图表数据展示在可视化界面上，同时通过实时监测，反映数据变化的趋势，不仅使工作人员得到更为直观的信息，还得到了更多的判断依据，提高了判断的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的整体框架示意图；

图2为本发明实施例的具体流程示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1－图2，本发明第一方面实施例提供了一种基于工业互联和数字全景的安全环保应急系统，包括：数据分析模块，以及与数据分析模块相连接的数据采集模块和应急处理模块；

数据采集模块：利用全景采集设备采集目标区域若干采集角度的图像数据；其中，全景采集设备包括全景相机或者VR摄像机，目标区域为废气处理区域；以及，

通过布局在目标区域中的数据传感器采集得到监测数据；其中，数据传感器包括空气质量传感器和温度传感器；

通过在目标区域选取一个参考点，基于参考点，利用全景采集设备对目标区域进行360°全覆盖的拍摄；通过安装在排气口中的温度传感器和空气质量传感器实时采集得到废气实际浓度和对应采集时刻的废气实际温度；以及，通过安装在排气口外的温度传感器采集得到环境温度；其中，环境温度不会受到排气口的影响。

例如：有一个废气处理区域，需要监测废气的浓度和温度，并了解环境的温度情况；使用全景相机作为全景采集设备，以及温度传感器和空气质量传感器进行数据采集。

首先，在目标区域选取一个参考点，如该区域的中心位置；然后，基于参考点，使用全景相机对目标区域进行360°全覆盖的拍摄；这样就可以获取到目标区域各个方向的图像数据；

同时，在排气口中安装温度传感器和空气质量传感器；这些传感器会实时采集废气的实际浓度和对应采集时刻的废气实际温度；另外，在排气口外部安装温度传感器，该传感器采集环境温度；由于它不受到排气口的影响，可以提供准确的环境温度数据。

数据分析模块：基于全景拼接工具和拼接算法对若干采集角度的图像数据进行合成，得到全景图像；其中，全景拼接工具包括PTGui、Hugin或者Adobe Photoshop软件，拼接算法包括SIFT算法或者SURF算法；以及，

提取监测数据中的空气质量数据，对空气质量数据进行修正处理，得到修正数据；通过深度分析模型识别修正数据是否异常；是，则发送预警信号至应急处理模块；其中，深度分析模型基于人工智能模型构建；

通过全景拼接工具对图像数据进行检测和匹配，得到特征点；基于拼接算法对特征点进行计算，得到描述符；基于描述符在图像数据中匹配，得到特征点对；以及，利用几何变换模型得到特征点对的图像变换关系；其中，几何变换模型包括仿射变换或者投影变换；基于图像数据和图像变换关系，构建得到全景图像。

例如：要将图像1、图像2、图像3进行全景拼接；使用PTGui作为全景拼接工具，并选择SIFT算法进行特征点检测和匹配。

首先，将图像数据导入PTGui软件中；PTGui会自动检测和匹配特征点，生成特征点对；然后，利用拼接算法计算特征点的描述符；描述符表示特征点的独特特征，可用于特征点的匹配；接下来，通过描述符在图像数据中进行匹配，得到特征点对；特征点对表示在不同图像中对应位置的特征点。

在这个示例中，假设PTGui生成了以下特征点对：

图像1的特征点对：(p1，p2)，(p3，p4)

图像2的特征点对：(p5，p6)，(p7，p8)

图像3的特征点对：(p9，p10)，(p11，p12)

然后，使用几何变换模型(如仿射变换或投影变换)计算特征点对之间的图像变换关系；这些变换关系描述了如何将一个图像上的特征点移动到另一个图像上对应的位置；最后，基于图像数据和图像变换关系，构建全景图像；通过将每个图像根据其对应的变换关系进行重叠和融合，可以得到最终的全景图像。

将采集废气的实际浓度标记为C，对应采集时的废气实际温度标记为T，环境温度标记为T0，得到修正模型：Cx＝C×F，其中Cx是修正后的废气浓度，F为修正因子；以及，基于公式PV＝nRT和气体浓度与体积的关系式C＝n/V，推出公式：C＝P/RT，得出气体浓度和温度成反比，从而得到修正因子F＝A×(T0/T)，即修正模型Cx＝C×A×(T0/T)，其中P表示压强，V代表气体体积，n代表摩尔数，R是理想气体常数，A为比例系数；基于废气历史数据对应废气的实际浓度和废气的实际温度生成标准输入数据；通过将标准输入数据输入到深度分析模型获取对应的历史修正数据，其中深度分析模型基于人工智能模型训练获取；以及，基于历史修正数据与废气安全排放指标对比，超过安全排放指标，则判断废气质量异常，发送预警信号至预警处理模块；废气历史数据为采集目标区域的历史数据。

例如：一个废气采集系统，该系统可以采集目标区域内的废气浓度和废气温度；假设采集到了以下废气历史数据：废气实际浓度C＝100ppm，废气实际温度T＝300K，环境温度T0＝298K，比例系数A＝2。

根据修正模型Cx＝C×F，我们可以计算修正因子F：

F＝A×(T0/T)＝2×(298K/300K)＝1.9866

将修正因子应用到废气浓度上，得到修正后的废气浓度：

Cx＝C×A×(T0/T)＝100×1.9866＝198.66

将废气的实际浓度和实际温度作为标准输入数据，输入到深度分析模型中。深度分析模型基于训练得到的人工智能模型，可以对输入数据进行分析和处理，并生成历史修正数据；将历史修正数据与废气安全排放指标进行对比。如果修正后的废气浓度超过了安全排放指标，即Cx>安全排放指标，则判断废气质量异常，并发送预警信号至预警处理模块。

应急处理模块：接收到预警信号后，基于修正数据在全景图像上定位异常位置，标记为事故位置；启动应急预案对事故位置采取应急措施；以及，

利用可视化工具，将事故位置和监测数据进行可视化展示；其中，可视化工具包括Tableau、Power BI、D3.js或者matplotlib。

基于修正数据所对应的异常传感器的位置信息，在全景图像上定位事故位置；基于事故位置，调取全景图像中所对应异常传感器的图像信息；其中位置信息包括：经纬度和相对于全景图像的像素位置；图像信息包括：异常传感器所在的具体位置以及周围环境和建筑设施；基于无线通信技术，将应急处理模块与废气处理设备相连接，当接收到预警信号时，应急处理模块发送指令到废气处理设备，对事故位置采取应急措施；其中应急措施包括：停止生产工艺，减少废气的产生，以及关闭排气口，警示工作人员，并实时监测废气的数据供工作人员参考。通过对修正数据进行预处理，得到可视化数据，其中预处理包括：数据清洗、聚合、计算衍生指标和统计分析处理；基于可视化数据，生成将可视化数据与图表关联的图像数据；基于图像数据，通过图表展示实时监测数据和预警信息；以及，基于实时监测数据，通过可视化工具生成数据曲线，反映数据变化趋势。

例如：通过修正模型和深度分析模型得到了废气浓度的修正数据，并接收到了废气质量异常的预警信号。下面是一个示例，说明如何基于修正数据在全景图像上定位事故位置并进行可视化展示：

首先，根据修正数据所对应的异常传感器的位置信息，在全景图像上定位事故位置。假设已经确定了事故位置在全景图像的像素坐标为(x,y)。

接下来，调取全景图像中事故位置所对应的图像信息；这包括异常传感器所在的具体位置以及周围环境和建筑设施；可以通过提取图像中的区域或者标记事故位置来展示。

使用可视化工具(如Tableau、Power BI、D3.js或者matplotlib)，将事故位置和监测数据进行可视化展示。例如，可以在全景图像上标记事故位置，并通过数据图表显示废气浓度的修正数据，以及其他相关的监测数据(如温度、压强等)。

基于无线通信技术，将应急处理模块与废气处理设备相连接。当接收到预警信号时，应急处理模块可以发送指令至废气处理设备，对事故位置采取应急措施。这些应急措施可以包括停止生产工艺、减少废气的产生以及关闭排气口等。同时，警示工作人员，并实时监测废气的数据供工作人员参考。

通过对修正数据进行预处理，可以得到可视化数据。这包括数据清洗、聚合、计算衍生指标和统计分析处理等步骤。

基于可视化数据，生成将可视化数据与图表关联的图像数据。可以根据实际需求选择合适的可视化工具进行操作，以展示实时监测数据和预警信息。

最后，基于实时监测数据，通过可视化工具生成数据曲线，以反映数据变化趋势。这可以帮助工作人员更直观地了解废气监测数据，并及时采取相应的措施。

上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。

本发明的工作原理：

利用全景采集设备采集目标区域若干采集角度的图像数据；以及，通过布局在目标区域中的数据传感器采集得到监测数据；基于全景拼接工具和拼接算法对若干采集角度的图像数据进行合成，得到全景图像；提取监测数据中的空气质量数据，对空气质量数据进行修正处理，得到修正数据；通过深度分析模型识别修正数据是否异常；是，则发送预警信号至应急处理模块；其中，深度分析模型基于人工智能模型构建；接收到预警信号后，基于修正数据在全景图像上定位异常位置，标记为事故位置；启动应急预案对事故位置采取应急措施；以及，利用可视化工具，将事故位置和监测数据进行可视化展示。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。