集成視頻監控功能的智能設備可視化管理方法

吳忠, 劉糝亮

(國網衢州供電公司,浙江,衢州 324000)

0 引言

安全生產一直電力企業永恒的主題,而安全工器具的好壞,將直接影響到電力企業在安全生產過程中的人身和設備安全。當前衢州公司按照上級管理部門精神以及本級單位相關制度規定,基本上做到了工器具“安全可靠、合格有效”,日常管理、現場使用情況以及檢測可控可防,整體平穩。但是,當前省、地市公司和縣級供電企業之間針對安全工器具管理的管理模式、職責分工、場地建設、管控水平、智能化設備配置、庫房建設、數據統計等方面存在較大差異。

經過調研,針對整體現狀整理出目前對于安全工器具的管理存在的問題有管理使用過程漏洞太大、供應商管理約束機制以及數據分析不健全、出入庫管理流于形式且不符合安全監督管控要求、檢測需求無法精準分析、安全工器具資源配置不均衡、安全工器具無法集約化管理、現階段信息化應用無法共享等問題。目前在用的安全生產風險管控平臺內工器具臺賬模塊、工器具檢測模塊、人員管理模塊、PMS2.0系統(電子化工作票模塊)、數字化班組(信息透明化)、智能化供電所、自建系統等省推系統之間數據信息交互不足,無法與各個系統之間實現在線共享,造成工器具精細化管理的“信息孤島”[1]。

針對上述技術與的不足,建立一套健全、符合業務規范的全壽命周期安全工器具智能庫房管控平臺十分必要。本研究設計了集成視頻監控功能的智能設備可視化管理方法,能夠實現安全工器具智能庫房管控的全壽命周期監管,并且能夠實現可視化管理,提高了監管能力。

1 可視化管理方案設計

本文設計了一套對人、財、物資源進行集約化管理,提高效率,降低成本,提升安全工器具配置水平,切實達到保護生產現場作業安全的目標;杜絕臺賬信息和實際物資“兩張皮”的問題;加強安全工器具質量管控,更好地規范供應商的履約行為;借助平臺,使監督檢查更具操作性。同時隨著電力系統兩票制工作管理制度的落實,還需要能夠支持兩票制的相關功能。基于目前市場數字化智能技術,利用科技及信息化技術的手段[2-3]提升安全工器具全壽命周期的管理效率,消除潛在的安全隱患。為實現“世界一流電網,國際一流企業”提供堅實有力的信息化保障。整體架構示意圖如圖1所示。

圖1 可視化管理方案架構示意圖

本研究系統由操作人員工作站、工程師工作站等構成,全壽命周期安全工器具智能庫房管控平臺由基礎設施層、平臺支撐層、數據資源層、業務邏輯層、展現層、客戶端等組成。其中數據資源層包含對規范化業務數據的預處理、計算、存儲、挖掘整合等技術手段;業務邏輯層通過柜體和柜位相對應,包括人員管理、工器具臺賬管理、出入庫記錄管理、工器具檢驗進度管理、檢驗周期預警、借用時長超期預警、工作票對應工器具準備和工作票結束后安全工器具歸位狀態記錄、現場視頻、實時監測數據、告警提醒、庫房內溫濕度照明控制、語音播報、大屏展示信息、區域規劃、工器具定位、出入控制、工器具采購、出入庫記錄、庫存盤點、工器具調撥、借用,搶修領用、供應商管理、統計分析等個性化數據應用,并實現預警管控[4];綜合展現層采用PC、移動終端、大屏等多種展示載體,進行全壽命周期安全工器具智能庫房管控平臺可視化展示。

在基礎設施層設計中,通過支撐提供全壽命周期安全工器具智能庫房管控平臺的基礎運行環境,包括網絡、硬件、存儲和操作系統。平臺支撐層通過全壽命周期安全工器具智能庫房管控平臺提供音視頻數據。數據資源層能夠提供工器具臺賬管理與調配、出入庫、送檢、供應商管理、門禁系統、可視化展示等各類全壽命周期安全工器具智能庫房管控平臺數據存儲和訪問服務。業務邏輯層能夠提供安全工器具領用、歸還、送檢、門禁、工作票等應用,支持移動應用和大屏可視化應用。展現層能夠通過SG-UAP移動開發組件,采用JSP/HTML、JS、JQuary、CSS等技術開發,分別支撐移動可視化和桌面可視化開發工作[5-6]。

監控系統工作時,監控系統的監控點實時監控智能設備現場各區域,所有的監視器自動巡視各監視區域,也可手動定點監視重要區域[7-8]。回傳的每路視頻圖像疊加監控時間、攝像頭編號和監視器名稱等信息。利用入侵檢測技術劃分非工作區域和危險區域,對智能設備進行識別,輸出智能設備的異常行為,從而避免檢修時誤碰帶電設備等造成人身安全事故[9]。同時監控系統具有自動報警功能,自動檢測智能設備檢測區域內的異常變化,并進行實時錄像和抓拍,支持與報警系統聯動。

2 視頻監控技術設計

本研究基于嵌入式設計出多通道的數字視頻采集設備,監控視頻畫面的分辨率更高,支持多路視頻的實時采集和高速壓縮編碼處理[10]。多通道的數字視頻采集設備硬件結構如圖2所示。

圖2 視頻監控硬件架構設計

為了提高視頻監控能力,采用多通道的數字視頻采集設備,采用的主控芯片為TMS320DM8168,在硬件模塊上,系統主要包括ARM子系統、高清視頻處理子系統、編解碼子系統和DSP子系統,ARM子系統要負責對其他外圍電路的配置和控制,高清視頻處理子系統負責對視頻數據進行壓縮編碼、濾波和格式轉換等工作,DSP子系統負責視頻數據的管理工作。視頻采集模塊使用TVP5158芯片,負責智能設備多路視頻的采集[11],將采集到的視頻數據發送給主控模塊進行相應的處理。視頻采集模塊電路如圖3所示。

圖3 視頻采集模塊電路

視頻采集模塊采用多路視頻復用可同時對四路模擬視頻信號轉換為數字視頻信號,將采集到的智能設備視頻數據首先需要通過A/D轉換器,然后分離視頻圖像的色度信號和亮度信號,經過濾波將視頻信號進行整合,再經過定標器處理制定視頻信號的格式,然后根據系統對智能設備視頻圖像的需求將數字視頻格式發送到后端視頻處理器的輸入接口上[12]。視頻采集模塊電路支持16路數字視頻的輸入,可接收ITU-RBT.656和BT.1120格式兩種格式的數字視頻信號。TVP5158芯片的解碼器輸入端輸入的多路視頻信號數字化后復用在一路輸出,提高主控芯片VP口的利用率。

3 可視化管理方法

本文采用改進型隨機森林模型實現智能設備數據信息的可視化監控,通過以下方法實現智能設備的可視化監控與管理,隨機森林算法的工作示意圖4所示。

圖4 隨機森林算法工作示意圖

首先構建隨機森林算法模型時,該模型構建原理通過隨機方式建立起來,在該模型中需要設置不同屬性的決策樹。每種屬性的決策數需要構建一棵決策樹分支,通過設置屬性,將不同的數據分支提取出來,進而篩選出不同類型的數據信息。構建完畢后,將不同的數據樣本輸入到森林模型內。進而實現不同類型數據判斷。

首先輸入智能設備數據學習樣本,假設記作為Xi=(Xi1,Xi2,…,XiD),在構建隨機森林算法模型時,需要設置根節點和分節點,將多種數據信息分配在一棵樹,根據不同的數據屬性選擇同一葉節點,當輸出相同參數數據信息時,設置為1,當輸出不同參數數據信息時,設置為0。然后構建樣本數據庫,學習器分類如圖5所示。

圖5 分類器架構示意圖

假設給定智能設備數據信息中的種群中存在L個粒子,則第i個粒子的M維空間位置矢量記作i=(1,2,…,L),d=(1,2,…,M),速度為vi=(vi1,vi2,…,vid),智能設備數據信息特征取值表達式為

vid=ωvid+c1rand()(pid-XiD)+

c2rand()(pid-XiD)

(1)

XiD=XiD+vid

(2)

式(1)～式(2)中,ω為慣性權重,c1和c2為加速度常數,rand()為隨機函數,在[0～1]范圍內隨機波動。選擇智能設備數據信息特征樣本,智能設備數據全周期不同數據信息的誤差公式為

(3)

式(3)中,eOOB(i)為第i個智能設備數據信息特征選取值的數值誤差,k為智能設備數據信息粒子群對隨機森林的決策樹。通過選擇不同的分類節點,最終決策樹輸出算法模型為

(4)

式(4)中,Ti為實際智能設備數據信息周期數據量,Pi為智能設備數據信息決策樹輸出評估量,n為輸入決策樹模型后,設置不同智能設備全壽命周期預測點的個數。為了提高智能設備可視化監控效果[13],通過GA技術實現智能設備數據信息模型效率輸出,則該模型為

(5)

式(5)中,Pi為智能設備不同數據屬性之間在關聯上的距離之和,X、Y分別為Xi、Yi在二維坐標系統下的駐點地址(Xi,Yi),T為在智能設備在特定屬性下,一定周期內的智能設備數據節點與其他屬性具有關聯性所在時間段,λ為提取智能設備數據信息的成本,其中:

(6)

式(6)中,CZ(Si)為第i個智能設備輸出的全生命周期數據信息,Si為第i個隨機森林算法模型計算的數據量,r0為隨機森林算法模型受外界數據信息影響數值,為全生命周期內數據參數量,β為隨機森林算法模型,N為計算過程中智能設備種類,ji為第i個智能設備所有周期數據的可視化參數值,gij為智能設備全壽命工作工程中輸出的參數信息量,Pj為智能設備數據信息全壽命周期內具有的所有區域點故障數據,Dij為第i個一種智能設備數據信息與第j個智能設備數據信息之間的距離,通過公式可以反映不同智能設備數據信息的關系。

4 實驗結果與分析

為驗證本研究遠程網絡視頻監控系統的性能,分別使用文獻[3]系統、文獻[4]系統和本研究方法進行實驗,對比3種系統的監控視頻數據傳輸速度以及對人體異常行為的識別率。實驗環境如表1所示。

表1 實驗環境

在表1的數據環境中,為何這樣設置?這是因為試驗時,這種方式即可滿足需求。

為了提高視頻監控功能,直接通過數據提取的方法實現數據監控[13],實時狀態監控應用示意圖如圖6所示。

圖6 實時狀態監控應用示意圖

圖6的狀態監視原理是通過客戶端與云服務端時實現數據通信,操作過程中,通過服務器處理數據信息,用戶根據不同情況進行數據處理和與計算。

通過一段時間的工作,本研究方法監控視頻界面如圖7所示。

圖7 實驗環境架構

對智能設備的視頻監控實驗樣本數據進行傳輸。實驗分為五組,智能設備發送實驗樣本,系統接收到樣本數據并記錄數據傳輸時間。監控視頻數據大小設定為0～100 GB,實驗樣本如表2所示。

表2 實驗樣本

為了驗證本研究技術方案,將文獻[3]和文獻[4]與本研究方法進行對比分析,從時間上看,三種系統傳輸實驗樣本使用的時間如圖8所示。

圖8 數據傳輸時間示意圖

通過圖8的對比示意圖,可以看出,本研究系統傳輸實驗樣本使用時間最短,監控視頻數據傳輸過程速率平穩,網絡穩定可靠。隨著視頻數據量的增加,傳輸時間增長幅度不大。對數據量較大的實驗樣本5進行傳輸時,所用時間僅為51.2 s,最大傳輸速度可達到1.65 GB/s。

然后驗證本研究方法可視化識別能力,作為對比實驗,測試樣本數量設置為1 000 000個,人為設置故障數據量不同情況,則識別出的數據信息表如表3所示。

表3 實驗樣本

通過表3的樣本數據記錄,為了能從整體上實現可視化識別率對比,繪制如圖9所示的結構示意圖,采用k-means方法與本文方法進行對比。可視化識別率對比示意圖如圖9所示。

圖9 可視化識別率對比示意圖

通過圖9可以看到,通過本文方法進行可視化識別后,在經歷5小時的數據計算后,本研究的識別率在100%附近,可視化識別率比較高。

5 總結

由于當前智能設備在工作過程中輸出大量的數據信息,尤其是智能設備全壽命周期過程中數據類型繁多,對數據監督直接決定了智能設備運行狀況,為了提高可視化監督程度,采用的主控芯片為TMS320DM8168的芯片實現智能設備高清視頻處理,通過編解碼子系統和DSP子系統實現視頻數據計算,通過改進型隨機森林模型提高智能設備數據信息的可視化監控程度,通過試驗發現,本文方法數據傳輸短、工作效率高,可視化識別率能力強,本文在智能設備全壽命監控方面做出一定的技術貢獻,后期仍需一定的技術研究。