CN115695541A - 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 - Google Patents
基于边缘计算的网点巡检监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115695541A CN115695541A CN202211187525.1A CN202211187525A CN115695541A CN 115695541 A CN115695541 A CN 115695541A CN 202211187525 A CN202211187525 A CN 202211187525A CN 115695541 A CN115695541 A CN 115695541A
- Authority
- CN
- China
- Prior art keywords
- inspection
- data
- routing
- network point
- execution object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004364 calculation method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title description 20
- 238000007689 inspection Methods 0.000 claims abstract description 423
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000013439 planning Methods 0.000 claims abstract description 7
- 238000012806 monitoring device Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000007639 printing Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于边缘计算的网点巡检监测方法，包括：获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果，提高网点巡检监测的效率。
Description
技术领域
本发明涉及物流技术领域，尤其涉及一种基于边缘计算的网点巡检监测方法、装置、设备及存储介质。
背景技术
在现有的物流技术领域，利用互联网技术和完善的配送机制，已经开发构建了面向社会企业、消费者的共同配送体系，并且已经将自动化、可视化、可控化、智能化的发展成果应用到物流系统中。物流网点的工作通常负荷较大，大量的快件在进入网点后，通过人工分拣，再经过派件员进行归类后才会对快件进行派送。在此期间网点所产生的暴力分拣、派送时效、标准化、网点合规、末端建设等网点记录无法第一时间获取解决问题。另外，也存在快递盘点技术落后的，导致人为因素影响大，差错率高，增加额外陈本，流程跟踪也常常不到位，责任难以界定，数据更新算法存在提升空间，工作效率较低。
鉴于此，有必要提出一种基于边缘计算的网点巡检监测方法，避免人为操作带来的弊端。
发明内容
本发明的目的是提供一种基于边缘计算的网点巡检监测方法、装置、设备及存储介质。
本发明所提供的一种基于边缘计算的网点巡检监测方法，包括：
获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；
基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；
基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；
根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。
优选地，所述根据预设的巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
提取所述巡检数据中的日志数据；
对所述日志数据进行预处理并将所述日志数据解析成日志模板；
根据所述巡检观测指标对解析后的所述日志数据进行特征提取，得到与巡检规范相关的日志模板或特征向量并通过机器学习模型进行训练，生成标准检测模型；
基于日志数据的标准检测模型识别超过预设范围数据为异常，输出不规范日志数据。
优选地，所述根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
根据巡检观测指标对所述巡检数据预设网点标准；
获取所述目标网点当前巡检数据并与预设网点标准进行对比，得到巡检结果；
当所述巡检结果不符合标准时，对当前巡检任务建立标签并发出巡检提示，当所述巡检结果符合标准时，则生成对应的巡检记录报表。
优选地，所述获取目标巡检网点和所述目标巡检网点对应的巡检执行对象中，所述巡检执行对象包括巡检设备或巡检操作人员。
优选地，所述基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地包括：
自动获取所述巡检执行对象的巡检目的地、巡检时间和巡检路线；
采用射频识别、蓝牙、WiFi、GPS位置校验方式确保所述巡检执行对象定位与所述巡检目的地一致；
在巡检路线中形成预设的巡检路线打卡点，当所述巡检执行对象每到一处巡检路线打卡点时，服务器自动进行记录。
优选地，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
在所述目标网点设置RFID标签；
通过RFID电子标签巡检设备读取对应网点的RFID标签并形成巡检数据同步至服务器，
其中，所述巡检数据包括各巡检过程中的巡检记录，即目标网点基础信息、网点标准化信息、网点时效/服务质量信息、网点末端建设信息、网点合规经营信息、网点安全生产巡检表、网点客户清单、网点专项检查表。
优选地，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
通过巡检设备采集一系列巡检过程中的图像并将采集到的图像作为图像样本数据，所述图像样本数据包括不合规图像数据和合规图像数据，通过机器学习建立巡检监测模型；和/或；
通过巡检设备采集一系列巡检过程中的视频流并将采集到的视频流作为视频流样本数据，所述视频流样本数据包括不合规视频数据和合规视频数据，通过机器学习建立巡检监测模型。
本发明所提供的一种基于边缘计算的网点巡检监测装置，其特征在于，包括：
巡检目标获取模块，用于获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；
巡检点校验模块，用于基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
巡检功能模块，用于根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；
巡检数据同步模块，用于采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；
巡检结果输出模块，用于根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。
本发明所提供的一种基于边缘计算的网点巡检监测设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行计算机可读指令时，实现如本发明实施例所述的基于边缘计算的网点巡检监测方法。
本发明所提供的一种计算机可读介质，存储计算机程序，其特征在于，所述计算机程序被一个或多个处理器执行时，实现如本发明实施例所述的基于边缘计算的网点巡检监测方法。
针对现有技术，本发明具有如下的有益效果：
本发明所提供的基于边缘计算的网点巡检监测方法，设置巡检执行对象，采用定位技术确保巡检执行对象的巡检目的地的到位，基于边缘计算技术采集巡检数据，提高服务器的响应时间，实现数据优化、实时响应、敏捷连接实现数据同步，筛选识别不符合规范的巡检数据，为下一步线下整改做准备；同时巡检执行对象对图片、视频流进行远程监控，合理配置人员调度，提高网点巡检监测的效率。
附图说明
图1为本发明实施例一中所述基于边缘计算的网点巡检监测方法的步骤示意图；
图2为本发明实施例二中所述基于边缘计算的网点巡检监测装置原理图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
实施例一
如图1所示，本发明所提供的一种基于边缘计算的网点巡检监测方法，包括：
获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；巡检执行对象配备有巡检数据采集设备，如移动终端等，用于定位网点巡检节点并同步数据至服务器。
基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；针对每个巡检计划向对应的巡检项发出预设的巡检指令以获取待巡检内容；在接收到所述巡检指令对应的待巡检内容时，将所述待巡检内容与预设的标准内容进行比对，得到巡检结果；在所述巡检结果表示所述待巡检内容与标准内容不匹配时，根据当前巡检项生成相应的告警信号，并将其发送至当前巡检项对应的预设终端。巡检维度包括本次巡检的网点名称、网点地址、网点基础信息、标准化、时效/服务质量、末端建设、合规经营、网点安全生产、全行业客户清单、疫情防控专项检查等与网点标准化相关的指标。
基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；边缘计算(Edge Computing)是一种特殊的信息/数据处理方式，因为其所在的位置介于本地与远程之间，与完全基于云的传统模式相比，边缘系统架构将存储、计算、处理和组网等云功能推近生成或使用数据的设备。边缘计算是因为工业领域对实时性的要求比较高，特别是对于现场的控制/驱动，例如高速/电机，机器人，生产线等，都是小于100ms,互联网的传输方式要做到ms级别的实时与同步难度比较大一些，边缘计算的意义在于减轻远程/云端计算的计算量，边缘计算还能对本地的数据进行一些处理，例如过滤/清洗/去重等，按照不同的应用场景需求来设定规则。本实施例中，可采用拥有强劲的边缘计算能力的边缘网关，分担部署在云/远程端的计算资源,在物联网边缘节点实现数据优化、实时响应、敏捷连接、模型分析等业务，使AI时代下的数字化物联网更进一步。边缘网关可以是AR7088H。边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务；目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。通俗地说：边缘计算本质上是一种服务，就类似于云计算、大数据服务，但这种服务非常靠近用户，响应速度快。
根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。所述巡检观测指标包括网点基础设施建设、时效/服务质量、末端建设等与标准相关的设置。
具体地，所述获取目标巡检网点和所述目标巡检网点对应的巡检执行对象中，所述巡检执行对象包括巡检设备或巡检操作人员。本实施例中巡检设备可以是可佩戴的巡检设备、摄像头、无人机、机器人等。执行对象为巡检操作人员时，在巡检人员进行本次巡检的路线中，将手机完成的网点巡检记录上传至服务器中进行分析，例如本次巡检的网点名称、网点地址、网点基础信息、标准化、时效/服务质量、末端建设、合规经营、网点安全生产、全行业客户清单、疫情防控专项检查等。将本次巡检记录上传至服务器中进行分析。若巡检对象为摄像头等巡检监控设备时，在各网点设置摄像头，可通过远程监控完成巡检任务。
为了方便管理者通过服务器实时掌握员工/巡检动态，监控巡检任务的进度，提高巡检效率，所述基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地包括：
自动获取所述巡检执行对象的巡检目的地、巡检时间和巡检路线；
采用射频识别、蓝牙、WiFi、GPS位置校验方式确保所述巡检执行对象定位与所述巡检目的地一致；利用射频识别、蓝牙、GPS位置校验方式确保人员真实到位，发现异常时自动上报，通知相关处理人，手机连接外部传感器，自动传输检测数值，管理者可及时查看人员巡检轨迹。
在巡检路线中形成预设的巡检路线打卡点，当所述巡检执行对象每到一处巡检路线打卡点时，服务器自动进行记录。
本领域技术人员可以理解，采用定位技术确定需要巡检的网点和该网点的的巡检人员批次并进行记录，随机抽查本次需要巡检的网点，并获取服务器中该网点对应的巡检人员批次，在确定好该巡检人员时即可对本次网点进行记录，包括巡检地，可以是服务器自动获取的定位，巡检人员也可手动输入巡检地、巡检时间，可以精确时间至秒、巡检路线，可根据服务器自动规划巡检路线。且在巡检路线中形成预设的巡检路线打卡点，当巡检人员每到一处巡检路线打卡点时，服务器自动进行记录。
为了提高对大量巡检数据的筛选处理，并显示异常数据方便对网点的异常数据进行整改，所述根据预设的巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
提取所述巡检数据中的日志数据；提取日志数据中的巡检数据；
对所述日志数据进行预处理并将所述日志数据解析成日志模板；
根据所述巡检观测指标对解析后的所述日志数据进行特征提取，得到与巡检规范相关的日志模板或特征向量并通过机器学习模型进行训练，生成标准检测模型；输入是日志解析步骤中生成的日志事件，输出是事件计数矩阵。在利用窗口技术构建日志序列之后，生成事件计数矩阵。在每个日志序列中，我们计算每个巡检日志事件的发生次数，以形成巡检事件计数向量。
基于日志数据的标准检测模型识别超过预设范围数据为异常，输出不规范日志数据。
本领域技术人员可以理解，基于日志异常检测方法，主要功能如下：日志搜集：大规模系统通常会生成巡检日志来记录系统巡检状态和巡检运行时信息，每个巡检日志都包括时间戳和指示发生了巡检相关的日志消息。日志解析：日志是非结构化的，包含自由形式的文本。日志解析的目的是提取一组事件模板，从而可以构造原始日志。更具体地说，每个日志消息都可以被解析成带有一些特定参数(可变部分)的事件模板(恒定部分)。特征提取：将日志解析成单独的事件后，编码成数字特征向量。使用不同的分组技术将原始日志分割成一组日志序列，包括固定窗口、滑动窗口和会话窗口。对每个日志序列，生成一个特征向量(事件计数向量)，表示每个事件的发生次数。所有特征向量形成特征矩阵，即事件计数矩阵。异常检测：将特征矩阵馈送给机器学习模型进行训练，生成异常检测模型。本实施例中不符合预估行为作为异常模式。
具体地，所述根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
根据巡检观测指标对所述巡检数据预设网点标准；
获取所述目标网点当前巡检数据并与预设网点标准进行对比，得到巡检结果；例如定时揽收率的实际值低于目标值时，输出并分析结果数据。
当所述巡检结果不符合标准时，对当前巡检任务建立标签并发出巡检提示，当所述巡检结果符合标准时，则生成对应的巡检记录报表。例如，门头标准化、看板、公告栏、车辆、员工着装等设置是否标准，网点现场基础设施是否能达到6S标准(整理、整顿、清洁、清扫、素养、安全)。
本领域技术人员可以理解，在服务器获取网点的巡检记录后，收集并整理所有的网点巡检信息记录并对其进行分类，并生成对应巡检记录报表；网点基础信息报表分类字段包括1基础信息：网点名称、网点负责人、联系方式、网点地址、交件分拨(路由团队提供)、与分拨距离、经营年限等；2业务量信息包括：揽件量(昨日、上周日均、对比上周、上月日均)、派件量(昨日、上周日均、对比上周、上月日均)；3人车场地：场地面积、承包区数量、三方门店数、管理人员数、客服人员数、操作人员数、后勤人员数、车型数量等。全行业客户清单报表分类字段包括1、客户名称：客户信息(门店/店铺名称、联系人、联系方式、客户地址、所属平台)；2产品信息(产品类目、日均件量、均重、是否泡货)；3同行价格(价格、发件量、份额)。标准化报表字段包括1、门头标准化(是否标准、原因分析、解决方案、现场照片)2、看板(客服、6S、安全提示牌等)；3、公告栏；4、车辆标准化。时效/服务质量报表字段包括1、定时揽件率(目标值、实际值、差值、上周均值、对比提升)如果时效/服务质量、末端建设等相关指标的实际值低于目标值，则输出不符合设定的巡检数据；2、定时交件率(目标值、实际值、差值、上周均值、对比提升；3、定时分发率；4、1D1030签收率；5、1D2359签收率；6、电联率；7、物流投诉率；8、遗失破损率。末端建设报表字段包括1、末端建设总计(目标值、实际值、差值、上周均值、对比提升、完成率)2、标准店；3、基础店；4、合作店。合规经营报表字段包括1、网点合规(执照名称、法人姓名、有效期、营业执照、许可名称、许可照片、是否签订合同)；2、末端合规(末端门店数、已备案数、未备案数、门店类型、门店名称、门店地址、负责人、联系方式)。如网点未签订合同，需要输出不规范的巡检结果并分析原因，进行进一步整改符合标准化。在获取全网的巡检记录报表后对全网的巡检记录进行分析。
为了及时同步巡检数据，同步数据的响应效率高，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
在所述目标网点设置RFID标签；本实施例中，RFID标签可以附着在目标网点的基础设施、巡检人员佩戴的巡检设备等，通过RFID标签和对应的读取设备，快速定位巡检位置等数据。
通过RFID电子标签巡检设备读取对应网点的RFID标签并形成巡检数据同步至服务器，
其中，所述巡检数据包括各巡检过程中的巡检记录，即目标网点基础信息、网点标准化信息、网点时效/服务质量信息、网点末端建设信息、网点合规经营信息、网点安全生产巡检表、网点客户清单、网点专项检查表。
对某项不符合规范网点巡检记录生成对应的整改方案，将整改方案发送至对应的服务器上网点负责人节点，负责人节点根据整改方案进行改革，在下次巡检时即可查看是否完成整改，根据以上方法能有效提升网点经营效率、派送时效和让网点的末端建设更加标准化。
具体地，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
通过巡检设备采集一系列巡检过程中的图像并将采集到的图像作为图像样本数据，所述图像样本数据包括不合规图像数据和合规图像数据，通过机器学习建立巡检监测模型；和/或；
通过巡检设备采集一系列巡检过程中的视频流并将采集到的视频流作为视频流样本数据，所述视频流样本数据包括不合规视频数据和合规视频数据，通过机器学习建立巡检监测模型。
本实施例中，巡检人员远程监控巡检数据，巡检数据可以是图片或视频流等方式，便于巡检人员远程监控，实现无人网点的自动监控，监测到不合规范的数据再进行线下整改，不需要管理人员时刻到达网点巡检，实现人员的合理配置。
实施例二
如图2所示，本发明所提供的一种基于边缘计算的网点巡检监测装置，包括：
巡检目标获取模块，用于获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；
巡检点校验模块，用于基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
巡检功能执行模块，用于根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；
巡检数据同步模块，用于采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；
巡检结果输出模块，用于根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。
本发明所提供的基于边缘计算的网点巡检监测方法，通过设置不同的巡检执行对象，采用定位技术确保巡检执行对象的巡检目的地的到位，基于边缘计算技术采集巡检数据，提高服务器的响应时间，实现数据优化、实时响应、敏捷连接实现数据同步，筛选识别不符合规范的巡检数据，为下一步线下整改做准备；同时巡检执行对象对图片、视频流进行远程监控，合理配置人员调度，提高网点巡检监测的效率。
上述巡检目标获取模块、巡检点校验模块、巡检功能模块、巡检数据同步模块、巡检结果输出模块的具体内容及实现方法，均如实施例一中所述，在此不再赘述。
实施例三
本发明还提供了一种基于边缘计算的网点巡检监测设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行计算机可读指令时，实现如本发明一实施例中的基于边缘计算的网点巡检监测方法。
该基于边缘计算的网点巡检监测设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)和存储器，一个或一个以上存储应用程序或数据的存储介质(例如一个或一个以上海量存储设备)。其中，存储器和存储介质可以是短暂存储或持久存储。存储在存储介质的程序可以包括一个或一个以上模块，每个模块可以包括对基于边缘计算的网点巡检监测设备中的一系列指令操作。
进一步地，处理器可以设置为与存储介质通信，在散单物流对象处理的设备上执行存储介质中的一系列指令操作。
基于边缘计算的网点巡检监测设备还可以包括一个或一个以上电源，一个或一个以上有线或无线网络接口，一个或一个以上输入输出接口，和/或，一个或一个以上操作系统，例如Windows Serve、Vista等等。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如本发明一实施例中的基于边缘计算的网点巡检监测方法。实施例二中的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件的形式体现出来，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质。该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行实施例一中基于边缘计算的网点巡检监测的步骤。
本领域技术人员可以理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件的形式体现出来，该计算机软件存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于边缘计算的网点巡检监测方法，其特征在于，包括：
获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；
基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；
基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；
根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。
2.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述根据预设的巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
提取所述巡检数据中的日志数据；
对所述日志数据进行预处理并将所述日志数据解析成日志模板；
根据所述巡检观测指标对解析后的所述日志数据进行特征提取，得到与巡检规范相关的日志模板或特征向量并通过机器学习模型进行训练，生成标准检测模型；
基于日志数据的标准检测模型识别超过预设范围数据为异常，输出不规范日志数据。
3.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果包括：
根据巡检观测指标对所述巡检数据预设网点标准；
获取所述目标网点当前巡检数据并与预设网点标准进行对比，得到巡检结果；
当所述巡检结果不符合标准时，对当前巡检任务建立标签并发出巡检提示，当所述巡检结果符合标准时，则生成对应的巡检记录报表。
4.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述获取目标巡检网点和所述目标巡检网点对应的巡检执行对象中，所述巡检执行对象包括巡检设备或巡检操作人员。
5.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地包括：
自动获取所述巡检执行对象的巡检目的地、巡检时间和巡检路线；
采用射频识别、蓝牙、WiFi、GPS位置校验方式确保所述巡检执行对象定位与所述巡检目的地一致；
在巡检路线中形成预设的巡检路线打卡点，当所述巡检执行对象每到一处巡检路线打卡点时，服务器自动进行记录。
6.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
在所述目标网点设置RFID标签；
通过RFID电子标签巡检设备读取对应网点的RFID标签并形成巡检数据同步至服务器，
其中，所述巡检数据包括各巡检过程中的巡检记录，即目标网点基础信息、网点标准化信息、网点时效/服务质量信息、网点末端建设信息、网点合规经营信息、网点安全生产巡检表、网点客户清单、网点专项检查表。
7.如权利要求1所述的基于边缘计算的网点巡检监测方法，其特征在于，所述基于边缘计算架构采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器包括：
通过巡检设备采集一系列巡检过程中的图像并将采集到的图像作为图像样本数据，所述图像样本数据包括不合规图像数据和合规图像数据，通过机器学习建立巡检监测模型；和/或；
通过巡检设备采集一系列巡检过程中的视频流并将采集到的视频流作为视频流样本数据，所述视频流样本数据包括不合规视频数据和合规视频数据，通过机器学习建立巡检监测模型。
8.一种基于边缘计算的网点巡检监测装置，其特征在于，包括：
巡检目标获取模块，用于获取目标巡检网点和所述目标巡检网点对应的巡检执行对象；
巡检点校验模块，用于基于定位技术对所述巡检执行对象在预设巡检路线中的位置进行校验，确定并记录所述预设巡检路线中各巡检执行的目的地；
巡检功能模块，用于根据预设的巡检任务自动规划巡检路线，通过所述巡检执行对象按照不同的巡检维度进行巡检并生成所述目标网点的对应巡检数据；
巡检数据同步模块，用于采集巡检过程中的所述巡检数据并将通过所述巡检执行对象产生所述巡检数据同步至服务器；
巡检结果输出模块，用于根据巡检观测指标对所述巡检数据进行筛选分类，识别所述巡检数据中的不合规范的数据并输出巡检提示结果。
9.一种基于边缘计算的网点巡检监测设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行计算机可读指令时，实现如权利要求1至7中任意一项所述的基于边缘计算的网点巡检监测方法。
10.一种计算机可读介质，存储计算机程序，其特征在于，所述计算机程序被一个或多个处理器执行时，实现如权利要求1至7中任意一项所述的基于边缘计算的网点巡检监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211187525.1A CN115695541A (zh) | 2022-09-28 | 2022-09-28 | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211187525.1A CN115695541A (zh) | 2022-09-28 | 2022-09-28 | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115695541A true CN115695541A (zh) | 2023-02-03 |
Family
ID=85063963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211187525.1A Pending CN115695541A (zh) | 2022-09-28 | 2022-09-28 | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115695541A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116503974A (zh) * | 2023-04-26 | 2023-07-28 | 广州华源创兴能效科技有限公司 | 云计算的移动化智能巡检方法和装置 |
| CN117350546A (zh) * | 2023-11-06 | 2024-01-05 | 深圳市水务工程检测有限公司 | 一种基于大数据的工程测量分析管理系统及方法 |
| CN117579625A (zh) * | 2024-01-17 | 2024-02-20 | 中国矿业大学 | 一种用于双重预防机制的巡检任务预分发方法 |
| CN117951847A (zh) * | 2024-01-05 | 2024-04-30 | 弘奎(西安)智能科技有限公司 | 一种利用边缘计算网关实现用电量计算的方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200137148A1 (en) * | 2018-10-31 | 2020-04-30 | Twitter, Inc. | Traffic Mapping |
| CN111508097A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市阡丘越科技有限公司 | 场地巡检方法、装置、设备及存储介质 |
| CN113240382A (zh) * | 2021-04-24 | 2021-08-10 | 南京融海信息科技有限公司 | 一种基于物联网云平台的智能巡检系统与方法 |
| CN114815881A (zh) * | 2022-04-06 | 2022-07-29 | 国网浙江省电力有限公司宁波供电公司 | 基于边缘计算与无人机巡检协同的智能巡检方法 |
-
2022
- 2022-09-28 CN CN202211187525.1A patent/CN115695541A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200137148A1 (en) * | 2018-10-31 | 2020-04-30 | Twitter, Inc. | Traffic Mapping |
| CN111508097A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市阡丘越科技有限公司 | 场地巡检方法、装置、设备及存储介质 |
| CN113240382A (zh) * | 2021-04-24 | 2021-08-10 | 南京融海信息科技有限公司 | 一种基于物联网云平台的智能巡检系统与方法 |
| CN114815881A (zh) * | 2022-04-06 | 2022-07-29 | 国网浙江省电力有限公司宁波供电公司 | 基于边缘计算与无人机巡检协同的智能巡检方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116503974A (zh) * | 2023-04-26 | 2023-07-28 | 广州华源创兴能效科技有限公司 | 云计算的移动化智能巡检方法和装置 |
| CN117350546A (zh) * | 2023-11-06 | 2024-01-05 | 深圳市水务工程检测有限公司 | 一种基于大数据的工程测量分析管理系统及方法 |
| CN117951847A (zh) * | 2024-01-05 | 2024-04-30 | 弘奎(西安)智能科技有限公司 | 一种利用边缘计算网关实现用电量计算的方法及系统 |
| CN117579625A (zh) * | 2024-01-17 | 2024-02-20 | 中国矿业大学 | 一种用于双重预防机制的巡检任务预分发方法 |
| CN117579625B (zh) * | 2024-01-17 | 2024-04-09 | 中国矿业大学 | 一种用于双重预防机制的巡检任务预分发方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115695541A (zh) | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 | |
| CN111507147A (zh) | 智能巡检方法、装置、计算机设备和存储介质 | |
| CN111508097A (zh) | 场地巡检方法、装置、设备及存储介质 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN109063576B (zh) | 用于航班动作节点的管理方法及装置 | |
| CN111176680B (zh) | 基于物联网的企业终端管理方法、系统、设备及介质 | |
| CN115395646A (zh) | 一种数字孪生式牵引变电所智慧运维系统 | |
| CN107295311A (zh) | 视频监控平台的运维管理系统 | |
| CN114970899A (zh) | 一种智慧园区运维系统、方法、介质和电子设备 | |
| CN113780594A (zh) | 一种服务器智能识别与巡检系统 | |
| CN109784161A (zh) | 一种店内视频监控智能分析系统及方法 | |
| CN114169726A (zh) | 基于电力巡检业务的web端红外解析方法及系统 | |
| Bhargava et al. | A study on potential of big visual data analytics in construction Arena | |
| CN113095647B (zh) | 一种车辆审查系统 | |
| CN115567563B (zh) | 基于端边云的综合交通枢纽监测预警系统及其控制方法 | |
| CN115689277B (zh) | 云边协同技术下的化工园区风险预警系统 | |
| CN112085221A (zh) | 数字化杆塔智慧运检方法和系统 | |
| CN114550107B (zh) | 基于无人机集群的桥梁联动智能巡检方法、系统及云平台 | |
| CN110826473A (zh) | 一种基于神经网络的绝缘子图像自动识别方法 | |
| CN117236920A (zh) | 一种基于数据驱动的设备巡检方法及装置 | |
| CN209821662U (zh) | 生产过程数据安全采集系统 | |
| CN114500316A (zh) | 一种物联网设备巡检方法和系统 | |
| Walker et al. | Lightweight video analytics for cycle time detection in manufacturing | |
| CN114006945A (zh) | 一种物联网数据的智能分组分发的方法、物联网平台 | |
| CN113592047A (zh) | Rfid标签数据的处理装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |