[发明专利]一种基于人工智能自适应多维度计算的物体移位监测方法

说明书

本发明公开一种基于人工智能自适应多维度计算的物体移位监测方法，涉及物体位移监测技术领域。所述方法包括：获取待测物体的多维度感知数据；将所述多维度感知数据按照固定的顺序连接，组成一个一维向量，所述一维向量中的每个元素数据对应所述多维度感知数据每bit的二进制数值；将所述一维向量存储至设定数量时，组合成为一个二维向量，并根据所述二维向量对应生成一个二值图像；根据所述二值图像和识别预测模型确定待测物体位置的状态识别结果；所述状态识别结果包括传感器故障、位置异常和位置正常；所述识别预测模型是基于卷积神经网络算法构建的，并利用Adam方法进行训练。本发明能够提高物体位移监测的准确性。

技术领域

本发明涉及物体位移监测技术领域，特别是涉及一种基于人工智能自适应多维度计算的物体移位监测方法。

背景技术

固定物体位置监测在各个领域都有较大的需求，例如大型结构的螺栓松动监测、医用导管移位监测、文物、试卷等特殊物体安全位置监测等，通过监测避免重要物体的移动造成的不可挽回的损失。监测物体移动的物理量和传感器有很多种，例如光、振动、磁、声音、电阻等。在现有技术中的装置，能够实现将磁铁与传感器靠近，一旦二者离开，基于初始环境的磁场强度和存储在存储单元的阈值存储装置中的阈值来计算应在其中发出警报的警报范围，并将计算出的警报范围发送给比较装置，用于对输液导管位移监测。这种利用磁特性监测物体移位的方式具有的突出优势是结构简单，仅需一块以毫米量级便于安装的磁铁和一个MEMS（即微机电系统）磁传感器即可实现，但是磁场环境比较复杂，实际应用中存在地磁场和其他磁性物体干扰，磁场阈值比较难测定，在实验中还发现磁传感器存在随机噪声的情况，这种随机出现的数据，往往超出阈值，导致产生误报警，从而使得整个设备可靠性受到一定影响。还有现有技术使用复杂且难以安装的摄像头通过机器视觉来判断螺栓是否有旋转移位，但在实际应用中，摄像头所能覆盖的范围有限，安装占用空间较大，获取图像易受干扰，应用受到很大限制，因此投入实际应用的往往是对螺栓应力进行监测的方案。

传统的物体移位监测方法往往只简单判断单一物理量是否超出某个数值，存在误判情况；使用机器视觉技术的监测方法仅见于实验性研究；大规模部署监测装置需要的微型尺寸和智能计算需要的复杂物理结构存在矛盾；真正实现多场景自适应监测的设备尚不存在。面临复杂的多场景需求，如何实现自适应多维度计算和智能监测，成为一个急需解决的问题。

发明内容

本发明的目的是提供一种基于人工智能自适应多维度计算的物体移位监测方法，能够提高物体位移监测的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于人工智能自适应多维度计算的物体移位监测方法，包括：

获取待测物体的多维度感知数据；所述多维度感知数据包括以设定间隔时间采集的三轴磁传感器数据、温度传感器数据、压电传感器数据以及柔性皮肤传感器数据；所述三轴磁传感器数据数据包括X轴和Y轴的原始数据；

将所述多维度感知数据按照固定的顺序连接，组成一个一维向量；所述一维向量中的每个元素数据对应所述多维度感知数据每bit的二进制数值；

将所述一维向量存储至设定数量时，组合成为一个二维向量，并根据所述二维向量对应生成一个二值图像；

根据所述二值图像和识别预测模型确定待测物体位置的状态识别结果；所述状态识别结果包括传感器故障、位置异常和位置正常；所述识别预测模型是基于卷积神经网络算法构建的，并利用Adam方法进行训练。

可选地，还包括：当所述三轴磁传感器、所述温度传感器数据、所述压电传感器数据以及所述柔性皮肤传感器中的任一传感器出现异常数据时，将出现异常数据的传感器数据设置为0。

可选地，将所述一维向量存储至设定数量时，组合成为一个二维向量，并根据所述二维向量对应生成一个二值图像，具体包括：