本发明涉及物联网监测技术领域，具体公开了一种基于物联网的紧急检测预警系统及其方法，所述系统包括产品检测端和处理端，所述产品检测端用于获取产品图像组；对所述产品图像组进行识别，确定产品参数；根据所述产品参数建立与处理端与生产设备的连接通道；所述处理端用于获取传输特征，对所述传输数据包进行分类；根据分类结果标记监测节点，生成预警信息。本发明通过安装在生产设备上的产品检测端，提供了产品检测功能的同时，对生产设备进行了间接的检测，根据产品状态确定相应的生产设备的状态，然后根据生产设备中的已有的微处理器与系统之间的传输特征判断生产设备的稳定状态，消耗的计算资源极少，大大地节约了成本。
1.一种基于物联网的紧急检测预警系统，其特征在于，所述系统包括：产品检测端，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；对所述产品图像组进行图像拟合，得到目标图像组；对所述目标图像组进行识别，确定产品参数；根据所述产品参数建立处理端与生产设备的连接通道；
处理端，用于基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
2.根据权利要求1所述的基于物联网的紧急检测预警系统，其特征在于，所述产品检测端包括：图像获取模块，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
图像拟合模块，用于对所述产品图像组进行图像拟合，得到目标图像组；
图像识别模块，用于对所述目标图像组进行识别，确定产品参数；
通道建立模块，用于根据所述产品参数建立处理端与生产设备的连接通道。
3.根据权利要求1所述的基于物联网的紧急检测预警系统，其特征在于，所述处理端包括：节点数据获取模块，用于基于所述连接通道获取生产设备中各监测节点的节点数据；
数据分类模块，用于根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
参数确定模块，用于统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
预警信息生成模块，用于根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
4.根据权利要求2所述的基于物联网的紧急检测预警系统，其特征在于，所述图像拟合模块包括：特征提取单元，用于读取产品图像组，对所述产品图像组中的各产品图像进行特征提取，得到特征点；
相似性度量单元，用于对所述特征点进行相似性度量，确定相互匹配的特征点对；
参数获取单元，用于根据所述匹配的特征点对，得到图像空间坐标变换参数；
参数应用单元，用于基于所述坐标变换参数对所述产品图像组中的所述产品图像进行拟合，得到过渡图像组；
几何校正单元，用于获取产品检测端的采集角度和采集距离，根据采集角度和采集距离对所述过渡图像组进行几何校正，得到目标图像组。
5.根据权利要求3所述的基于物联网的紧急检测预警系统，其特征在于，图像识别模块包括：特征图生成单元，用于在预设的卷积核表中依次读取各卷积核，根据所述卷积核和预设的步长对所述目标图像组进行卷积运算，得到特征图；所述卷积核表包括卷积核项和产品参数项；所述卷积核用于表征不同产品参数的产品在图像中的特征；
激活单元，用于根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；
池化单元，用于根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；
匹配度计算单元，用于将所述压缩图像输入训练好的数值匹配模型，得到匹配度；
查询单元，用于将所述匹配度与预设的匹配阈值进行比对，当所述匹配度大于预设的匹配阈值时，查询该卷积核对应的产品参数。
6.根据权利要求3所述的基于物联网的紧急检测预警系统，其特征在于，所述参数确定模块包括：统计单元，用于统计预设时间范围内、属于同一连接通道的不同类传输数据包的个数，得到传输数组；其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
曲线生成单元，用于根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
函数确定单元，用于根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
7.根据权利要求3所述的基于物联网的紧急检测预警系统，其特征在于，所述预警信息生成模块包括：节点标记单元，用于将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
风险确定单元，用于查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
执行单元，用于根据风险级别在预设的预警信息表中查询预警信息。
8.一种基于物联网的紧急检测预警方法，其特征在于，所述方法应用于处理端，所述方法包括：基于连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；
根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息；
其中，所述连接通道由产品检测端建立，所述产品检测端建立连接通道的步骤包括：基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
根据所述产品参数建立与处理端与生产设备的连接通道。
9.根据权利要求8所述的基于物联网的紧急检测预警方法，其特征在于，所述统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数的步骤包括：统计预设时间范围内，属于同一连接通道的不同类传输数据包的个数，得到传输数组；
其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
10.根据权利要求8所述的基于物联网的紧急检测预警方法，其特征在于，所述根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息的步骤包括：将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
一种基于物联网的紧急检测预警系统及其方法
技术领域
[0001] 本发明涉及物联网监测技术领域，具体是一种基于物联网的紧急检测预警系统及其方法。
背景技术
[0002] 随着计算机技术和通信技术的进步，智能化设备逐渐进入了各行各业，许多产品的生产车间中，都会应用大量的智能化生产设备。随着物联网技术的发展，研发人员在设计基于这些智能化生产设备的流水线时，往往会在智能化生产设备中安装一些监测处理器，用于对智能化生产设备进行监测，根据监测情况可以实时的生成一些预警信息。
[0003] 但是，这些监测处理器获取到的数据非常的多，如果想对这些数据进行实时的识别处理，将会消耗非常多的计算资源；如何对监测处理器获取到的数据进行选择性识别，提高计算资源的利用率是本发明技术方案想要解决的技术问题。
发明内容
[0004] 本发明的目的在于提供一种基于物联网的紧急检测预警系统及其方法，以解决上述背景技术中提出的问题。
[0005] 为实现上述目的，本发明提供如下技术方案：
[0006] 一种基于物联网的紧急检测预警系统，所述系统包括：
[0007] 产品检测端，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；对所述产品图像组进行图像拟合，得到目标图像组；对所述目标图像组进行识别，确定产品参数；根据所述产品参数建立与处理端与生产设备的连接通道；
[0008] 处理端，用于基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
[0009] 作为本发明进一步的方案：所述产品检测端包括：
[0010] 图像获取模块，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
[0011] 图像拟合模块，用于对所述产品图像组进行图像拟合，得到目标图像组；
[0012] 图像识别模块，用于对所述目标图像组进行识别，确定产品参数；
[0013] 通道建立模块，用于根据所述产品参数建立与处理端与生产设备的连接通道。
[0014] 作为本发明进一步的方案：所述处理端包括：
[0015] 节点数据获取模块，用于基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；
[0016] 数据分类模块，用于根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
[0017] 参数确定模块，用于统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
[0018] 预警信息生成模块，用于根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
[0019] 作为本发明进一步的方案：所述图像拟合模块包括：
[0020] 特征提取单元，用于读取产品图像组，对所述产品图像组中的各产品图像进行特征提取，得到特征点；
[0021] 相似性度量单元，用于对所述特征点进行相似性度量，确定相互匹配的特征点对；
[0022] 参数获取单元，用于根据所述匹配的特征点对，得到图像空间坐标变换参数；
[0023] 参数应用单元，用于基于所述坐标变换参数对所述产品图像组中的所述产品图像进行拟合，得到过渡图像组；
[0024] 几何校正单元，用于获取产品检测端的采集角度和采集距离，根据采集角度和采集距离对所述过渡图像组进行几何校正，得到目标图像组。
[0025] 作为本发明进一步的方案：所述图像识别模块包括：
[0026] 特征图生成单元，用于在预设的卷积核表中依次读取各卷积核，根据所述卷积核和预设的步长对所述目标图像组进行卷积运算，得到特征图；所述卷积核表包括卷积核项和产品参数项；所述卷积核用于表征不同产品参数的产品在图像中的特征；
[0027] 激活单元，用于根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；
[0028] 池化单元，用于根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；
[0029] 匹配度计算单元，用于将所述压缩图像输入训练好的数值匹配模型，得到匹配度；
[0030] 查询单元，用于将所述匹配度与预设的匹配阈值进行比对，当所述匹配度大于预设的匹配阈值时，查询该卷积核对应的产品参数。
[0031] 作为本发明进一步的方案：所述参数确定模块包括：
[0032] 统计单元，用于统计预设时间范围内、属于同一连接通道的不同类传输数据包的个数，得到传输数组；其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
[0033] 曲线生成单元，用于根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
[0034] 函数确定单元，用于根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
[0035] 作为本发明进一步的方案：所述预警信息生成模块包括：
[0036] 节点标记单元，用于将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
[0037] 风险确定单元，用于查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
[0038] 执行单元，用于根据风险级别在预设的预警信息表中查询预警信息。
[0039] 本发明技术方案还提供了一种基于物联网的紧急检测预警方法，所述方法应用于处理端，所述方法包括：
[0040] 基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；
[0041] 根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
[0042] 统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
[0043] 根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息；
[0044] 其中，所述连接通道由产品检测端建立，所述产品检测端建立连接通道的步骤包括：
[0045] 基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
[0046] 对所述产品图像组进行图像拟合，得到目标图像组；
[0047] 对所述目标图像组进行识别，确定产品参数；
[0048] 根据所述产品参数建立与处理端与生产设备的连接通道。
[0049] 作为本发明进一步的方案：所述统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数的步骤包括：
[0050] 统计预设时间范围内，属于同一连接通道的不同类传输数据包的个数，得到传输数组；其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
[0051] 根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
[0052] 根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
[0053] 作为本发明进一步的方案：所述根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息的步骤包括：
[0054] 将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
[0055] 查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
[0056] 根据风险级别在预设的预警信息表中查询预警信息。
[0057] 与现有技术相比，本发明的有益效果是：本发明通过安装在生产设备上的产品检测端，提供了产品检测功能的同时，对生产设备进行了间接的检测，根据产品状态确定相应的生产设备的状态，然后根据生产设备中的已有的微处理器与系统之间的传输特征判断生产设备的稳定状态，消耗的计算资源极少，大大地节约了成本。
附图说明
[0058] 为了更清楚地说明本发明实施例中的技术方案，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地介绍，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。
[0059] 图1为基于物联网的紧急检测预警系统中产品检测端的组成结构框图。
[0060] 图2为基于物联网的紧急检测预警系统中处理端的组成结构框图。
[0061] 图3为产品检测端中图像拟合模块的组成结构框图。
[0062] 图4为产品检测端中图像识别模块的组成结构框图。
[0063] 图5为处理端中参数确定模块的组成结构框图。
[0064] 图6为处理端中预警信息生成模块的组成结构框图。
[0065] 图7为基于物联网的紧急检测预警方法的流程框图。
具体实施方式
[0066] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0067] 实施例1
[0068] 本发明实施例中，提供了一种基于物联网的紧急检测预警系统，所述系统包括：
[0069] 产品检测端，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；对所述产品图像组进行图像拟合，得到目标图像组；对所述目标图像组进行识别，确定产品参数；根据所述产品参数建立与处理端与生产设备的连接通道；
[0070] 处理端，用于基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
[0071] 本发明技术方案应用于智能车间，智能车间中设有很多生产设备，这些生产设备会对产品进行加工，得到加工后的产品；所述产品检测端安装在所述生产设备上能够拍摄到产品的位置处；产品检测端的功能顾名思义，就是对产品进行检测，判断产品是否出现问题，如果产品存在问题，那么相应的生产设备出现问题的概率会很大；如果生产设备出现问题，产品也会出现问题。因此，对产品进行检测，一方面是智能车间中的基础功能，可以提高智能车间的智能化水平，另一方面，可以对生产设备可能出现的风险进行预警。实际上，现有的智能化车间，出现风险的原因，几乎都是由生产设备引起的。
[0072] 处理端用于对相应的生产设备进行检测，生产设备中，有很多电子设备，这些电子设备有的用于监测电力等物理参数，有的用于监测控制信号，这些统称为监测节点；对所有的监测节点进行分析，确定一些出问题的监测节点，查询该监测节点对应的电子设备，根据电子设备在生产设备中的重要性以及引起风险的可能性，生成预警信息。
[0073] 图1为基于物联网的紧急检测预警系统中产品检测端的组成结构框图，所述产品检测端10包括：
[0074] 图像获取模块11，用于基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
[0075] 图像拟合模块12，用于对所述产品图像组进行图像拟合，得到目标图像组；
[0076] 图像识别模块13，用于对所述目标图像组进行识别，确定产品参数；
[0077] 通道建立模块14，用于根据所述产品参数建立与处理端与生产设备的连接通道。
[0078] 上述内容对产品检测端10的各项功能进行了模块化的细分，首先，根据预设的波段范围获取同一产品的图像，所述波段范围包括可见光段、红外光段与紫外光段；多个波段围可以更加全面的反应产品状态，使得产品检测过程更加准确；然后，对所述产品图像进行拟合，得到目标图像组；所述目标图像组可以是一个，也可以是多个，它们的场景是相同的；最后，根据目标图像组进行识别，可以确定产品参数，由产品参数确定是否在建立连接通道。值得一提的是，所述产品参数由工作人员确定，比如尺寸、色泽和边界轮廓等。
[0079] 图2为基于物联网的紧急检测预警系统中处理端的组成结构框图，所述处理端20包括：
[0080] 节点数据获取模块21，用于基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；
[0081] 数据分类模块22，用于根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
[0082] 参数确定模块23，用于统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
[0083] 预警信息生成模块24，用于根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息。
[0084] 上述内容对处理端20的工作过程进行了具体的限定，由上述内容可以知晓，所述监测节点是电子设备，它在工作过程中，会将监测到的数据打包，再传输至处理端；所述传输过程并不是连续的，而是“颗粒化”的传输过程；值得一提的是，打包的数据量并不一定都是固定的，它往往以传输时间作为评判标准，即，一定时间内打包一次；打包后的传输数据包在连接通道中传输，当各连接通道的传输速度波动不大时，传输过程本身能够反映各点位的状态。
[0085] 具体的，所述截取规则由工作人员确定，一般情况下，是一个时间函数；其重点在于统一，而不是截取规则本身。
[0086] 图3为产品检测端中图像拟合模块的组成结构框图，所述图像拟合模块12包括：
[0087] 特征提取单元121，用于读取产品图像组，对所述产品图像组中的各产品图像进行特征提取，得到特征点；
[0088] 相似性度量单元122，用于对所述特征点进行相似性度量，确定相互匹配的特征点对；
[0089] 参数获取单元123，用于根据所述匹配的特征点对，得到图像空间坐标变换参数；
[0090] 参数应用单元124，用于基于所述坐标变换参数对所述产品图像组中的所述产品图像进行拟合，得到过渡图像组；
[0091] 几何校正单元125，用于获取产品检测端的采集角度和采集距离，根据采集角度和采集距离对所述过渡图像组进行几何校正，得到目标图像组。
[0092] 上述内容中，核心步骤是特征点的获取，当获取到特征点后，根据特征点对，确定图像空间坐标变换参数，这些参数其实就是一种比例，比如，对于坐标轴内的一个点（x，y），想到把它转变为（x1，y1），这就需要一个参数，当特征点较多时，相应的参数要使得大部分点的转换过程能够大致完成，具体的确定过程可以借助统计学原理进行。几何校正需要获取的数据是产品检测端的采集角度和采集距离，校正过程可以参考PS软件中的透视裁剪工具。
[0093] 图4为产品检测端中图像识别模块的组成结构框图，所述图像识别模块13包括：
[0094] 特征图生成单元131，用于在预设的卷积核表中依次读取各卷积核，根据所述卷积核和预设的步长对所述目标图像组进行卷积运算，得到特征图；所述卷积核表包括卷积核项和产品参数项；所述卷积核用于表征不同产品参数的产品在图像中的特征；
[0095] 激活单元132，用于根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；
[0096] 池化单元133，用于根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；
[0097] 匹配度计算单元134，用于将所述压缩图像输入训练好的数值匹配模型，得到匹配度；
[0098] 查询单元135，用于将所述匹配度与预设的匹配阈值进行比对，当所述匹配度大于预设的匹配阈值时，查询该卷积核对应的产品参数。
[0099] 卷积核代表着某些小的特征区域，一般是3X3或者5X5的大小，步长就是在进行卷积运算时，所述特征区域的移动步长，一般情况下都是1，代表着每次检测就往右平移一个像素；经过卷积运算后，得到卷积层，也就是上述特征图；
[0100] 卷积层对原图运算多个卷积产生一组线性激活响应，而非线性激活层是对之前的结果进行一个非线性的激活响应。最多的非线性激活函数是Relu函数，它的公式定义为：f(x)=max(0,x)，即，保留大于等于0的值，其余所有小于0的数值直接改写为0；这一过程并不困难。
[0101] 经过非线性激活之后，尽管数据量比原图少了很多，但还是过于庞大（比较深度学习动不动就几十万张训练图片），因此接下来的池化操作就可以发挥作用了，它最大的目标就是减少数据量。池化分为两种，Max Pooling最大池化、Average Pooling平均池化。顾名思义，最大池化就是取最大值，平均池化就是取平均值。一般情况下，采用的是最大池化，因为最大池化保留了每一个小块内的最大值，所以它相当于保留了这一块最佳匹配结果（因为值越接近1表示匹配越好）。这也就意味着它不会具体关注窗口内到底是哪一个地方匹配了，而只关注是不是有某个地方匹配上了。
[0102] 总结的说，上述内容是基于深度卷积神经网络的图像比对过程，它的目的是，根据产品的目标图像判断该产品属于哪种类型的产品，可以想到，备案的产品类型越多，上述产品参数的获取过程越准确。
[0103] 图5为处理端中参数确定模块的组成结构框图，所述参数确定模块23包括：
[0104] 统计单元231，用于统计预设时间范围内、属于同一连接通道的不同类传输数据包的个数，得到传输数组；其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
[0105] 曲线生成单元232，用于根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
[0106] 函数确定单元233，用于根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
[0107] 传输参数的判断过程较为简单，就是判断预设时间范围内，该连接通道中通过的数据包的类型及该类型下的数量有多少，数据包的类型及该类型下的数量由传输数组进行存储，基于数字上的列表‑描点法，可以确定一条曲线及相应的曲线函数；对曲线函数进行函数分析，比如判断单调性、极值点及其极值、导数特性等等，即可确定传输参数。
[0108] 图6为处理端中预警信息生成模块的组成结构框图，所述预警信息生成模块24包括：
[0109] 节点标记单元241，用于将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
[0110] 风险确定单元242，用于查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
[0111] 执行单元243，用于根据风险级别在预设的预警信息表中查询预警信息。
[0112] 上述内容是预警信息的生成过程，其过程大都是数据读取过程，涉及到的数据大都是工作人员预先设置的。传输参数及相关的分析过程也由工作人员确定，这一过程需要人为的设置条件，在本申请中视为默认存在的，不做限定。
[0113] 实施例2
[0114] 图7为基于物联网的紧急检测预警方法的流程框图，本发明实施例中，一种基于物联网的紧急检测预警方法，所述方法应用于处理端，所述方法包括：
[0115] 步骤S100：基于所述连接通道获取生产设备中各监测节点的节点数据；其中，所述节点数据以数据包的格式进行发送；
[0116] 步骤S200：根据预设的截取规则在各连接通道中截取传输数据包，获取所述传输数据包的传输特征，根据所述传输特征对所述传输数据包进行分类；所述传输特征包括传输时间；
[0117] 步骤S300：统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数；
[0118] 步骤S400：根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息；
[0119] 其中，所述连接通道由产品检测端建立，所述产品检测端建立连接通道的步骤包括：
[0120] 基于预设的波段范围获取产品图像组；所述波段范围包括可见光段、红外光段与紫外光段；
[0121] 对所述产品图像组进行图像拟合，得到目标图像组；
[0122] 对所述目标图像组进行识别，确定产品参数；
[0123] 根据所述产品参数建立与处理端与生产设备的连接通道。
[0124] 进一步的，所述统计同一连接通道中不同类传输数据包的个数，确定各点位的传输参数的步骤包括：
[0125] 统计预设时间范围内，属于同一连接通道的不同类传输数据包的个数，得到传输数组；其中，所述传输数组的下标由传输数据包的类型确定，所述传输数组的值为个数；
[0126] 根据所述传输数组在预设的坐标系中确定坐标点，拟合所述坐标点，得到传输曲线；
[0127] 根据所述传输曲线确定传输函数，根据所述传输函数确定传输参数。
[0128] 具体的，所述根据传输参数标记监测节点，根据标记的监测节点确定风险级别，生成预警信息的步骤包括：
[0129] 将所述传输参数输入训练好的分析模型，输出对应监测节点的安全分，当所述安全分小于预设的安全阈值时，标记该监测节点；
[0130] 查询标记的各监测节点对应的电子设备，根据电子设备的重要级别确定风险级别；所述重要级别为预设值；
[0131] 根据风险级别在预设的预警信息表中查询预警信息。
[0132] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
