应用于污水处理厂的巡检管理系统及方法

摘要

本发明属于污水处理厂技术领域，公开了一种应用于污水处理厂的巡检管理系统及方法。该系统包括数据获取模块，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；数据分析模块，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；数据展示模块，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。通过上述方式，能够了解巡检员的巡检情况。

权利要求

1.一种应用于污水处理厂的巡检管理系统，其特征在于，所述应用于污水处理厂的巡检管理系统包括数据获取模块、数据分析模块以及数据展示模块；其中，所述数据获取模块，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据，录入数据指的是巡检员根据巡检结果录入到管理系统中的数据；

所述数据分析模块，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分，其中，目标视频数据指的是在巡检员录入数据的同时采集到巡检员所在位置的视频数据；

所述数据展示模块，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。

2.如权利要求1所述的系统，其特征在于，所述数据分析模块包括确定单元、风机油位识别单元、风机压力表识别单元以及评分单元；其中，所述确定单元，用于根据所述定位数据从所述视频数据中确定目标视频数据，并根据所述目标视频判断当前识别类型；

所述风机油位识别单元，用于在判定所述当前识别类型为风机油位识别类型时，从所述目标视频数据中获取第一目标图像，并将所述第一目标图像输入至所述边缘智能盒子中的风机油位识别模型中，得到第一分析结果；

所述风机压力表识别单元，用于在判定所述当前识别类型为风机压力表识别类型时，从所述目标视频数据中获取第二目标图像，并将所述第二目标图像输入至所述边缘智能盒子中的风机压力表识别模型中，得到第二分析结果；

所述评分单元，用于将所述第一分析结果/或第二分析结果与所述录入数据进行比对，在得到比对结果之后根据所述比对结果对所述巡检员进行绩效评分。

3.如权利要求2所述的系统，其特征在于，所述应用于污水处理厂的巡检管理系统还包括报警模块，所述报警模块包括好氧池填料漂浮面积识别单元和报警单元；其中，所述好氧池填料漂浮面积识别单元，用于从所述视频数据中确定好氧池视频数据，在从所述氧池视频数据中获取第三目标图像之后，将所述第三目标图像输入至好氧池填料漂浮面积识别模型中，得到填料漂浮百分比；

所述报警单元，用于监测所述填料漂浮百分比是否小于漂浮阈值，并在监测到所述填料漂浮百分比大于阈值时，触发第一报警程序。

4.如权利要求3所述的系统，其特征在于，所述巡检数据还包括巡检设备的历史维护数据；所述报警模块还包括保养时间预测单元；其中，所述保养时间预测单元，用于将所述历史维护数据输入至保养时间预测模型中，得到所述巡检设备的未来维护周期；

所述报警单元，用于根据所述未来维护周期确定最近维护时间，在到达所述最近维护时间时，触发第二报警程序。

5.如权利要求4所述的系统，其特征在于，所述巡检数据还包括巡检设备的探头底部图像；所述报警模块还包括探头糊住识别单元；其中，所述探头糊住识别单元，用于将所述探头底部图像输入至探头糊住识别模型中，得到所述巡检设备的探头包裹情况；

所述报警单元，用于在确定所述探头包裹情况为探头被胶状物质包裹住时，触发第三报警程序。

6.如权利要求1所述的系统，其特征在于，所述应用于污水处理厂的巡检管理系统还包括AR巡检模块，所述AR巡检模块包括AR实时巡检单元和故障数据生成单元；其中，所述AR实时巡检单元，用于在接收到所述巡检员的请求AR巡检信息时，根据所述请求AR巡检信息在所述巡检员佩戴的AR眼镜中呈现巡检环境；

所述故障数据生成单元，用于在所述巡检员判定所述巡检环境出现故障时，通过接收所述巡检员的语音信息生成故障数据。

7.如权利要求6所述的系统，其特征在于，所述AR巡检模块还包括请求维护单元；其中，所述请求维护单元，用于通过所述巡检员佩戴的AR眼镜连接远程专家端，并将所述故障数据发送至远程专家端，以使所述远程专家端实时根据所述故障数据提供音视频维护指令。

8.如权利要求1所述的系统，其特征在于，所述巡检数据还包括第一污水进水数据，所述数据分析模块还包括进水数据分析单元和出水监测单元；其中，所述进水数据分析单元，用于对第一污水进水数据进行统计分析，确定所述污水进水数据的输入因子；

所述出水监测单元，用于将所述输入因子以及处理工艺参数输入至优化水质预测模型中，预测出水数据的达标情况。

9.如权利要求8所述的系统，其特征在于，所述巡检数据还包括第二污水进水数据，所述数据分析模块还包括数据预处理单元、LSTM‑AM单元以及AHMPSO单元；其中，所述数据预处理单元，用于对第二污水进水数据进行相关性分析，得到污水关键特征数据；

所述LSTM‑AM单元，用于将所述污水关键特征数据输入LSTM‑AM模型中，得到第一预测结果；

AHMPSO单元，用于基于第一预测结果确定AHMPSO优化算法的适应度值，以根据所述适应度值对所述LSTM‑AM模型的隐藏层神经元个数和学习率进行寻优，以优化所述入LSTM‑AM模型的超参数，得到优化水质预测模型。

10.一种应用于污水处理厂的巡检管理方法，其特征在于，所述应用于污水处理厂的巡检管理方法应用于如权利要求1至9中任一项所述的应用于污水处理厂的巡检管理系统，所述应用于污水处理厂的巡检管理方法包括：通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据，录入数据指的是巡检员根据巡检结果录入到管理系统中的数据；

根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分，其中，目标视频数据指的是在巡检员录入数据的同时采集到巡检员所在位置的视频数据；

基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。

说明书

应用于污水处理厂的巡检管理系统及方法

技术领域

[0001] 本发明涉及污水处理厂巡检技术领域，尤其涉及一种应用于污水处理厂的巡检管理系统及方法。

背景技术

[0002] 由于污水处理厂的运行设备较多，需要采集的数据也很复杂，从而需要大量的巡检人员进行巡检。但是为了降低运维成本，污水处理厂的实际巡检人员数量与需求的巡检人员数量不匹配，这会导致巡检人员的巡检工作量巨大，巡检人员容易出现漏检或者敷衍巡检的情况，但是因为缺乏规范管理，无法了解巡检员真实的巡检情况，还无法保证巡检质量。

发明内容

[0003] 本发明的主要目的在于提供一种应用于污水处理厂的巡检管理系统及方法，旨在解决现有技术中因无法了解巡检员的巡检质量而无法保证巡检质量的技术问题。

[0004] 为实现上述目的，本发明提供了一种应用于污水处理厂的巡检管理系统，所述应用于污水处理厂的巡检管理系统包括数据获取模块、数据分析模块以及数据展示模块；其中，

[0005] 所述数据获取模块，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；

[0006] 所述数据分析模块，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；

[0007] 所述数据展示模块，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。.

[0008] 可选地，所述数据分析模块包括确定单元、风油机位识别单元、风机压力表识别单元以及评分单元；其中，

[0009] 所述确定单元，用于根据所述定位数据从所述视频数据中确定目标视频数据，并根据所述目标视频判断当前识别类型；

[0010] 所述风机油位识别单元，用于在判定所述当前识别类型为风机油位识别类型时，从所述目标视频数据中获取第一目标图像，并将所述第一目标图像输入至所述边缘智能盒子中的风机油位识别模型中，得到第一分析结果；

[0011] 所述风机压力表识别单元，用于在判定所述当前识别类型为风机压力表识别类型时，从所述目标视频数据中获取第二目标图像，并将所述第二目标图像输入至所述边缘智能盒子中的风机压力表识别模型中，得到第二分析结果；

[0012] 所述评分单元，用于将所述第一分析结果/或第二分析结果与所述录入数据进行比对，在得到比对结果之后根据所述比对结果对所述巡检员进行绩效评分。

[0013] 可选地，所述应用于污水处理厂的巡检管理系统还包括报警模块，所述报警模块包括好氧池填料漂浮面积识别单元和报警单元；其中，

[0014] 所述好氧池填料漂浮面积识别单元，用于从所述视频数据中确定好氧池视频数据，在从所述氧池视频数据中获取第三目标图像之后，将所述第三目标图像输入至好氧池填料漂浮面积识别模型中，得到填料漂浮百分比；

[0015] 所述报警单元，用于监测所述填料漂浮百分比是否小于漂浮阈值，并在监测到所述填料漂浮百分比大于阈值时，触发第一报警程序。

[0016] 可选地，所述巡检数据还包括巡检设备的历史维护数据；所述报警模块还包括保养时间预测单元；其中，

[0017] 所述保养时间预测单元，用于将所述历史维护数据输入至保养时间预测模型中，得到所述巡检设备的未来维护周期；

[0018] 所述报警单元，用于根据所述未来维护周期确定最近维护时间，在到达所述最近维护时间时，触发第二报警程序。

[0019] 可选地，所述巡检数据还包括巡检设备的探头底部图像；所述报警模块还包括探头糊住识别单元；其中，

[0020] 所述探头糊住识别单元，用于将所述探头底部图像输入至探头糊住识别模型中，得到所述巡检设备的探头包裹情况；

[0021] 所述报警单元，用于在确定所述探头包裹情况为探头被胶状物质包裹住时，触发第三报警程序。

[0022] 可选地，所述应用于污水处理厂的巡检管理系统还包括AR巡检模块，所述AR巡检模块包括AR实时巡检单元和故障数据生成单元；其中，

[0023] 所述AR实时巡检单元，用于在接收到所述巡检员的请求AR巡检信息时，根据所述请求AR巡检信息在所述巡检员佩戴的AR眼镜中呈现巡检环境；

[0024] 所述故障数据生成单元，用于在所述巡检员判定所述巡检环境出现故障时，通过接收所述巡检员的语音信息生成故障数据。

[0025] 可选地，所述AR巡检模块还包括请求维护单元；其中，

[0026] 所述请求维护单元，用于通过所述巡检员佩戴的AR眼镜连接远程专家端，并将所述故障数据发送至远程专家端，以使所述远程专家端实时根据所述故障数据提供音视频维护指令。

[0027] 可选地，所述巡检数据还包括第一污水进水数据，所述数据分析模块还包括进水数据分析单元和出水监测单元；其中，

[0028] 所述进水数据分析单元，用于对第一污水进水数据进行统计分析，确定所述污水进水数据的输入因子；

[0029] 所述出水监测单元，用于将所述输入因子以及处理工艺参数输入至优化水质预测模型中，预测出水数据的达标情况。

[0030] 可选地，所述巡检数据还包括第二污水进水数据，所述数据分析模块还包括数据预处理单元、LSTM‑AM单元以及AHMPSO单元；其中，

[0031] 所述数据预处理单元，用于对第二污水进水数据进行相关性分析，得到污水关键特征数据；

[0032] 所述LSTM‑AM单元，用于将所述污水关键特征数据输入LSTM‑AM模型中，得到第一预测结果；

[0033] AHMPSO单元，用于基于第一预测结果确定AHMPSO优化算法的适应度值，以根据所述适应度值对所述LSTM‑AM模型的隐藏层神经元个数和学习率进行寻优，以优化所述入LSTM‑AM模型的超参数，得到优化水质预测模型。

[0034] 此外，为实现上述目的，本发明还提出一种应用于污水处理厂的巡检管理方法，所述应用于污水处理厂的巡检管理方法包括：

[0035] 通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；

[0036] 根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。

[0037] 本发明提供的应用于污水处理厂的巡检管理系统及方法，通过所述数据获取模块，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；所述数据分析模块，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；所述数据展示模块，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。通过上述方式，不仅能够有效减少巡检员的巡检工作量，还能够了解巡检员的真实巡检情况并对巡检员进行评分，进一步确保巡检员的巡检质量。

附图说明

[0038] 图1为本发明应用于污水处理厂的巡检管理装置第一实施例的结构框图；

[0039] 图2为本发明应用于污水处理厂的巡检管理装置第一实施例中的又一结构框图；

[0040] 图3为本发明应用于污水处理厂的巡检管理装置第一实施例中边缘智能网关的结构框图；

[0041] 图4为本发明应用于污水处理厂的巡检管理装置第一实施例中边缘智能盒子的结构框图；

[0042] 图5为本发明应用于污水处理厂的巡检管理装置第一实施例中AI模型算法的结构框图；

[0043] 图6为本发明应用于污水处理厂的巡检管理装置第一实施例中巡检软件的结构框图；

[0044] 图7为本发明应用于污水处理厂的巡检管理装置第一实施例中视频管理的结构框图；

[0045] 图8为本发明应用于污水处理厂的巡检管理装置第一实施例中的界面示意图；

[0046] 图9为本发明应用于污水处理厂的巡检管理装置第一实施例中AR巡检工具的结构框图；

[0047] 图10为本发明应用于污水处理厂的巡检管理装置第二实施例的结构框图；

[0048] 图11为本发明应用于污水处理厂的巡检管理装置第二实施例的界面示意图；

[0049] 图12为本发明应用于污水处理厂的巡检管理方法第一实施例的流程示意图。

[0050] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0051] 应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0052] 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，所描述的实施例仅仅是本发明的一部分实施例，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作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。

[0053] 本发明提出一种应用于污水处理厂的巡检管理系统。

[0054] 参照图1，在本发明实施例中，所述应用于污水处理厂的巡检管理系统包括数据获取模块10、数据分析模块20以及数据展示模块30；其中，

[0055] 所述数据获取模块10，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据。

[0056] 所述数据分析模块20，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分。

[0057] 所述数据展示模块30，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。

[0058] 需要说明的是，视频数据指的是通过摄像头采集到污水处理厂中需要巡检的位置的视频数据；目标视频数据指的是在巡检员录入数据的同时采集到巡检员所在位置的视频数据；录入数据指的是巡检员根据巡检结果录入到管理系统中的数据；定位数据指的是巡检员的所在位置信息。

[0059] 在具体实现中，定位数据可通过巡检员在录入数据时自行进行选择，还可采用卫星定位模式，并结合基站辅助定位功能，准确获取巡检员的所在位置信息。

[0060] 在具体实现中，如图2所示，应用于污水处理厂的巡检管理系统即为智慧管理系统平台，其中，智慧管理系统平台包括边缘智能盒子、边缘智能网关、巡检软件、AI算法模型、视频管理以及AR巡检工具等等。

[0061] 需要说明的是，如图3所示，可通过边缘智能网关获取设备识别码、数据类型以及数据内容，具体地，边缘智能网关能够获取多种设备协议数据，并对设备数据进行解析得到解析数据；在边缘智能网关获取解析数据之后，提取所述设备数据中的设备识别码、数据类型以及数据内容，并舍弃其他数据；将所述设备识别码、数据类型以及数据内容依据目标协议进行封装并向云端发送。通过边缘智能网关能够实现对多种协议的数把进行提取和转换，有效完成教据的整合。

[0062] 需要说明的是，如图4所示，可通过边缘智能盒子来获取强大的AI算力、视频解码能力以及边缘操作能力，重现视频原貌，实现端侧设备智能化升级。支持远程算法及应用部署使海量视频数据能够通过边缘AI进行实时决策和推理，并将结构化数据上传至云端，实现端边云有效协同。

[0063] 需要说明的是，通过巡检软件能够自动对巡检员的巡检数据进行统计分析，能够节省人力成本，且分析结果准确，不易出错。

[0064] 在具体实现中，巡检员可通过扫描巡检点处的二维码来进行数据的录入，巡检员在扫描二维码之后，可根据巡检员的扫描数据来确定巡检员的所在位置信息；然后再根据所在位置信息在污水处理厂采集到的视频数据中确定目标视频数据；还可以在巡检员扫描二维码之后来获取设备识别码，再根据设备识别码来从视频数据中确定目标视频数据。

[0065] 需要说明的是，如图5所示，AI模型算法主要包括好氧池填料漂浮面积识别模型、风机油位识别模型、风机压力表识别模型、探头糊住识别模型以及保养时间预测模型。

[0066] 在具体实现中，巡检员可以自动设置巡检方案，管理系统可以根据巡检方案周期性生成巡检计划，并及时通知巡检员，以防止巡检员出现漏检的情况。

[0067] 需要说明的是，灵活的巡检考核设置模式、强大的巡检报表功能，可对任意个人、班组、部门等进行时、日、周、月等巡检考核分析，通过列表、柱状、饼图等显示统计效果。支持多种办公软件导出功能，例如：EXCEL、PDF等。

[0068] 需要说明的是，如图6所示，可通过巡检软件来实现巡检数据的统计分析，实现对巡检员的绩效评分，实现对巡检数据的存档以及实现对采集数据进行AI分析。

[0069] 需要说明的是，如图7所示，视频管理可从终端、边缘、云以及edg来获取视频数据，其中，终端通过无线连接到IPC(IP摄像头)或其他设备，edg可实现有价值信息的提取、存储和上传，云可实现数据中心模型土洞、管理、开发和应用，能够保证在本地AI实时处理数据，并将必要的信息传输到云端，还可以将发送到云的所有信息进行加密，且可以支持快速部署第三方算法和应用程序。

[0070] 在具体实现中，如图8所示，可根据巡检员的名称来查询该巡检员的巡检工单，并可根据巡检工单的情况来确定需要进行维护的设备。

[0071] 在一实施例中，所述数据分析模块包括确定单元、风油机位识别单元、风机压力表识别单元以及评分单元；其中，

[0072] 所述确定单元，用于根据所述定位数据从所述视频数据中确定目标视频数据，并根据所述目标视频判断当前识别类型；

[0073] 所述风机油位识别单元，用于在判定所述当前识别类型为风机油位识别类型时，从所述目标视频数据中获取第一目标图像，并将所述第一目标图像输入至所述边缘智能盒子中的风机油位识别模型中，得到第一分析结果；

[0074] 所述风机压力表识别单元，用于在判定所述当前识别类型为风机压力表识别类型时，从所述目标视频数据中获取第二目标图像，并将所述第二目标图像输入至所述边缘智能盒子中的风机压力表识别模型中，得到第二分析结果；

[0075] 所述评分单元，用于将所述第一分析结果/或第二分析结果与所述录入数据进行比对，在得到比对结果之后根据所述比对结果对所述巡检员进行绩效评分。

[0076] 需要说明的是，风机油位识别模型主要对罗茨风机油位观察镜的油位进行识别，识别结果即为第一分析结果；风机压力表识别模型主要对罗茨风机压力表的读数进行识别，识别结果即为第二分析结果。

[0077] 可以理解的是，在人工巡检过程中，主要由巡检员对罗茨风机油位观察镜的油位进行记录，以及由巡检员对罗茨风机压力表的读数进行记录。

[0078] 需要说明的是，在人工巡检过程中，由于巡检设备的数量庞大，巡检员在巡检时可能会敷衍巡检，比如在巡检时不认真记录数据，或者为了赶时间未根据巡检设备的真实情况进行来记录数据。

[0079] 在本实施例中，通过风机油位识别模型以及风机压力表识别模型能够获取到用于对巡检员进行绩效评分的数据，不仅能够将巡检员的绩效考核制度化，还能够督促巡检员在工作过程中更加规范。

[0080] 在一实施例中，所述应用于污水处理厂的巡检管理系统还包括报警模块，所述报警模块包括好氧池填料漂浮面积识别单元和报警单元；其中，

[0081] 所述好氧池填料漂浮面积识别单元，用于从所述视频数据中确定好氧池视频数据，在从所述氧池视频数据中获取第三目标图像之后，将所述第三目标图像输入至好氧池填料漂浮面积识别模型中，得到填料漂浮百分比；

[0082] 所述报警单元，用于监测所述填料漂浮百分比是否小于漂浮阈值，并在监测到所述填料漂浮百分比大于阈值时，触发第一报警程序。

[0083] 需要说明的是，阈值可提前进行设定。

[0084] 在具体实现中，通过好氧池填料漂浮面积识别模型来对好氧池进行检测的方式有两种，其中，第一种在管理系统中调用已发布在云服务器上的填料漂浮面积识别服务，每上传一张图片，就进行一次图像识别，并将识别结果进行展示，数据同步上传到数据库保存；第二种为将好氧池填料漂浮面积识别模型部署在算法盒子，算法盒子在污水处理厂的局域网安装，将摄像头数据以视频流的方式传入模型进行实时画面识别，识别的图片和识别结果在算法盒子本地日志保存。

[0085] 在本实施例中，可通过好氧池填料漂浮面积识别模型来实时监测好氧池的水面情况，在监测到好氧池的水面出现异常时可以及时触发PC端进行报警，以及时对好氧池的鼓风机进行相应调整，从而避免造成曝气不均而影响生化段的硝化反应效率。

[0086] 在一实施例中，所述巡检数据还包括巡检设备的历史维护数据；所述报警模块还包括保养时间预测单元；其中，

[0087] 所述保养时间预测单元，用于将所述历史维护数据输入至保养时间预测模型中，得到所述巡检设备的未来维护周期；

[0088] 所述报警单元，用于根据所述未来维护周期确定最近维护时间，在到达所述最近维护时间时，触发第二报警程序。

[0089] 需要说明的是，可通过保养时间预测模型对设备保养及清淤进行更加精细化管理，在常规保养和清淤的基础上，对历史维护数据进行学习，做到能够预测下一次保养和清淤的时间；为了防止相关人员忘记对设备进行保养和清淤，在到达最近维护时间时还可以再次提醒相关人员对设备进行保养和清淤。

[0090] 在具体实现中，污水处理厂的厂长可以根据未来维护周期对该设备最近一次维护时间进行确认，在酌情考虑是否进行本次维护之后反馈原因，并给出建议的维护时间。

[0091] 在本实施例中，可以根据历史维护数据动态对设备进行保养及清淤，让设备在大部分运行时间内都处于高效工作状态，避免设备低效运行增加运营成本。

[0092] 在一实施例中，所述巡检数据还包括巡检设备的探头底部图像；所述报警模块还包括探头糊住识别单元；其中，

[0093] 所述探头糊住识别单元，用于将所述探头底部图像输入至探头糊住识别模型中，得到所述巡检设备的探头包裹情况；

[0094] 所述报警单元，用于在确定所述探头包裹情况为探头被胶状物质包裹住时，触发第三报警程序。

[0095] 在具体实现中，通过探头糊住识别模型来监测探头底部情况的方式为：在管理系统中调用已发布在云服务器上的探头糊住识别服务，每上传一张图片，就进行一次图像识别，并将识别结果进行展示，数据同步上传到数据库保存。

[0096] 在本实施例中，可通过探头糊住识别模型来实时监测探头底部情况，在监测到探头底部被胶装物质糊住时触发PC端进行报警，以及时安排相关人员清理探头底部，防止因探头底部被糊住而影响相关设备的运行。

[0097] 在一实施例中，所述应用于污水处理厂的巡检管理系统还包括AR巡检模块，所述AR巡检模块包括AR实时巡检单元和故障数据生成单元；其中，

[0098] 所述AR实时巡检单元，用于在接收到所述巡检员的请求AR巡检信息时，根据所述请求AR巡检信息在所述巡检员佩戴的AR眼镜中呈现巡检环境；

[0099] 所述故障数据生成单元，用于在所述巡检员判定所述巡检环境出现故障时，通过接收所述巡检员的语音信息生成故障数据。

[0100] 需要说明的是，AR巡检工具利用虚拟现实技术，使业务人员能够在其中进行漫游，遵照现场巡检的习惯，在污水处理厂及其设备中对每个设备进行查看，同时将与该设备的基础数据、监测数据等信息实时动态的呈现出来，辅助巡检人员发现缺陷、定位故障，提供可视化的信息支撑。

[0101] 需要说明的是，在发现设备故障之后，巡检员可用手机直接对设备进行报修，管理员收到后安排维修，所有进度一清二楚。

[0102] 在具体实现中，巡检员通过AR眼镜观察到巡检环境中存在故障设备时，可将故障设备描述出来，使得故障数据生成单元能够根据巡检员的语音信息生成故障数据。

[0103] 需要说明的是，如图9所示，AR巡检工具包括AR眼镜和后台控制系统。

[0104] 在本实施例中，基于虚拟现实的VR仿真模拟控制系统可以帮助巡检员从繁重且重复的工作中解脱出来，通过对虚拟设备的控制，可以对巡检设备进行远程监控、运行维护和诊断，及时发现和消除故障隐患，从而减少维修次数，并提高设备可靠性。

[0105] 在一实施例中，所述AR巡检模块还包括请求维护单元；其中，

[0106] 所述请求维护单元，用于通过所述巡检员佩戴的AR眼镜连接远程专家端，并将所述故障数据发送至远程专家端，以使所述远程专家端实时根据所述故障数据提供音视频维护指令。

[0107] 需要说明的是，通过佩戴AR眼镜，现场工作人员可以有效地完成构筑物、设备的现场检查，并通过图像识别支持设备信息的实时显示。现场巡检人员的AR眼镜可以同步显示巡检管理后台建立的巡检任务表。此外，如果现场运维人员在巡检过程中遇到无法独立处理的故障，可通过AR眼镜连接远程专家，提供实时音视频维护指令。还支持实时标注、发送参考文件等功能。通过远程合作，有效规避了专家在场的防疫风险，提高了运行维护效率。

[0108] 在具体实现中，远程专家端可根据故障数据以及AR眼镜呈现的环境数据提供维护策略，以使巡检员能够根据维护策略对巡检设备进行维护，通过巡检员与远程专家的远程合作能够有效规避了专家在场的防疫风险，提高了运行维护效率。

[0109] 在具体实现中，采用AR眼镜的巡检方案，不仅能够为现场提供安全、有效、可靠的解决方案，还做到定时巡检、指定点巡检，在无人值守的环境中采用AR眼镜来实现远程巡检，能够对现场设备进行全方位巡检、识别、记录、报警、排查问题，并进行巡检数据跟踪分析，提升设备安全保障。与人工巡检相比，AR眼镜的巡检方案本身具有观测范围广、精度高、安全隐患无人、视频可追溯等优点。

[0110] 在本实施例中，将AR应用于污水厂的巡检流程能够有效地、实时传递必要的信息来帮助提高运行的安全性。这不仅有助于推动污水处理行业工作场所遵守严格的安全规定，而且该技术提供的及时信息和指令可以支持现场作业人员，确保安全完成任何任务。

[0111] 本发明提供的应用于污水处理厂的巡检管理系统，通过所述数据获取模块，用于通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；所述数据分析模块，用于根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；所述数据展示模块，用于基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。通过上述方式，不仅能够有效减少巡检员的巡检工作量，还能够了解巡检员的真实巡检情况并对巡检员进行评分，进一步确保巡检员的巡检质量。

[0112] 参考图10，图10为本发明一种应用于污水处理厂的巡检管理系统第二实施例的功能模块图。

[0113] 基于上述第一实施例，本实施例中所述巡检数据还包括第一污水进水数据，所述应用于污水处理厂的巡检管理系统还包括进水数据分析单元和出水监测单元；其中，[0114] 所述进水数据分析单元40，用于对第一污水进水数据进行统计分析，确定所述污水进水数据的输入因子；

[0115] 所述出水监测单元50，用于将所述输入因子以及处理工艺参数输入至优化水质预测模型中，预测出水数据的达标情况。

[0116] 需要说明的是，可采用皮尔逊相关系数法来对第一污水进水数据进行统计分析，用于筛选与出水监测数据相关性较强的输入因子，具体地，皮尔逊相关系数的公式如下所示：

[0117]

[0118] 式中，X表示出水数据的达标情况，Y表示备选输入因子，x表示出水数据的达标情况的均值，y表示备选输入因子的均值。

[0119] 在一实施例中，所述巡检数据还包括第二污水进水数据，所述数据分析模块还包括数据预处理单元、LSTM‑AM单元以及AHMPSO单元；其中，

[0120] 所述数据预处理单元，用于对第二污水进水数据进行相关性分析，得到污水关键特征数据；

[0121] 所述LSTM‑AM单元，用于将所述污水关键特征数据输入LSTM‑AM模型中，得到第一预测结果；

[0122] AHMPSO单元，用于基于第一预测结果确定AHMPSO优化算法的适应度值，以根据所述适应度值对所述LSTM‑AM模型的隐藏层神经元个数和学习率进行寻优，以优化所述入LSTM‑AM模型的超参数，得到优化水质预测模型。

[0123] 需要说明的是，污水关键特征数据指的是对第二污水进行数据进行相关性分析，筛选输入变量，并对筛选出的数据集进行相应处理得到的数据，其中，相应处理包括补齐缺失数据、剔除异常值、数据归一化。

[0124] 在具体实现中，补齐缺失数据具体你包括

[0125] 在具体实现中，可通过适应度函数来确定AHMPSO优化算法的适应度值，适应度函数具体如下：

[0126]

[0127] 式中，P表示第二污水进水数据的数量，yp表示第P份第二污水进水数据的真实值，表示第P份第二污水进水数据的第一预测结果。

[0128] 在具体实现中，需要提前设置AHMPSO优化算法的超参数，超参数具体包括量子数量、迭代次数、初始惯性权重、学习因子、粒子速度以及位置的界限；将LSTM‑AM模型的隐藏层神经元数量和学习率作为AHMPSO优化算法的优化特征，确定待优化特征的寻优范围，随机初始化种群，确定初始种群最优值和个体最优值；再基于初始种群最优值和个体最优值来对LSTM‑AM模型的超参数进行优化得到最优超参数，再将最优超参数赋值给LSTM‑AM模型，得到优化水质预测模型。

[0129] 在具体实现中，如图11所示，可以确定优化水质预测模型的输入数据以及输出数据；该可以从图中实时监测到不同好氧池的数据情况。

[0130] 本实施例通过所述进水数据分析单元，用于对第一污水进水数据进行统计分析，确定所述污水进水数据的输入因子；所述出水监测单元，用于将所述输入因子以及处理工艺参数输入至优化水质预测模型中，预测出水数据的达标情况。能够提高污水关键指标的监测能力，同时确保在出水水质符合国家标准的情况下，实现对污水处理过程的能耗控制。

[0131] 此外，如图12所示，本发明实施例还提供了一种应用于污水处理厂的巡检管理方法，所述应用于污水处理厂的巡检管理方法还包括：

[0132] 步骤S10：通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据。

[0133] 步骤S20：根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分。

[0134] 步骤S30：基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。

[0135] 本发明提供的应用于污水处理厂的巡检管理方法，通过边缘智能网关获取巡检数据，其中，所述巡检数据包括视频数据、巡检员的录入数据以及所述巡检员的定位数据；根据所述定位数据从所述视频数据中确定目标视频数据，通过边缘智能盒子中的AI模型算法对所述目标视频数据进行分析，在获取到分析结果之后，将所述分析结果与所述录入数据进行比对，并根据比对结果对所述巡检员进行绩效评分；基于所述分析结果以及所述绩效评分，生成巡检报表，并将所述巡检报表进行可视化展示。通过上述方式，不仅能够有效减少巡检员的巡检工作量，还能够了解巡检员的真实巡检情况并对巡检员进行评分，进一步确保巡检员的巡检质量。

[0136] 应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

[0137] 需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

[0138] 此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0139] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0140] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

[0141] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。