[發明專利]神經網絡算法自組織映射監控渣土車消納的方法和裝置

有效

• 申請號: 202010873307.8
• 申請日: 2020-08-26
• 公開（公告）號: CN112073480B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 王勝斌
• 申請（專利權）人: 湖南金銳科技有限公司
• 主分類號: H04L67/12
• 分類號: H04L67/12;H04L67/125;G06N3/04;G06V20/59;G06V10/82;G01N33/00;G01N15/06;G01S13/931;H04N7/18;G07C5/08;H04N5/76
• 代理公司: 南昌逸辰知識產權代理事務所(普通合伙) 36145
• 代理人: 劉曉敏

1.一種神經網絡算法自組織映射監控渣土車消納的方法，其特征在于，所述方法包括：

通過預設置于渣土車內的監控神經網絡模型獲取渣土車的停滯時間數據與當前位置數據；

將所述停滯時間數據與當前位置數據作為輸入，對應轉換為向量數據，輸入至神經網絡算法的隱藏層，以進行依向量的權重處理，將形成的監控規則數據輸出至監控神經網絡模型；

按照所述監控規則數據，若所述渣土車出現消納違規情況，則進行數據突觸調節，形成違規數據包；

將所述違規數據包采用5G網絡上傳至云監控平臺，并獲取所述云監控平臺的回鎖指令；

通過所述回鎖指令將渣土車的貨箱舉升進行回鎖，阻止貨箱內渣土倒出。

2.根據權利要求1所述的神經網絡算法自組織映射監控渣土車消納的方法，其特征在于，所述通過預設置于渣土車內的監控神經網絡模型獲取渣土車的停滯時間數據與當前位置數據的步驟，包括：

所述監控神經網絡模型通過設置于渣土車上的監測設備判斷渣土車是否停滯；

若是，則所述監控神經網絡模型獲取停滯時間數據和當前位置數據。

3.根據權利要求1所述的神經網絡算法自組織映射監控渣土車消納的方法，其特征在于，所述將停滯時間數據與當前位置數據作為輸入，對應轉換為向量數據的步驟，包括：

將所述停滯時間數據中的時間長度進行實時的量化，得到逐漸遞增的第一向量；

確定運輸路線，將所述當前位置數據中的位置信息標注與所述運輸路線上并進行量化，得到第二向量。

4.根據權利要求3所述的神經網絡算法自組織映射監控渣土車消納的方法，其特征在于，輸入向量數據至神經網絡算法的隱藏層，以進行依向量的權重處理，將形成的監控規則數據輸出至監控神經網絡模型的步驟，包括：

所述隱藏層采用源節點層接入第一向量和第二向量；

若干個第一神經元接于所述隱藏層，根據所述第一向量的實時遞增以逐步激活第一神經元，而逐步提升所述第一向量的權重，當所述第一向量的遞增停止時，所述第一向量的權重值固定，其中，所述第一神經元的激活數量具有上限值；

若干個第二神經元接于所述隱藏層，將所述第二向量分配固定權重；

當所述第一向量與第二向量的權重數值被定義后，形成監控規則數據，由Microsoft神經網絡的隱藏層輸出至監控神經網絡模型。

5.根據權利要求1所述的神經網絡算法自組織映射監控渣土車消納的方法，其特征在于，所述按照所述監控規則數據，若所述渣土車出現消納違規情況，則進行數據突觸調節，形成違規數據包的步驟包括：

所述消納違規情況為渣土車在非指定的消納場地進行停滯，故而獲取停滯時間和當前位置；

將所述停滯時間和當前位置輸出至監控神經網絡模型；

根據所述停滯時間與當前位置確定的權重數據，采用Kohoncn模型的后突觸神經元二位陣列對形成所述權重數據的神經元進行確定；

確定突觸神經元二位陣列中的神經元后，進行神經元突觸規束，以自組織映射壓縮成違規數據包。

6.一種神經網絡算法自組織映射監控渣土車消納的裝置，其特征在于，包括：

模型獲取單元，用于通過預設置于渣土車內的監控神經網絡模型獲取渣土車的停滯時間數據與當前位置數據；

模型處理單元，用于將所述停滯時間數據與當前位置數據作為輸入，對應轉換為向量數據，輸入至神經網絡算法的隱藏層，以進行依向量的權重處理，將形成的監控規則數據輸出至監控神經網絡模型；

壓縮單元，用于按照所述監控規則數據，若所述渣土車出現消納違規情況，則進行數據突觸調節，形成違規數據包；

數據傳輸單元，用于將所述違規數據包采用5G網絡上傳至云監控平臺，并獲取所述云監控平臺的回鎖指令；

執行單元，用于通過所述回鎖指令將渣土車的貨箱舉升進行回鎖，阻止貨箱內渣土倒出。