[发明专利]一种基于人工智能的综合防盗管理方法和系统

说明书

本发明公开了一种基于人工智能的综合防盗管理方法和系统，方法包括：控制中心形成电缆特征数据；将电缆特征数据分为训练样本和测试样本；将所述训练样本输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；测试完成后将所述训练后的卷积神经网络模型发送至所述接收机；接收机将数据输入至所述训练后的卷积神经网络模型，通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据。本发明通过检测上电后形成天线的电缆发出的信号大小并根据直径数据得到长度数据，从而实现电缆防盗，解决现有技术防盗效果不好的问题；同时本发明还通过卷积神经网络模型，实现对不同情况的数据检测，从而实现人工智能的功能。

技术领域

本发明涉及一种基于人工智能的综合防盗管理方法和系统。

背景技术

由于铜价可观，电缆盗割事件也与日俱增。窃贼盗割隧道电缆、路灯电缆、主控箱接口装置、道闸等铜制设施，其目标便是电缆里的金属铜。最近几年，电力电缆被盗现象非常严重。电缆被盗割后，一方面造成重大的直接经济损失，另一方面也影响到了各项设备的正常运行，给电网运营安全构成严重威胁。在依法加大打击力度、加大人防力度的同时，设置专业化、针对性的安防方法和系统，实现电力电缆的智能防盗，应是本领域解决问题的重要技术手段。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于人工智能的综合防盗管理方法和系统。

本发明的目的是通过以下技术方案来实现的：一种基于人工智能的综合防盗管理方法，用于对电缆实现防盗管理，所述电缆为上电后形成天线的电缆；方法包括以下步骤：

S1：控制中心获取接收机接收到的、所述电缆上电后产生的生成信号数据，并与发射机发送的上电信号数据、电缆直径和电缆长度打包，形成电缆特征数据；

S2：将所述电缆特征数据分为训练样本和测试样本；

S3：将所述训练样本输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；并利用所述测试样本对训练后的卷积神经网络模型进行测试，测试完成后将所述训练后的卷积神经网络模型发送至所述接收机；

S4：与待防盗电缆连接的发射机对待防盗电缆进行上电，并将上电信号数据、电缆直径和完整电缆长度发送至所述接收机；

S5：接收机将实时接收到的所述待防盗电缆上电后产生的生成信号数据、发射机发送的上电信号数据和电缆直径，打包一并输入至所述训练后的卷积神经网络模型，通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据；

S6：根据所述预测的电缆长度结果数据和所述完整电缆长度，判断电缆是否被盗。

进一步地，所述的卷积神经网络包括：输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。

进一步地，所述的发射机通过输入面板获取所述电缆直径、电缆长度和完整电缆长度数据。

进一步地，所述的方法还包括：

S7：将步骤S6的判断结果上传至控制中心和/或管理人员。

进一步地，步骤S3中的训练，迭代次数为500，训练精度为85％。

本发明还提供一种基于人工智能的综合防盗管理系统，用于对电缆实现防盗管理，所述电缆为上电后形成天线的电缆；所述系统包括：

控制中心，用于获取接收机接收到的所述电缆上电后产生的生成信号数据，并与发射机发送的的上电信号数据、电缆直径和电缆长度打包，形成电缆特征数据；还用于将所述电缆特征数据分为训练样本和测试样本；还用于将所述训练样本输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，并利用所述测试样本对训练后的卷积神经网络模型进行测试，测试完成后将所述训练后的卷积神经网络模型发送至所述接收机；