(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210881250.5 (22)申请日 2022.07.26 (71)申请人 正人智慧科技 （苏州） 有限公司 地址 215335 江苏省苏州市昆山 开发区前 进东路科技广场10 05室 (72)发明人 姚宏斌　朱飞鹏　 (74)专利代理 机构 上海汇知丞 企知识产权代理 有限公司 31468 专利代理师 杨戬 (51)Int.Cl. G01D 21/02(2006.01) G08C 17/02(2006.01) (54)发明名称 一种泵房环境温湿度监测预警方法和系统 (57)摘要 本公开提供一种泵房环境温湿度监测预警 方法和系统， 所述方法包括如下步骤： 获取泵房 环境温度数据和湿度数据； 判断所述温度数据 和/或湿度数据是否超出预设阈值， 如果超出所 述预设阈值， 则判定为第一异常状态并将所述第 一异常状态上报至远端服务器； 所述预设阈值根 据计算得到的泵房历史一段时期内检测到的温 度数据和湿度数据的平均值的变化而变化； 所述 远端服务器根据所述第一异常状态调用泵房环 境在线视频， 根据在线视频识别第二异常状态。 本公开能够根据温湿度异常情况， 进一步调用本 地在线视频进行深度识别， 这样能够验证异常情 况是否真实存在， 也能实现无人值守， 而且也能 减少在线识别的运算量和降低对硬件设备运算 能力的要求。 权利要求书2页 说明书5页 附图2页 CN 115164993 A 2022.10.11 CN 115164993 A 1.一种泵房环境温湿度监测预警方法， 其特 征在于， 包括如下步骤： 获取泵房环境温度数据和湿度数据； 判断所述温度数据和/或湿度 数据是否超出预设阈值， 如果超出所述预设阈值， 则判定 为第一异常状态并将所述第一异常状态上报至远端服务器； 所述预设阈值根据计算得到的 泵房历史一段时期内检测到的温度数据和湿度数据的平均值的变化而变化； 所述远端服务器根据 所述第一异常状态调用泵房环境在线视频， 根据在线视频识别第 二异常状态。 2.如权利要求1所述的泵房环境温湿度监测预警方法， 其特 征在于， 若所述温度数据和/或湿度 数据均未超出预设阈值， 则认定为正常状态， 并将所述温度 数据和湿度数据上报至远端服 务器保存。 3.如权利要求1所述的泵房环境温湿度监测预警方法， 其特征在于， 所述预设阈值为一 阈值范围， 最低值为历史一段时期内检测到的温度数据和湿度数据的平均值的0.5 ‑0.6倍， 最大值为历史一段时期内检测到的温度数据和湿度数据的平均值的1.4 ‑1.8倍。 4.如权利要求1 ‑3任一项所述的泵房环境温湿度监测预警方法， 其特征在于， 根据在线 视频识别第二异常状态具体为： 采用深度学习 网络对在线视频进行深度识别， 如果识别到异常情况， 则将所述异常情 况定义为第二异常状态。 5.如权利要求4所述的泵房环境温湿度监测预警方法， 其特征在于， 所述深度 学习网络 的训练过程如下： 获取泵房历史视频 数据， 对所述视频 数据进行去噪、 配准以及标注； 构建并训练深度学习网络； 在远程服务器中部署 深度学习网络 。 6.如权利要求5所述的泵房环境温湿度监测预警方法， 其特征在于， 构建并训练深度 学 习网络具体包括如下步骤： 构建CNN架构的深度学习网络； 向已有网络中馈入去噪、 配准以及标注后的视频 数据以实现迁移学习； 采用历史视频 数据训练所述深度学习网络 。 7.一种泵房环境温湿度监测预警系统， 其特 征在于， 包括： 温湿度采集模块， 用于获取泵房环境温度数据和湿度数据； 本地服务器， 判断所述温度 数据和/或湿度 数据是否超出预设阈值， 如果超出所述预设 阈值， 则判定为第一异常状态并将所述第一异常状态上报至远端服务器； 所述预设阈值根 据计算得到的泵房历史一段时期内检测到的温度数据和湿度数据的平均值的变化而变化； 远端服务器， 根据所述第一异常状态调用泵房环境在线视频， 根据在线视频识别第二 异常状态。 8.如权利要求7所述的泵房环境温湿度监测预警系统， 其特征在于， 所述远端服务器中 还部署有深度学习网络， 采用深度学习网络对在线视频进行深度识别， 如果识别到异常情 况， 则将所述异常情况定义 为第二异常状态。 9.如权利要求8所述的泵房环境温湿度监测预警系统， 其特征在于， 所述深度 学习网络 的训练过程如下：权　利　要　求　书 1/2 页 2 CN 115164993 A 2获取泵房历史视频 数据， 对所述视频 数据进行去噪、 配准以及标注； 构建并训练深度学习网络； 在远程服务器中部署 深度学习网络 。 10.如权利要求9所述的泵房环境温湿度监测预警系统， 其特征在于， 构建并训练深度 学习网络具体包括： 构建CNN架构的深度学习网络； 向已有网络中馈入去噪、 配准以及标注后的视频 数据以实现迁移学习； 采用历史视频 数据训练所述深度学习网络 。权　利　要　求　书 2/2 页 3 CN 115164993 A 3