一种基于AIOT技术的海洋实时监测系统及方法与流程

本发明涉及数据处理，特别涉及一种基于aiot技术的海洋实时监测系统及方法。

背景技术：

1、目前，海洋的污染问题日益严重，如何有效地对海洋污染进行监控成为了重要的课题。传统海洋环境监测，大都采用周期性采样监测分析，实时性不高，准确度较低。

技术实现思路

1、本发明提供一种基于aiot技术的海洋实时监测系统及方法，能够提高监测的准确度。

2、鉴于此，本发明一方面提供一种基于aiot技术的海洋实时监测系统，所述系统包括：

3、信息采集单元，用于获取目标海域当前时刻的监测信息，所述监测信息中至少包括所述目标海域中的洋流速度、海底地形数据和海水密度数据；

4、序列化单元，用于对所述监测信息进行序列化，以生成监测序列数据，在对所述监测序列数据进行压缩后，上传至卫星系统；

5、地面处理单元，用于接收所述卫星系统发来的压缩后的监测序列数据，并将所述监测序列数据输入完成训练的监测模型中，以通过所述监测模型输出预警信息。

6、在一个实施方式中，所述序列化单元具体用于，针对所述监测信息中的任一目标信息，确定所述目标信息的实际数值，并根据所述目标信息的预设数值范围，对所述实际数值进行归一化，得到所述目标信息的归一化数值；按照预设顺序依次排列各个目标信息的归一化数值，以生成所述监测信息的监测序列数据。

7、在一个实施方式中，所述地面处理单元中的监测模型在训练过程中处于教师学生模型系统中；其中，所述教师学生模型系统中包括一个教师模型和多个学生模型，所述一个教师模型和所述多个学生模型按照层级进行排列，所述教师模型位于最上层，所述监测模型为位于最下层的学生模型。

8、在一个实施方式中，所述监测模型由模型训练单元按照以下方式进行训练：

9、获取样本数据集，所述样本数据集中包括多组监测样本，所述监测样本包括相匹配的监测数据和预警信息；

10、在利用所述样本数据集中的任一目标监测样本进行模型训练时，在所述目标监测样本的任一训练轮次中，基于已完成训练的教师模型生成所述目标监测样本中目标预警信息的第一预测结果；

11、获取待训练的监测模型针对所述目标预警信息输出的第二预测结果，并对比所述第二预测结果与所述第一预测结果，以基于对比结果对所述监测模型进行校正。

12、在一个实施方式中，所述模型训练单元还用于，针对所述监测模型中的任一第一采样网络，获取所述第一采样网络输出的第一采样特征；

13、根据所述监测模型和所述教师模型之间的采样步数比值，在所述教师模型中确定与所述第一采样网络相对应的第二采样网络，并获取所述第二采样网络输出的第二采样特征；

14、对比所述第一采样特征和所述第二采样特征，并基于对比结果对所述第一采样网络进行校正，以使得校正后的第一采样网络输出的采样特征与所述第二采样网络输出的采样特征相匹配。

15、本发明还提供一种基于aiot技术的海洋实时监测方法，所述方法包括：

16、获取目标海域当前时刻的监测信息，所述监测信息中至少包括所述目标海域中的洋流速度、海底地形数据和海水密度数据；

17、对所述监测信息进行序列化，以生成监测序列数据，在对所述监测序列数据进行压缩后，上传至卫星系统；

18、接收所述卫星系统发来的压缩后的监测序列数据，并将所述监测序列数据输入完成训练的监测模型中，以通过所述监测模型输出预警信息。

19、在一个实施方式中，对所述监测信息进行序列化，以生成监测序列数据包括：

20、针对所述监测信息中的任一目标信息，确定所述目标信息的实际数值，并根据所述目标信息的预设数值范围，对所述实际数值进行归一化，得到所述目标信息的归一化数值；

21、按照预设顺序依次排列各个目标信息的归一化数值，以生成所述监测信息的监测序列数据。

22、在一个实施方式中，所述监测模型在训练过程中处于教师学生模型系统中；其中，所述教师学生模型系统中包括一个教师模型和多个学生模型，所述一个教师模型和所述多个学生模型按照层级进行排列，所述教师模型位于最上层，所述监测模型为位于最下层的学生模型。

23、在一个实施方式中，所述监测模型按照以下方式进行训练：

24、获取样本数据集，所述样本数据集中包括多组监测样本，所述监测样本包括相匹配的监测数据和预警信息；

25、在利用所述样本数据集中的任一目标监测样本进行模型训练时，在所述目标监测样本的任一训练轮次中，基于已完成训练的教师模型生成所述目标监测样本中目标预警信息的第一预测结果；

26、获取待训练的监测模型针对所述目标预警信息输出的第二预测结果，并对比所述第二预测结果与所述第一预测结果，以基于对比结果对所述监测模型进行校正。

27、在一个实施方式中，所述方法还包括：

28、针对所述监测模型中的任一第一采样网络，获取所述第一采样网络输出的第一采样特征；

29、根据所述监测模型和所述教师模型之间的采样步数比值，在所述教师模型中确定与所述第一采样网络相对应的第二采样网络，并获取所述第二采样网络输出的第二采样特征；

30、对比所述第一采样特征和所述第二采样特征，并基于对比结果对所述第一采样网络进行校正，以使得校正后的第一采样网络输出的采样特征与所述第二采样网络输出的采样特征相匹配。

31、本发明提供的技术方案，通过对数据进行序列化，可以精确地表明海域中当前的环境状态。后续，通过模型对数据进行处理，可以提高预警信息的准确度。具体地，采用教师学生模型对监测模型进行训练，可以极大地提高模型推理速度，从而加快了监测数据的处理过程，能够及时有效地生成预警信息。

32、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

33、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种基于aiot技术的海洋实时监测系统，其特征在于，所述系统包括：

2.根据权利要求1所述的系统，其特征在于，所述序列化单元具体用于，针对所述监测信息中的任一目标信息，确定所述目标信息的实际数值，并根据所述目标信息的预设数值范围，对所述实际数值进行归一化，得到所述目标信息的归一化数值；按照预设顺序依次排列各个目标信息的归一化数值，以生成所述监测信息的监测序列数据。

3.根据权利要求1所述的系统，其特征在于，所述地面处理单元中的监测模型在训练过程中处于教师学生模型系统中；其中，所述教师学生模型系统中包括一个教师模型和多个学生模型，所述一个教师模型和所述多个学生模型按照层级进行排列，所述教师模型位于最上层，所述监测模型为位于最下层的学生模型。

4.根据权利要求3所述的系统，其特征在于，所述监测模型由模型训练单元按照以下方式进行训练：

5.根据权利要求4所述的系统，其特征在于，所述模型训练单元还用于，针对所述监测模型中的任一第一采样网络，获取所述第一采样网络输出的第一采样特征；

6.根据权利要求4所述的系统，其特征在于，所述信息采集单元通过传感器实现，所述地面处理单元通过岸基监测站实现，所述系统还包括飞机、船舶、浮标中的至少一种。

7.一种基于aiot技术的海洋实时监测方法，其特征在于，所述方法包括：

8.根据权利要求7所述的方法，其特征在于，对所述监测信息进行序列化，以生成监测序列数据包括：

9.根据权利要求7所述的方法，其特征在于，所述监测模型在训练过程中处于教师学生模型系统中；其中，所述教师学生模型系统中包括一个教师模型和多个学生模型，所述一个教师模型和所述多个学生模型按照层级进行排列，所述教师模型位于最上层，所述监测模型为位于最下层的学生模型。

10.根据权利要求9所述的方法，其特征在于，所述监测模型按照以下方式进行训练：

技术总结
本发明提供了一种基于AIOT技术的海洋实时监测系统及方法，其中，所述系统包括：信息采集单元，用于获取目标海域当前时刻的监测信息，所述监测信息中至少包括所述目标海域中的洋流速度、海底地形数据和海水密度数据；序列化单元，用于对所述监测信息进行序列化，以生成监测序列数据，在对所述监测序列数据进行压缩后，上传至卫星系统；地面处理单元，用于接收所述卫星系统发来的压缩后的监测序列数据，并将所述监测序列数据输入完成训练的监测模型中，以通过所述监测模型输出预警信息。本发明提供的技术方案，能够提高监测的准确度。

技术研发人员：余丹,兰雨晴,彭建强
受保护的技术使用者：慧之安信息技术股份有限公司
技术研发日：
技术公布日：2024/6/13