(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 202211092186.9 (22)申请日 2022.09.08 (71)申请人 江西珉轩智能科技有限公司 地址 330096 江西省南昌市南昌 高新技术 产业开发区京东大道456号创业楼三 楼 (72)发明人 李淑琴　 (74)专利代理 机构 南昌卓尔精诚专利代理事务 所(普通合伙) 36133 专利代理师 徐柳华 (51)Int.Cl. G01N 15/06(2006.01) G01N 33/00(2006.01) G06N 20/00(2019.01) G06Q 50/26(2012.01) (54)发明名称 一种基于机器学习的安全态势感知方法及 系统 (57)摘要 本发明涉及物联网技术领域， 公开了一种基 于机器学习的安全态势感知方法及系统， 可由多 个网格点监测组的多个网格监测点对对应区域 的空气进行采样， 每个网格监测点都可获得对应 的空气采样参数组， 然后将根据预设特征提取规 则生成的特征图片输入训练好的空气质量识别 模型， 便可对目标区域的整体空气质量进行监 控， 而且大量的网格监测点能够在机器学习模型 的训练过程中提供大量训练样 本， 有助于机器学 习模型的高效训练， 因此能够保证空气质量识别 模型的识别精准度。 权利要求书2页 说明书8页 附图3页 CN 115184228 A 2022.10.14 CN 115184228 A 1.一种基于 机器学习的安全态 势感知方法， 其特 征在于， 包括： S1， 在目标区域建立多个网格点 监测组； 所述网格点 监测组包括多个网格监测点； S2， 通过所述网格监测点获取空气采样参数组； S3， 将所述空气采样参数组按照预设特 征提取规则生成对应的特 征图片； S4， 将所述特 征图片输入训练好的空气质量识别模型， 获得质量判断结果； 其中， 所述空气质量识别模型为经过训练的机器学习模型， 所述质量判断结果包括合 格和不合格。 2.根据权利要求1所述的基于机器学习的安全态势感知方法， 其特征在于， 所述预设特 征提取规则包括： 解析所述空气采样参数 得到多个参数项； 根据所述 参数项生成对应的随时间变化的参数变化曲线； 在空白图片上匹配设置与所述 参数变化曲线关联的统一 坐标轴； 将所述参数变化曲线 按照预设排列顺序设置在所述空白图片上。 3.根据权利要求2所述的基于机器学习的安全态势感知方法， 其特征在于， 不同的所述 参数变化曲线的颜色不同， 所述统一坐标轴的纵轴包括与所述参数项种类数量相同的纵向 分段轴， 每一段纵向分段轴与对应所述 参数变化曲线关联。 4.根据权利要求3所述的基于机器学习的安全态势感知方法， 其特征在于， 所述纵向分 段轴的颜色 设置为渐 变色， 渐变速度与所述纵向分段轴对应的最小刻度值相关。 5.根据权利要求1所述的基于 机器学习的安全态 势感知方法， 其特 征在于， 还 包括： S5， 将预设时间内所获取的不合格的质量判断结果所对应的所述网格监测点标记为感 知点； S6， 获取所述感知点获得 所述空气采样参数组的时间戳 ； S7， 针对每个所述网格点监测组， 根据所述时间戳 获取所述网格点监测组中的末 级感知点和首级感知点， 将所述末级感知点到所述首级感知点的矢量方向做为所述网格点 监测组对应的感知参 考方向； S8， 将所有所述感知参 考方向在延伸方向上的交点作为 参考中心； S9， 以所述参考中心为圆心， 预设距离为半径建立探查区域， 获取所述探查区域之间的 重叠部分； S10， 将存在两次及以上重 叠的所述探查区域作为空气质量势 态感知重点区域。 6.根据权利要求5所述的基于机器学习的安全态势感知方法， 其特征在于， 所述空气采 样参数组包括PM2.5浓度值； 所述S7还 包括： 针对每个所述网格点 监测组， 获取每 个所述感知点所获取的所述PM2.5浓度值； 根据所述PM2.5浓度值 生成浓度梯度图； 根据所述浓度梯度图获取梯度参 考方向； 若所述梯度参考方向与所述感知参考方向不平行， 则根据 所述梯度参考方向对所述感 知参考方向进行靠 近修正。权　利　要　求　书 1/2 页 2 CN 115184228 A 27.根据权利要求6所述的基于机器学习的安全态势感知方法， 其特征在于， 所述S7还包 括： 获取所述首级感知点到所述末级感知点的距离 ； 获取所述网格点 监测组位置的平均风速 和风向； 计算所述末级感知点和所述首级感知点的时间戳差值 ； 所述风向的反方向与所述感知参 考方向的夹角为 ； 若 ， 将所述感知参考方向向所述风向的反方向进行 角度的靠近修 正； 若 ， 将所述感知参考方向向所述风向的反方向进行 角度的靠近 修正； 其中， 为所述网格点监测组的编号， 为预设余量， 、 均为预设角度变化量， 且 与 正相关， 。 8.根据权利要求7所述的基于机器学习的安全态势感知方法， 其特征在于， 所述S9还包 括： 每修正一次所述感知参 考方向， 将所述探查区域的半径缩小预设数值。 9.一种基于 机器学习的安全态 势感知系统， 其特 征在于， 包括： 多个网格点监测组， 分布设置在目标区域内， 所述网格点监测组包括多个网格监测点， 所述网格监测点用于获取空气采样参数组； 生成模块， 用于将所述空气采样参数组按照预设特 征提取规则生成对应的特 征图片； 空气质量识别模型， 为经过训练的机器学习模型， 用于接收所述特征图片并根据所述 特征图片输出对应的质量判断结果； 所述质量判断结果包括 合格和不 合格。权　利　要　求　书 2/2 页 3 CN 115184228 A 3