(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 202211245024.4 (22)申请日 2022.10.12 (71)申请人 中用科技有限公司 地址 230601 安徽省合肥市经济技 术开发 区宿松路3963号智能装备科技园E栋 12层 (72)发明人 胡增　江大白　彭鹏　 (74)专利代理 机构 深圳众邦专利代理有限公司 44545 专利代理师 熊指挥 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 16/55(2019.01) G06F 21/60(2013.01)G06K 9/62(2022.01) G06T 7/00(2017.01) G06V 10/764(2022.01) (54)发明名称 一种基于人工智能算法的工业大数据处理 方法及系统 (57)摘要 本发明公开了一种基于人工智能算法的工 业大数据处理方法及系统， 该方法包括以下步 骤： S1、 通过工业监测设备获取工业数据； S2、 对 所述工业数据进行智能识别与分类处理； S3、 对 分类处理后的所述工业数据进行异常检测及预 警； S4、 对检测完毕后的正常数据进行分布式存 储； S5、 利用人工智能算法对工业数据分类处理 系统进行更新迭代与优化。 本发 明通过构建与庞 大工业大数据相 匹配的人工智能算法数据处理 体系， 将采集到的工业数据进行识别分类与对应 处理， 有效提高数据整合、 分析处理效率与数据 具备的精确度， 结合一体化分布式自动存储， 大 大提高数据传输 速率。 权利要求书3页 说明书8页 附图2页 CN 115309871 A 2022.11.08 CN 115309871 A 1.一种基于人工智能算法的工业大 数据处理方法， 其特 征在于， 该 方法包括以下步骤： S1、 通过工业 监测设备获取工业数据； S2、 对所述工业数据进行智能识别与分类处 理， 包括： S3、 对分类处 理后的所述工业数据进行异常检测及预警； S4、 对检测完毕后的正常数据进行分布式存 储； S5、 利用人工智能算法对工业数据分类处 理系统进行 更新迭代与优化； 其中， 所述对所述工业数据进行智能识别与分类处 理， 包括以下步骤： S21、 对所述工业数据进行识别， 并划分为文本参数类数据与影 像类数据； S22、 对所述文本参数类数据进行清洗与融合处 理； S23、 对所述影 像类数据进行审核与增强处 理， 并对内容进行 标注； S24、 将处 理完毕的所述文本参数类数据与影 像类数据进行 上传； 所述文本参数类数据进行清洗与融合处 理， 包括以下步骤： S221、 利用拉依达准则对文本参数类数据进行清洗 筛选； S222、 计算同一类型文本参数类数据的算术平均值、 剩余误差及标准差， 根据异常判断 准则剔除异常参数 数据， 并标记 异常参数 数据的时间节点； S223、 重新计算剩余所述文本参数类数据的算术平均值、 剩余误差及标准差并逐一去 除异常参数 数据， 直至剔除所有的异常参数 数据； S224、 获得去除所有异常参数 数据后实现融合的文本参数类数据； 所述影像类数据进行审核与增强处 理， 并对内容进行 标注， 包括以下步骤： S231、 对所述影 像类数据进行审核， 剔除异常影 像数据； S232、 提高所述影 像类数据内视频与图像的分辨 率与画面质量； S233、 对所述影像类数据进行指纹提取， 并利用内容识别技术提取影像类数据内容并 进行标注； 包括以下步骤： S2331、 提取所述影像类数据的数据指纹， 生成相似度分值与 时间点信息， 根据预先设 定的阈值判断影 像类数据的重复度与从属关系； S2332、 根据所述重复度与从属关系对所述影 像类数据进行分类； S2333、 对所述影像类数据进行场景识别， 对其中包含的语音与文本信息进行提取， 提 取关键词并作为标签进行 标注； S2334、 基于所述异常参数数据的时间节点定位对应的影像类数据， 提取被定位影像类 数据的异常节点数据指纹， 基于所述异常节点数据指纹， 标记具有同类数据指纹的所有影 像类数据的节点， 向用户发出 预警。 2.根据权利要求1所述的一种基于人工智能算法的工业大数据处理方法， 其特征在于， 所述计算同一类型文本参数类数据的算术平均值、 剩余误差及标准差， 根据异常判断准则 剔除异常参数 数据， 并标记 异常参数 数据的时间节点， 包括以下步骤： S2221、 计算同一类型文本参数类数据的算 术平均值， 公式为： 权　利　要　求　书 1/3 页 2 CN 115309871 A 2式中， 表示同一类型文本参数类数据的算 术平均值； 表示同一类型文本参数类数据的数量； 表示第i个文本参数类数据； S222、 计算同一类型文本参数类数据的剩余 误差， 公式为： 式中， 表示第i个文本参数类数据的剩余 误差； S222、 利用贝 塞尔公式计算出 所述文本参数类数据的标准差； 式中， 表示同一类型文本参数类数据的标准差； S222、 若某 一个文本参数类数据的剩余误差与标准差之间满足 ， 则判定该文 本参数类数据为异常参数 数据并进行剔除； S223、 标记异常参数 数据的时间节点。 3.根据权利要求2所述的一种基于人工智能算法的工业大数据处理方法， 其特征在于， 对所述影 像类数据进行审核， 剔除异常影 像数据， 包括以下步骤： S2311、 基于所述异常参数数据的时间节点定位对应的影像类数据， 提取被定位影像类 数据的异常节点数据指纹； S2312、 基于所述异常节点数据指纹， 标记具有同类数据指纹的所有影像类数据的节 点， 作为异常影 像数据进行剔除。 4.根据权利要求3所述的一种基于人工智能算法的工业大数据处理方法， 其特征在于， 所述提高所述影像类数据内视频与图像的分辨率与画面质量的方法包括超分辨率、 HDR解 码、 TIE增强、 ROI编码中的至少一种。 5.根据权利要求4所述的一种基于人工智能算法的工业大数据处理方法， 其特征在于， 所述影像类数据进行数据指纹提取， 并利用内容识别技术提取影像类数据内容并进行标 注， 包括以下步骤： S2331、 提取所述影像类数据的数据指纹， 生成相似度分值与 时间点信息， 根据预先设 定的阈值判断影 像类数据的重复度与从属关系； S2332、 根据所述重复度与从属关系对所述影 像类数据进行分类； S2333、 对所述影像类数据进行场景识别， 对其中包含的语音与文本信息进行提取， 提 取关键词并作为标签进行 标注。 6.根据权利要求5所述的一种基于人工智能算法的工业大数据处理方法， 其特征在于， 所述对分类处 理后的所述工业数据进行异常检测及预警， 包括以下步骤：权　利　要　求　书 2/3 页 3 CN 115309871 A 3