蚁体行进轨迹应用平台的制作方法

1.本发明涉及地震预测领域，更具体地，涉及一种蚁体行进轨迹应用平台。

背景技术：

2.地震预测是根据对地震规律的认识，预测未来地震的时间、地点和强度。实现地震预测的基础是认识地震孕育的物理过程及在此过程中地壳岩石物理性质和力学状态的变化。有些动物也本能地具备预知地震的能力，例如，中国沈阳法库地震台就尝试运用动物来预测地震。
3.地震预报是针对破坏性地震而言的，是指在破坏性地震发生前作出预报，使人们可以防备。地震预报要指出地震发生的时间、地点、震级，这就是地震预报的三要素。完整的地震预报这三个要素缺一不可。
4.当前，地震的估算比较复杂，且反应滞后，地震震级的估算就更难以预测，而由于一些动物例如蚂蚁，在行走在地面时对地震震级的敏感度较高，可以用于地震的预测以及地震震级的估算，但是，当前缺乏可靠的估算机制，无法完成基于蚁体行进轨迹的地震震级的估算。

技术实现要素：

5.为了解决相关领域的技术问题，本发明提供了一种蚁体行进轨迹应用平台，能够在定制的视觉检测机制对蚂蚁行进轨迹采用坐标进行标定的基础上，引入定制训练后的卷积神经网络完成基于蚁体行进轨迹的地震震级的估算，从而为地震的预测提供一条可靠途径。
6.为此，本发明至少需要具备以下基础关键的发明点：
7.(1)采用定制的视觉检测机制对蚂蚁行进轨迹采用坐标进行标定，以为后续的地震震级的智能化估算提供参考数据；
8.(2)引入应用卷积神经网络以基于蚁体行进轨迹估算地震震级，所述卷积神经网络的训练是以历史数据为锚点来执行。
9.根据本发明的一方面，提供了一种蚁体行进轨迹应用平台，所述平台包括：
10.可调节支撑架，设置在蚁洞的出口位置的上方，用于测量其拍摄云台到蚁洞的出口位置的地面的高度；
11.其中，所述可调节支撑架还用于调控其拍摄云台到蚁洞的出口位置的地面的高度以使得其拍摄云台到蚁洞的出口位置的地面的高度等于预设拍摄高度。
12.更具体地，在所述蚁体行进轨迹应用平台中：
13.在所述可调节支撑架内设置有可伸缩架体、拍摄云台、超声测距设备和高度调节设备，所述可伸缩架体的顶部设置有所述拍摄云台。
14.更具体地，在所述蚁体行进轨迹应用平台中：
15.所述超声测距设备设置在所述拍摄云台上，面向蚁洞的出口位置的地面用于测量
所述可调节支撑架到蚁洞的出口位置的地面的高度。
16.更具体地，在所述蚁体行进轨迹应用平台中：
17.所述高度调节设备与所述超声测距设备连接，用于在所述超声测距设备测量的高度未达到所述预设拍摄高度时对所述可伸缩架体进行伸缩操作以使得所述可伸缩架体的顶部的高度等于所述预设拍摄高度。
18.更具体地，在所述蚁体行进轨迹应用平台中，所述平台还包括：
19.现场拍摄机构，设置在所述拍摄云台上，用于面对蚁洞的出口位置的地面执行拍摄操作，以获得各个拍摄时间戳分别对应的各张蚁洞出口画面，所述各个拍摄时间戳在时间轴上连续且间隔均等，所述各个拍摄时间戳的数量等于预设输入数量；
20.信息处理机构，设置在所述拍摄云台内，与所述现场拍摄机构连接，用于对接收到的每一张蚁洞出口画面先执行背景虚化处理后执行盒式滤波处理以获得对应的次序处理画面；
21.对象辨识设备，设置在所述拍摄云台内，与所述信息处理机构连接，用于基于标准蚁体图片从所述次序处理画面中检测一个以上的蚁体对象；
22.坐标采集设备，设置在所述拍摄云台内，用于针对每一个蚁体对象执行以下操作：获取所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标；
23.震级检测设备，与所述坐标采集设备连接，用于将单个蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为单个输入数据，以将单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为预设输入数量的输入数据输入到卷积神经网络中，执行所述卷积神经网络以获得作为输出数据的预测地震震级；
24.其中，所述震级检测设备还包括训练执行单元，用于训练所述卷积神经网络；
25.其中，所述震级检测设备还包括与所述训练执行单元连接的检测执行单元，用于执行训练后的卷积神经网络；
26.其中，所述训练执行单元以确定的历史发生的地震震级为所述卷积神经网络的输出数据，以确定的历史发生的地震震级的发生时刻之前的单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为所述卷积神经网络的预设输入数量的输入数据，对所述卷积神经网络进行训练；
27.其中，所述训练执行单元采用多个蚁体对象分别完成对所述卷积神经网络的多次训练。
28.根据本发明的另一方面，还提供了一种蚁体行进轨迹应用方法，所述方法包括使用一种如上述的蚁体行进轨迹应用平台，用于应用卷积神经网络以基于蚁体行进轨迹智能化估算地震震级。
29.本发明的蚁体行进轨迹应用平台设计紧凑、运行智能。由于引入了定制训练后的卷积神经网络，从而完成基于蚁体行进轨迹的地震震级的估算。
具体实施方式
30.下面将对本发明的蚁体行进轨迹应用平台的实施方案进行详细说明。
31.地震是大地构造活动的结果，所以地震的发生必然和一定的构造环境有关。同时，
地震不是孤立发生的，它只是整个构造活动过程中的一个事件，在这个事件之前，还会发生其他事件。如果能确认地震前所发生的事件，就可以利用它作为前兆来预测地震。另外，地震的发生又带有随机性。在积累着的构造应力作用下，岩石在何时、何处发生破裂，决定于局部构造中的薄弱点及其性质，而对这些薄弱点的分布和性质常常不能清楚了解；此外，地震还可能受一些未知因素的影响。因此，预测地震有时就归结为估计地震发生的概率问题。根据以上这些考虑,地震预测方法大致可以分为3类：地震地质、地震统计和地震前兆。它们不是彼此无关，而是互有联系的。若将3种方法配合使用，效果会更好。
32.当前，地震的估算比较复杂，且反应滞后，地震震级的估算就更难以预测，而由于一些动物例如蚂蚁，在行走在地面时对地震震级的敏感度较高，可以用于地震的预测以及地震震级的估算，但是，当前缺乏可靠的估算机制，无法完成基于蚁体行进轨迹的地震震级的估算。
33.为了克服上述不足，本发明搭建了一种蚁体行进轨迹应用平台，能够有效解决相应的技术问题。
34.根据本发明实施方案示出的蚁体行进轨迹应用平台包括：
35.可调节支撑架，设置在蚁洞的出口位置的上方，用于测量其拍摄云台到蚁洞的出口位置的地面的高度；
36.其中，所述可调节支撑架还用于调控其拍摄云台到蚁洞的出口位置的地面的高度以使得其拍摄云台到蚁洞的出口位置的地面的高度等于预设拍摄高度。
37.接着，继续对本发明的蚁体行进轨迹应用平台的具体结构进行进一步的说明。
38.所述蚁体行进轨迹应用平台中：
39.在所述可调节支撑架内设置有可伸缩架体、拍摄云台、超声测距设备和高度调节设备，所述可伸缩架体的顶部设置有所述拍摄云台。
40.所述蚁体行进轨迹应用平台中：
41.所述超声测距设备设置在所述拍摄云台上，面向蚁洞的出口位置的地面用于测量所述可调节支撑架到蚁洞的出口位置的地面的高度。
42.所述蚁体行进轨迹应用平台中：
43.所述高度调节设备与所述超声测距设备连接，用于在所述超声测距设备测量的高度未达到所述预设拍摄高度时对所述可伸缩架体进行伸缩操作以使得所述可伸缩架体的顶部的高度等于所述预设拍摄高度。
44.所述蚁体行进轨迹应用平台中还可以包括：
45.现场拍摄机构，设置在所述拍摄云台上，用于面对蚁洞的出口位置的地面执行拍摄操作，以获得各个拍摄时间戳分别对应的各张蚁洞出口画面，所述各个拍摄时间戳在时间轴上连续且间隔均等，所述各个拍摄时间戳的数量等于预设输入数量；
46.信息处理机构，设置在所述拍摄云台内，与所述现场拍摄机构连接，用于对接收到的每一张蚁洞出口画面先执行背景虚化处理后执行盒式滤波处理以获得对应的次序处理画面；
47.对象辨识设备，设置在所述拍摄云台内，与所述信息处理机构连接，用于基于标准蚁体图片从所述次序处理画面中检测一个以上的蚁体对象；
48.坐标采集设备，设置在所述拍摄云台内，用于针对每一个蚁体对象执行以下操作：
获取所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标；
49.震级检测设备，与所述坐标采集设备连接，用于将单个蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为单个输入数据，以将单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为预设输入数量的输入数据输入到卷积神经网络中，执行所述卷积神经网络以获得作为输出数据的预测地震震级；
50.其中，所述震级检测设备还包括训练执行单元，用于训练所述卷积神经网络；
51.其中，所述震级检测设备还包括与所述训练执行单元连接的检测执行单元，用于执行训练后的卷积神经网络；
52.其中，所述训练执行单元以确定的历史发生的地震震级为所述卷积神经网络的输出数据，以确定的历史发生的地震震级的发生时刻之前的单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为所述卷积神经网络的预设输入数量的输入数据，对所述卷积神经网络进行训练；
53.其中，所述训练执行单元采用多个蚁体对象分别完成对所述卷积神经网络的多次训练。
54.所述蚁体行进轨迹应用平台中：
55.所述训练执行单元采用历史发生的多次不同地震震级分别完成对所述卷积神经网络的多次训练。
56.所述蚁体行进轨迹应用平台中：
57.获取所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标包括：以每一张蚁洞出口画面的左下角的像素点为原点，以所述蚁体对象在每一张蚁洞出口画面中的成像区域的中心位置的像素点为标定点，将所述标定点在次序处理画面中水平坐标和垂直坐标作为所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标。
58.所述蚁体行进轨迹应用平台中还可以包括：
59.并行通信接口，分别与所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备连接；
60.其中，所述并行通信接口用于在所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备两两之间建立并行通信链路。
61.所述蚁体行进轨迹应用平台中：
62.所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备都设置在所述拍摄云台内。
63.同时，为了克服上述不足，本发明还搭建了一种蚁体行进轨迹应用方法，所述方法包括使用一种如上述的蚁体行进轨迹应用平台，用于应用卷积神经网络以基于蚁体行进轨迹智能化估算地震震级。
64.另外，在所述蚁体行进轨迹应用平台中，可以采用不同型号的soc器件来实现所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备。soc，也即片上系统，从狭义角度讲，他是信息系统核心的芯片集成，是将系统关键部件集成在一块芯片上；从广义角度讲，soc 是一个微小型系统，如果说中央处理器(cpu)是大脑，那么soc就是
包括大脑、心脏、眼睛和手的系统。国内外学术界一般倾向将soc定义为将微处理器、模拟ip核、数字ip核和存储器(或片外存储控制接口)集成在单一芯片上，他通常是客户定制的，或是面向特定用途的标准产品。soc 定义的基本内容主要在两方面：其一是他的构成，其二是他形成过程。系统级芯片的构成可以是系统级芯片控制逻辑模块、微处理器/微控制器cpu 内核模块、数字信号处理器dsp模块、嵌入的存储器模块、和外部进行通讯的接口模块、含有adc/dac的模拟前端模块、电源提供和功耗管理模块，对于一个无线soc还有射频前端模块、用户定义逻辑(他可以由 fpga或asic实现)以及微电子机械模块，更重要的是一个soc芯片内嵌有基本软件(rdos或cos以及其他应用软件)模块或可载入的用户软件等。
65.尽管已参考示例性的实施方案对本发明进行了详尽的说明和描述，但本领域技术人员应当理解，可以在形式和细节上作出各种变化，而这些变化并不偏离如权利要求所定义的本发明的精神和范围。

技术特征：

1.一种蚁体行进轨迹应用平台，其特征在于，所述平台包括：可调节支撑架，设置在蚁洞的出口位置的上方，用于测量其拍摄云台到蚁洞的出口位置的地面的高度；其中，所述可调节支撑架还用于调控其拍摄云台到蚁洞的出口位置的地面的高度以使得其拍摄云台到蚁洞的出口位置的地面的高度等于预设拍摄高度。2.如权利要求1所述的蚁体行进轨迹应用平台，其特征在于：在所述可调节支撑架内设置有可伸缩架体、拍摄云台、超声测距设备和高度调节设备，所述可伸缩架体的顶部设置有所述拍摄云台。3.如权利要求2所述的蚁体行进轨迹应用平台，其特征在于：所述超声测距设备设置在所述拍摄云台上，面向蚁洞的出口位置的地面用于测量所述可调节支撑架到蚁洞的出口位置的地面的高度。4.如权利要求3所述的蚁体行进轨迹应用平台，其特征在于：所述高度调节设备与所述超声测距设备连接，用于在所述超声测距设备测量的高度未达到所述预设拍摄高度时对所述可伸缩架体进行伸缩操作以使得所述可伸缩架体的顶部的高度等于所述预设拍摄高度。5.如权利要求4所述的蚁体行进轨迹应用平台，其特征在于，所述平台还包括：现场拍摄机构，设置在所述拍摄云台上，用于面对蚁洞的出口位置的地面执行拍摄操作，以获得各个拍摄时间戳分别对应的各张蚁洞出口画面，所述各个拍摄时间戳在时间轴上连续且间隔均等，所述各个拍摄时间戳的数量等于预设输入数量；信息处理机构，设置在所述拍摄云台内，与所述现场拍摄机构连接，用于对接收到的每一张蚁洞出口画面先执行背景虚化处理后执行盒式滤波处理以获得对应的次序处理画面；对象辨识设备，设置在所述拍摄云台内，与所述信息处理机构连接，用于基于标准蚁体图片从所述次序处理画面中检测一个以上的蚁体对象；坐标采集设备，设置在所述拍摄云台内，用于针对每一个蚁体对象执行以下操作：获取所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标；震级检测设备，与所述坐标采集设备连接，用于将单个蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为单个输入数据，以将单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为预设输入数量的输入数据输入到卷积神经网络中，执行所述卷积神经网络以获得作为输出数据的预测地震震级；其中，所述震级检测设备还包括训练执行单元，用于训练所述卷积神经网络；其中，所述震级检测设备还包括与所述训练执行单元连接的检测执行单元，用于执行训练后的卷积神经网络；其中，所述训练执行单元以确定的历史发生的地震震级为所述卷积神经网络的输出数据，以确定的历史发生的地震震级的发生时刻之前的单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为所述卷积神经网络的预设输入数量的输入数据，对所述卷积神经网络进行训练；其中，所述训练执行单元采用多个蚁体对象分别完成对所述卷积神经网络的多次训练。6.如权利要求5所述的蚁体行进轨迹应用平台，其特征在于：
所述训练执行单元采用历史发生的多次不同地震震级分别完成对所述卷积神经网络的多次训练。7.如权利要求6所述的蚁体行进轨迹应用平台，其特征在于：获取所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标包括：以每一张蚁洞出口画面的左下角的像素点为原点，以所述蚁体对象在每一张蚁洞出口画面中的成像区域的中心位置的像素点为标定点，将所述标定点在次序处理画面中水平坐标和垂直坐标作为所述蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标。8.如权利要求7所述的蚁体行进轨迹应用平台，其特征在于，所述平台还包括：并行通信接口，分别与所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备连接；其中，所述并行通信接口用于在所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备两两之间建立并行通信链路。9.如权利要求8所述的蚁体行进轨迹应用平台，其特征在于：所述信息处理机构、所述对象辨识设备、所述坐标采集设备和所述震级检测设备都设置在所述拍摄云台内。10.一种蚁体行进轨迹应用方法，所述方法包括提供一种如权利要求5-9任一所述的蚁体行进轨迹应用平台，用于应用卷积神经网络以基于蚁体行进轨迹智能化估算地震震级。

技术总结

本发明涉及一种蚁体行进轨迹应用平台，包括：对象辨识设备，用于基于标准蚁体图片从次序处理画面中检测一个以上的蚁体对象；坐标采集设备，用于获取每一个蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标；震级检测设备，用于将单个蚁体对象在每一张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为单个输入数据，以将单个蚁体对象在各张蚁洞出口画面对应的次序处理画面中水平坐标和垂直坐标作为预设输入数量的输入数据输入到卷积神经网络中，以获得预测地震震级。本发明的蚁体行进轨迹应用平台设计紧凑、运行智能。由于引入了定制训练后的卷积神经网络，从而完成基于蚁体行进轨迹的地震震级的估算。级的估算。