本技術涉及檢測系統，具體而言，涉及一種基于大數據的快速檢測方法及系統。

背景技術：

1、在當前信息技術飛速發展的時代，大數據作為一個關鍵領域，正在深刻改變各個行業的運作方式。其應用范圍廣泛，涵蓋了數據存儲、分析和挖掘等多個方面，特別是在智能識別和數據檢索領域。

2、而在圖像處理上，隨著ai合成技術的日益完善，現有技術在圖像異常檢測和識別方面面臨著不少挑戰，許多傳統方法依賴于人工干預，導致效率低下且容易出現人為錯誤，同時現有的檢測系統往往無法有效提取圖像中的深層特征，這使得異常識別的準確性顯著不足。這樣的局限性不僅使得系統無法全面分析圖像數據，還影響了對潛在問題的及時響應，進而限制了行業在智能化管理和決策上的進步。

技術實現思路

1、有鑒于此，本技術提供一種基于大數據的快速檢測方法及系統，以提升數據處理效率，增強圖像異常檢測的準確性和實時性。

2、為實現上述目的，本技術采用的技術方案如下：

3、第一方面，本技術提供一種基于大數據的快速檢測方法，包括：

4、d1、第一輪數據獲取，采集當前圖像的初級多源數據，基于所述當前圖像的初級多源數據，從大數據平臺中采集類似圖像的初級多源數據，所述類似圖像為與所述當前圖像具有相同特征點的圖像；

5、d2、第一輪數據處理，對所述當前圖像和所述類似圖像中的初級多源數據進行預處理，并將預處理后的數據整理為第一數據集和第二數據集，對第一數據集和第二數據集進行整合計算后生成異常系數ycz，將異常系數ycz與預設的第一閾值y進行對比后生成第一對比結果，根據所述第一對比結果判斷所述第一圖像是否存在異常；

6、所述第一數據集包括第一邊緣特征a1、第二邊緣特征值a2、第一顏色空間特征值b1、第二顏色空間特征值b2、第一紋理特征值c1、第二紋理特征值c2、第一圖像尺寸值d1以及第二圖像尺寸值d2；

7、所述第二數據集包括第一拍攝時間e1、第二拍攝時間e2、第一圖像對比度f1、第二圖像對比度f2、第一地理位置坐標g1、第二地理位置坐標g2、第一圖像分辨率h1以及第二圖像分辨率h2；

8、所述當前圖像的初級多源數據為第一邊緣特征a1、第一顏色空間特征值b1、第一紋理特征值c1、第一圖像尺寸值d1、第一拍攝時間e1、第一圖像對比度f1、第一地理位置坐標g1以及第一圖像分辨率h1；

9、所述類似圖像的初級多源數據為第二邊緣特征a2、第二顏色空間特征值b2、第二紋理特征值c2、第二圖像尺寸值d2、第二拍攝時間e2、第二圖像對比度f2、第二地理位置坐標g2以及第二圖像分辨率h2。

10、可選的，所述方法還包括：若所述第一對比結果為出現異常，則對所述當前圖像進行深層分析并執行步驟d3；

11、d3、第二輪數據獲取，采集所述當前圖像的深層多源數據，基于所述當前圖像的深層多源數據，從大數據平臺中采集所述類似圖像的深層多源數據；

12、d4、第二輪數據處理，對所述當前圖像和所述類似圖像的深層多源數據進行預處理，并重新整理為第三數據集、第四數據集、第五數據集以及第六數據集，對所述第三數據集、第四數據集、第五數據集以及第六數據集進行整合計算后生成異常鑒定系數yjd，將異常鑒定系數yjd與預設的第二閾值r進行對比后生成第二對比結果，根據第二對比結果判斷所述當前圖像的異常量級；

13、所述第三數據集包括第一區域面積值i1、第二區域面積值i2、第一形狀復雜度j1、第二形狀復雜度j2、第一輪廓長度k1和第二輪廓長度k2；

14、所述第四數據集包括第一像素值l1、第二像素值l2、第一灰度方差值m1、第二灰度方差值m2、第一灰度峰度值n1以及第二灰度峰度值n2；

15、所述第五數據集包括第一區域亮度均值o1、第二區域亮度均值o2、第一亮度方差p1、第二亮度方差p2、第一光照度分布值q1以及第二光照度分布值q2；

16、所述第六數據集包括第一幅度譜值r1、第二幅度譜值r2、第一高低頻差值u1、第二高低頻差值u2、第一頻域能量分布差值t1以及第二頻域能量分布差值t2。

17、可選的，所述根據第二對比結果判斷所述第一圖像的異常量級具體為：

18、當yjd≤r時，所述當前圖片為一級異常；

19、當r<yjd≤r×110％時，所述當前圖片為二級異常；

20、當yjd>r×110％時，所述當前圖片為三級異常。

21、可選的，所述異常系數ycz通過下述公式計算獲取；

22、ycz＝a1×s1-a2×s2；

23、

24、

25、式中：s1為第一特征參考系數，s2為第二特征參考系數，a1為第一邊緣特征、b1為第一顏色空間特征值、c1為第一紋理特征值、d1為第一圖像尺寸值、e1為第一拍攝時間、f1為第一圖像對比度、g1為第一地理位置坐標，h1為第一圖像分辨率，a2為第二邊緣特征、b2為第二顏色空間特征值、c2為第二紋理特征值、d2為第二圖像尺寸值、e2為第二拍攝時間、f2為第二圖像對比度、g2為第二地理位置坐標，h2為第二圖像分辨率；

26、a1、a2、b1、b2以及b3為權重值，且a1、a2、b1、b2以及b3的值由用戶調整設置，ln為對數函數，e為底數函數。

27、可選的，所述異常鑒定系數yjd通過下述公式計算獲取；

28、yjd＝c1×s3+c2×s4+c3×s5+c4×s5；

29、

30、

31、

32、

33、式中：c1、c2、c3以及c4為權重值，且c1、c2、c3以及c4的值由用戶調整設置；

34、i?1為第一區域面積值，i2為第二區域面積值，j1為第一形狀復雜度，j2為第二形狀復雜度，k1為第一輪廓長度，k2為第二輪廓長度；

35、s3為異常區域特征系數，s4為局部統計特征系數，s5為光特征系數，s6為頻域特征系數；

36、l1為第一像素值，l2為第二像素值，m1為第一灰度方差值，m2為第二灰度方差值，n1為第一灰度峰度值，n2為第二灰度峰度值；

37、o1為第一區域亮度均值，o2為第二區域亮度均值，p1為第一亮度方差，p2為第二亮度方差，q1為第一光照度分布值以及q2為第二光照度分布值；

38、r1為第一幅度譜值，r2為第二幅度譜值，u1為第一高低頻差值，u2為第二高低頻差值，t1為第一頻域能量分布差值，t2為第二頻域能量分布差值。

39、第二方面，本技術提供一種基于大數據的快速檢測系統，包括：

40、第一輪數據獲取模塊，用于采集當前圖像的初級多源數據，基于所述當前圖像的初級多源數據，從大數據平臺中采集類似圖像的初級多源數據，所述類似圖像為與所述當前圖像具有相同特征點的圖像；

41、第一輪數據處理模塊，用于對所述當前圖像和所述類似圖像中的初級多源數據進行預處理，并將預處理后的數據整理為第一數據集和第二數據集，對第一數據集和第二數據集進行整合計算后生成異常系數ycz，將異常系數ycz與預設的第一閾值y進行對比后生成第一對比結果，根據所述第一對比結果判斷所述第一圖像是否存在異常；

42、所述第一數據集包括第一邊緣特征a1、第二邊緣特征值a2、第一顏色空間特征值b1、第二顏色空間特征值b2、第一紋理特征值c1、第二紋理特征值c2、第一圖像尺寸值d1以及第二圖像尺寸值d2；

43、所述第二數據集包括第一拍攝時間e1、第二拍攝時間e2、第一圖像對比度f1、第二圖像對比度f2、第一地理位置坐標g1、第二地理位置坐標g2、第一圖像分辨率h1以及第二圖像分辨率h2；

44、所述當前圖像的初級多源數據為第一邊緣特征a1、第一顏色空間特征值b1、第一紋理特征值c1、第一圖像尺寸值d1、第一拍攝時間e1、第一圖像對比度f1、第一地理位置坐標g1以及第一圖像分辨率h1；

45、所述類似圖像的初級多源數據為第二邊緣特征a2、第二顏色空間特征值b2、第二紋理特征值c2、第二圖像尺寸值d2、第二拍攝時間e2、第二圖像對比度f2、第二地理位置坐標g2以及第二圖像分辨率h2。

46、可選的，所述系統還包括：

47、第二輪數據獲取模塊，用于采集所述當前圖像的深層多源數據，基于所述當前圖像的深層多源數據，從大數據平臺中采集所述類似圖像的深層多源數據；

48、第二輪數據處理模塊，用于對所述當前圖像和所述類似圖像的深層多源數據進行預處理，并重新整理為第三數據集、第四數據集、第五數據集以及第六數據集，對所述第三數據集、第四數據集、第五數據集以及第六數據集進行整合計算后生成異常鑒定系數yjd，將異常鑒定系數yjd與預設的第二閾值r進行對比后生成第二對比結果，根據第二對比結果判斷所述當前圖像的異常量級；

49、所述第三數據集包括第一區域面積值i1、第二區域面積值i2、第一形狀復雜度j1、第二形狀復雜度j2、第一輪廓長度k1和第二輪廓長度k2；

50、所述第四數據集包括第一像素值l1、第二像素值l2、第一灰度方差值m1、第二灰度方差值m2、第一灰度峰值n1以及第二灰度峰值n2；

51、所述第五數據集包括第一區域亮度均值o1、第二區域亮度均值o2、第一亮度方差p1、第二亮度方差p2、第一光照度分布值q1以及第二光照度分布值q2；

52、所述第六數據集包括第一幅度譜值r1、第二幅度譜值r2、第一高低頻差值u1、第二高低頻差值u2、第一頻域能量分布差值t1以及第二頻域能量分布差值t2。

53、可選的，所述第二輪數據處理模塊包括判斷模塊，用于：

54、當yjd≤r時，判斷所述當前圖片為一級異常；

55、當r<yjd≤r×110％時，判斷所述當前圖片為二級異常；

56、當yjd>r×110％時，判斷所述當前圖片為三級異常。

57、可選的，所述第一輪數據處理模塊包括第一計算模塊，用于按如下公式計算所述異常系數ycz：

58、ycz＝a1×s1-a2×s2；

59、

60、

61、式中：s1為第一特征參考系數，s2為第二特征參考系數，a1為第一邊緣特征、b1為第一顏色空間特征值、c1為第一紋理特征值、d1為第一圖像尺寸值、e1為第一拍攝時間、f1為第一圖像對比度、g1為第一地理位置坐標，h1為第一圖像分辨率，a2為第二邊緣特征、b2為第二顏色空間特征值、c2為第二紋理特征值、d2為第二圖像尺寸值、e2為第二拍攝時間、f2為第二圖像對比度、g2為第二地理位置坐標，h2為第二圖像分辨率；

62、a1、a2、b1、b2以及b3為權重值，且a1、a2、b1、b2以及b3的值由用戶調整設置，ln為對數函數，e為底數函數。

63、可選的，所述第二輪數據獲取模塊包括第二計算模塊，用于按如下公式計算所述異常鑒定系數yjd：

64、yjd＝c1×s3+c2×s4+c3×s5+c4×s5；

65、

66、

67、

68、

69、式中：c1、c2、c3以及c4為權重值，且c1、c2、c3以及c4的值由用戶調整設置；

70、i1為第一區域面積值，i2為第二區域面積值，j1為第一形狀復雜度，j2為第二形狀復雜度，k1為第一輪廓長度，k2為第二輪廓長度；

71、s3為異常區域特征系數，s4為局部統計特征系數，s5為光特征系數，s6為頻域特征系數；

72、l1為第一像素值，l2為第二像素值，m1為第一灰度方差值，m2為第二灰度方差值，n1為第一灰度峰度值，n2為第二灰度峰度值；

73、o1為第一區域亮度均值，o2為第二區域亮度均值，p1為第一亮度方差，p2為第二亮度方差，q1為第一光照度分布值以及q2為第二光照度分布值；

74、r1為第一幅度譜值，r2為第二幅度譜值，u1為第一高低頻差值，u2為第二高低頻差值，t1為第一頻域能量分布差值，t2為第二頻域能量分布差值。

75、本技術的有益效果是：

76、與現有技術相比，本技術的有益效果是：

77、1、本技術能夠更全面地捕捉圖像中的異常特征不僅提升了數據處理的效率，還增強了異常識別的準確性和實時性；

78、2、本技術大幅度減少了人工干預和錯誤率，提高了決策的科學性和有效性，進而為各類應用場景提供了強有力的技術支持，滿足了現代社會對高效智能分析的需求；

79、3、本技術能夠根據具體的異常閾值靈活地適應不同的應用場景，有效提升了對異常事件的響應和處理能力，不僅使得異常檢測更為精準，還能夠幫助用戶快速識別和處理不同嚴重程度的異常情況。

80、4、本技術能夠降低錯誤判斷的風險，確保在異常處理過程中采取更為適當的措施。此外，這種靈活的閾值設置使得系統能夠更好地適應不同環境和數據集，從而提升了整體的適用性和穩定性。