一种工业现场中生产情况的监控方法及监控装置

摘要

本申请提供了一种工业现场中生产情况的监控方法及监控装置，包括：通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；对所述原始图像进行图像处理，得到待识别图像；将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。通过这种方式，能够通过工业现场中目标区域的原始图像，确定出目标区域的生产情况，并在生产情况出现异常时，向相关终端发送报警通知。这样，能够及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

说明书

技术领域

本申请涉及监控技术领域，尤其是涉及一种工业现场中生产情况的监控方法及监控装置。

背景技术

工业现场中通常安装有大量的生产设备并配备必要的操作人员来执行生产任务，满足生产需要。为保证生产产品的质量以及确保生产现场的设备安全、生产安全和人员安全，需要对工业现场的生产情况进行监控。

目前，现有的监控方法通常需要配备专门的监控人员查看监控视频，或者安排专门的巡检人员对工业现场进行定时巡检。这样完全依靠人工的监控方法容易因相关人员的疏忽大意、暂离岗位等原因无法及时地监控到生产出现异常，导致对生产情况的监控不及时，造成较大的安全隐患。

发明内容

有鉴于此，本申请的目的在于提供一种工业现场中生产情况的监控方法及监控装置，能够通过工业现场中目标区域的原始图像，确定出目标区域的生产情况，并在生产情况出现异常时，向相关终端发送报警通知。这样，能够及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

本申请实施例提供了一种工业现场中生产情况的监控方法，所述监控方法包括：

通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；

对所述原始图像进行图像处理，得到待识别图像；

将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；

当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

进一步的，所述对所述原始图像进行图像处理，得到待识别图像，包括：

对所述原始图像进行灰度变换，得到灰度图像；

对所述灰度图像进行图像滤波以去除所述灰度图像中的噪声，得到滤波图像；

对所述滤波图像执行形态学处理，得到处理后图像；所述形态学处理包括腐蚀、膨胀、开运算和闭运算中的一种或多种的组合；

对所述处理后图像进行边缘检测以提取出所述处理后图像中的图像边缘，得到所述待识别图像。

进一步的，所述通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像，包括：

确定与所述工业现场中目标区域对应的预定采集频率；

通过所述图像采集设备按照所述预定采集频率对所述工业现场中目标区域进行拍摄，得到所述原始图像；

或者，

按照所述预定采集频率从所述图像采集设备录制的所述工业现场中目标区域的监控视频中抽取出所述原始图像。

进一步的，所述生产情况识别模型通过以下方式训练得到：

获取多个样本图像；所述多个样本图像中的每个样本图像标注有该样本图像对应的真实生产情况；

针对所述多个样本图像中的每个样本图像，对该样本图像进行图像处理，得到该样本图像对应的待识别样本图像；

将该待识别样本图像输入预先构建好的生产情况识别模型，确定所述工业现场中目标区域的预测生产情况；

基于该待识别样本图像对应的真实生产情况和预测生产情况，采用梯度下降法不断调整所述预先构建好的生产情况识别模型的模型参数，得到训练好的所述生产情况识别模型。

本申请实施例还提供了一种工业现场中生产情况的监控装置，所述监控装置包括：

采集模块，用于通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；

处理模块，用于对所述原始图像进行图像处理，得到待识别图像；

确定模块，用于将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；

发送模块，用于当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

进一步的，所述处理模块在用于对所述原始图像进行图像处理，得到待识别图像时，所述处理模块用于：

对所述原始图像进行灰度变换，得到灰度图像；

对所述灰度图像进行图像滤波以去除所述灰度图像中的噪声，得到滤波图像；

对所述滤波图像执行形态学处理，得到处理后图像；所述形态学处理包括腐蚀、膨胀、开运算和闭运算中的一种或多种的组合；

对所述处理后图像进行边缘检测以提取出所述处理后图像中的图像边缘，得到所述待识别图像。

进一步的，所述采集模块在用于通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像时，所述采集模块用于：

确定与所述工业现场中目标区域对应的预定采集频率；

通过所述图像采集设备按照所述预定采集频率对所述工业现场中目标区域进行拍摄，得到所述原始图像；

或者，

按照所述预定采集频率从所述图像采集设备录制的所述工业现场中目标区域的监控视频中抽取出所述原始图像。

进一步的，所述监控装置还包括训练模块；所述训练模块用于通过以下方式训练得到所述生产情况识别模型：

获取多个样本图像；所述多个样本图像中的每个样本图像标注有该样本图像对应的真实生产情况；

针对所述多个样本图像中的每个样本图像，对该样本图像进行图像处理，得到该样本图像对应的待识别样本图像；

将该待识别样本图像输入预先构建好的生产情况识别模型，确定所述工业现场中目标区域的预测生产情况；

基于该待识别样本图像对应的真实生产情况和预测生产情况，采用梯度下降法不断调整所述预先构建好的生产情况识别模型的模型参数，得到训练好的所述生产情况识别模型。

本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的一种工业现场中生产情况的监控方法的步骤。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的一种工业现场中生产情况的监控方法的步骤。

本申请实施例提供的一种工业现场中生产情况的监控方法及监控装置，包括：通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；对所述原始图像进行图像处理，得到待识别图像；将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

通过这种方式，能够通过工业现场中目标区域的原始图像，确定出目标区域的生产情况，并在生产情况出现异常时，向相关终端发送报警通知。这样，能够及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种工业现场中生产情况的监控方法的流程图；

图2示出了本申请实施例所提供的一种工业现场中生产情况的监控装置的结构示意图之一；

图3示出了本申请实施例所提供的一种工业现场中生产情况的监控装置的结构示意图之二；

图4示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

首先，对本申请可适用的应用场景进行介绍。本申请可应用于监控技术领域。

经研究发现，工业现场中通常安装有大量的生产设备并配备必要的操作人员来执行生产任务，满足生产需要。为保证生产产品的质量以及确保生产现场的设备安全、生产安全和人员安全，需要对工业现场的生产情况进行监控。

目前，现有的监控方法通常需要配备专门的监控人员查看监控视频，或者安排专门的巡检人员对工业现场进行定时巡检。这样完全依靠人工的监控方法容易因相关人员的疏忽大意、暂离岗位等原因无法及时地监控到生产出现异常，导致对生产情况的监控不及时，造成较大的安全隐患。

基于此，本申请实施例提供了一种工业现场中生产情况的监控方法，以及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

请参阅图1，图1为本申请实施例所提供的一种工业现场中生产情况的监控方法的流程图。如图1中所示，本申请实施例提供的监控方法，包括：

S101、通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像。

其中，工业现场是指工业生产现场，即从事产品生产、制造或提供生产服务的场所，例如，钢铁生产现场等；目标区域包括预先设定的根据经验判断易发生安全事故的区域，产品出料区域等生产现场中需要被监控的区域。

在一种可能的实施方式中，步骤S101包括：

S1011、确定与所述工业现场中目标区域对应的预定采集频率。

该步骤中，可以预先为不同的目标区域设定不同的预定采集频率。示例性的，对于生产过程中较为重要的生产环节所对应的目标区域，或者人员来往频繁的目标区域，或者操作频繁、出料频繁等目标区域设定更高的预定采集频率，以更及时地识别这些目标区域的生产情况是否存在异常。

S1012、通过所述图像采集设备按照所述预定采集频率对所述工业现场中目标区域进行拍摄，得到所述原始图像。

或者，S1013、按照所述预定采集频率从所述图像采集设备录制的所述工业现场中目标区域的监控视频中抽取出所述原始图像。

其中，图像采集设备可以是工业相机等。在具体实施时，可以控制工业相机按照所述预定采集频率对目标区域进行拍摄，得到原始图像；或者，也可以控制工业相机对目标区域进行录制，得到录制的监控视频，再按照所述预定采集频率从所述图像采集设备录制的监控视频中抽取出所述原始图像。

在一种可能的实施方式中，本申请实施例所提供的监控方法可应用于工业互联网平台或者服务器；图像采集设备采集的原始图像数据可以通过有线因特网或者无线工业网桥发送到工业互联网平台或者服务器，以对原始图像进行后续的处理和分析。

S102、对所述原始图像进行图像处理，得到待识别图像。

在一种可能的实施方式中，步骤S102包括：

S1021、对所述原始图像进行灰度变换，得到灰度图像。

这里，将原始图像进行灰度变换，转换为灰度图像，可以减少数据量，保证后续的图像处理过程有更高的图像处理速度，而灰度图像可以反映出原始图像中的大部分信息。在具体实施时，将原始图像的RGB值转换为对应灰度值的公式如下：

H＝B×0.114+G×0.587+R×0.299

S1022、对所述灰度图像进行图像滤波以去除所述灰度图像中的噪声，得到滤波图像。

在一种可能的实施方式中，对于灰度图像f(x,y)，用m×n大小的滤波器掩模进行线性滤波，得到滤波图像g(x,y)的公式表示为：

式中，a＝(m-1)/2，b＝(n-1)/2，w(s,t)为滤波器系数。

S1023、对所述滤波图像执行形态学处理，得到处理后图像。

其中，所述形态学处理包括腐蚀、膨胀、开运算和闭运算中的一种或多种的组合。

其中，腐蚀的作用是消除图像的边界点，使图像边界向内部收缩；通过腐蚀操作，可以消除图像中既小又没有意义的物体；膨胀的作用是把在图像中与目标有交集的所有背景点合并到该物体中，使图像边界向外部扩张；通过膨胀操作，可以填补物体中的空洞；开运算是指先腐蚀后膨胀的过程，开运算可以用来消除图像中的小物体，在一些较深的裂痕表现得更为明显，使得较大物体的边界得到平滑；闭运算是指先膨胀后腐蚀的过程，闭运算可以用来填充物体内小的空洞，把邻近物体连接起来，同样可以平滑图像边界。

S1024、对所述处理后图像进行边缘检测以提取出所述处理后图像中的图像边缘，得到所述待识别图像。

在一种可能的实施方式中，在进行边缘检测时，本申请采用计算3×3领域内的一阶偏导来求梯度幅值和方向；其中，常见的3×3邻域是通过计算邻域内水平和竖直方向的4个靠近当前处理点的点的差分计算梯度，表达式如下：

x方向的偏导数：

P

y方向的偏导数：

P

可见，常见的3×3邻域针对的是x,y方向相邻的四个点，即只考虑了水平和竖直两个方向，在此基础上，本申请将对角线方向引入差分均值计算中，可以提高边缘定位的准确度，且进一步抑制噪声，表达式如下：

45°方向的偏导数：

P

135°方向的偏导数：

P

显然45°和135°这两个方向的偏导数在水平和竖直的分量具有相同的作用，因此在引入对角线方向后，x方向的差分为：

y方向的差分为：

梯度幅值为：

梯度方向为：

S103、将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况。

在具体实施时，根据不同的监控需要，生产情况识别模型可以被训练用于识别不同的生产情况，例如，预先训练好的生产情况识别模型所识别的目标区域的生产情况可以是进入目标区域的操作人员是否正确着装、目标区域中的操作人员人数是否超过规定人员上限、操作人员与目标区域中危险位置之间的距离是否小于预定安全距离、目标区域产出产品的产出速度、产品形态是否异常、目标区域是否存在漏水漏油等。

在一种可能的实施方式中，步骤S103中的生产情况识别模型通过以下方式训练得到：

步骤1、获取多个样本图像。

其中，所述多个样本图像中的每个样本图像标注有该样本图像对应的真实生产情况。这里，可以针对每个目标区域在每种生产情况下获取多个样本图像，并为每个样本图像标注对应的真实生产情况作为训练标签。

步骤2、针对所述多个样本图像中的每个样本图像，对该样本图像进行图像处理，得到该样本图像对应的待识别样本图像。

该步骤中，对该样本图像进行图像处理的描述可以参照前述S102的描述，并且能达到相同的技术效果，对此不做赘述。

步骤3、将该待识别样本图像输入预先构建好的生产情况识别模型，确定所述工业现场中目标区域的预测生产情况。

步骤4、基于该待识别样本图像对应的真实生产情况和预测生产情况，采用梯度下降法不断调整所述预先构建好的生产情况识别模型的模型参数，得到训练好的所述生产情况识别模型。

在一种可能的实施方式中，预先构建好的生产情况识别模型可以是神经网络模型等深度学习模型。在具体实施时，可以基于该待识别样本图像对应的真实生产情况和预测生产情况确定出损失函数，利用损失函数并采用梯度下降法不断调整生产情况识别模型的模型参数，直至模型收敛时，得到训练好的生产情况识别模型。

S104、当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

在具体实施时，对应于上述示例，当确定出的生产情况为进入目标区域的操作人员未正确着装、目标区域中的操作人员人数超过规定人员上限、操作人员与目标区域中危险位置之间的距离小于预定安全距离、目标区域产出产品的产出速度、产品形态出现异常、目标区域存在漏水漏油等情况时，认为生产情况指示工业现场的生产出现异常。进一步的，此时向相关终端发送报警通知。其中，报警通知的方式可以是相关终端的报警灯闪烁、相关终端自动播放报警语音以及向相关终端发送报警信息等。

本申请实施例提供的一种工业现场中生产情况的监控方法，包括：通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；对所述原始图像进行图像处理，得到待识别图像；将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

通过这种方式，能够通过工业现场中目标区域的原始图像，确定出目标区域的生产情况，并在生产情况出现异常时，向相关终端发送报警通知。这样，能够及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

请参阅图2、图3，图2为本申请实施例所提供的一种工业现场中生产情况的监控装置的结构示意图之一，图3为本申请实施例所提供的一种工业现场中生产情况的监控装置的结构示意图之二。如图2中所示，所述监控装置200包括：

采集模块210，用于通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；

处理模块220，用于对所述原始图像进行图像处理，得到待识别图像；

确定模块230，用于将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；

发送模块240，用于当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

进一步的，所述处理模块220在用于对所述原始图像进行图像处理，得到待识别图像时，所述处理模块220用于：

对所述原始图像进行灰度变换，得到灰度图像；

对所述灰度图像进行图像滤波以去除所述灰度图像中的噪声，得到滤波图像；

对所述滤波图像执行形态学处理，得到处理后图像；所述形态学处理包括腐蚀、膨胀、开运算和闭运算中的一种或多种的组合；

对所述处理后图像进行边缘检测以提取出所述处理后图像中的图像边缘，得到所述待识别图像。

进一步的，所述采集模块210在用于通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像时，所述采集模块210用于：

确定与所述工业现场中目标区域对应的预定采集频率；

通过所述图像采集设备按照所述预定采集频率对所述工业现场中目标区域进行拍摄，得到所述原始图像；

或者，

按照所述预定采集频率从所述图像采集设备录制的所述工业现场中目标区域的监控视频中抽取出所述原始图像。

进一步的，如图3所示，所述监控装置200还包括训练模块250；所述训练模块250用于通过以下方式训练得到所述生产情况识别模型：

获取多个样本图像；所述多个样本图像中的每个样本图像标注有该样本图像对应的真实生产情况；

针对所述多个样本图像中的每个样本图像，对该样本图像进行图像处理，得到该样本图像对应的待识别样本图像；

将该待识别样本图像输入预先构建好的生产情况识别模型，确定所述工业现场中目标区域的预测生产情况；

基于该待识别样本图像对应的真实生产情况和预测生产情况，采用梯度下降法不断调整所述预先构建好的生产情况识别模型的模型参数，得到训练好的所述生产情况识别模型。

本申请实施例提供的一种工业现场中生产情况的监控装置，包括：通过安装在工业现场中的图像采集设备采集所述工业现场中目标区域的原始图像；对所述原始图像进行图像处理，得到待识别图像；将所述待识别图像输入预先训练好的生产情况识别模型，以确定所述工业现场中目标区域的生产情况；当确定出的所述生产情况指示所述工业现场的生产出现异常时，向相关终端发送报警通知。

通过这种方式，能够通过工业现场中目标区域的原始图像，确定出目标区域的生产情况，并在生产情况出现异常时，向相关终端发送报警通知。这样，能够及时地监控到工业现场中的生产情况出现异常，从而降低发生安全事故的概率，保障生产安全。

请参阅图4，图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示，所述电子设备400包括处理器410、存储器420和总线430。

所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，所述机器可读指令被所述处理器410执行时，可以执行如上述图1所示方法实施例中的一种工业现场中生产情况的监控方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的一种工业现场中生产情况的监控方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。