CN108537410A - 一种提高产线工人操作效率的方法和系统 - Google Patents
一种提高产线工人操作效率的方法和系统 Download PDFInfo
- Publication number
- CN108537410A CN108537410A CN201810219692.7A CN201810219692A CN108537410A CN 108537410 A CN108537410 A CN 108537410A CN 201810219692 A CN201810219692 A CN 201810219692A CN 108537410 A CN108537410 A CN 108537410A
- Authority
- CN
- China
- Prior art keywords
- data
- worker
- point
- vector data
- producing line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种提高产线工人操作效率的方法和系统,包括:创建数据库,储存设备ID,工作台和工人信息。利用双目相机获取工人的操作图像。利用图像识别计算机将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据,并传送到数据库中储存。通过模式匹配算法,后台系统找出矢量数据和每组操作步骤的模式匹配关系,将矢量数据切分成独立操作步骤的相关数据,并结合工人生产指标数据,找出各个独立操作步骤中,生产指标数据最好的相关数据设为最佳数据,找出不同生产指标数据与不同操作方式之间的关系。分析工作效率低的工人的矢量数据,回放独立操作步骤的矢量数据,对比最佳数据,找出效率低的原因,从本质上提高工作效率。
Description
技术领域
本发明涉及工作效率提高方法的技术领域,尤其涉及一种提高产线工人操作效率的方法和系统。
背景技术
手工操作,每个工人每个操作步骤的动作大概相同,而有的工作效率高,有的效率则比较低,或者有的工人成品率高,有的工人成品率低,为提高整体工人的工作效率,传统的效率提高方式往往是直接参观或者视频回放效率高的工人的操作过程,这种方式,学习的工人只能从表象上观察操作过程和动作,或者教学的工人无法用语言描述出操作动作的精髓,导致通过这种方法提高的效率较小。
工人在车间最基本的动作就是手工操作。每次动作都是一次有效的信息。如果能把这些信息全部收集起来,将是一份很有价值的大数据。现有技术中,没有一种方法是利用采集手工操作的矢量数据进行分析对比,最后找出影响手工操作效率的更深层次因素。
发明内容
本发明为解决上述技术问题,提供了一种提高产线工人操作效率的方法和系统,通过采集工人操作的矢量数据,通过处理分析,找出影响手工操作效率的更深层次因素。
一种提高产线工人操作效率的方法,所述方法包括:
创建数据库,储存信息包括设备ID,对应设备ID的工作台和工人信息;
利用工作台上设置的双目相机获取工人的操作图像;
利用工作台上设置的图像识别计算机将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据,主要的矢量数据包括工人的手臂、手掌、手指头的屈伸动作变化,三维坐标变化。进一步,根据模式识别,衍生出按压、揭开、旋拧、拔出、推入、撬开等更多有实义的动作数据,同时工作台各个物件的坐标变化也被记录,衍生出升降、旋转,相互的连接、撞击、边缘咬合等有实义的动作数据。
图像识别计算机将得到的矢量数据,包括点,边,时刻,设备ID数据发送到数据库中储存。
后台系统通过模式匹配算法,可以找出矢量数据和每组操作步骤的模式匹配关系,进而将矢量数据切分成独立操作步骤的相关数据,同时通过其它统计渠道收集工人的生产数据,汇总所有工人的矢量数据及工人生产指标数据,通过比较找出各个独立操作步骤中,生产指标数据最好的相关数据设为最佳数据,并找出不同生产指标数据与不同操作方式之间的关系。
分析工作效率低的工人的矢量数据,调出耗时严重的独立操作步骤的矢量数据进行回放,对比最佳数据,通过两组数据的对比,可以快速,准确地找出效率低的原因,或者操作不当的具体原因,从而从本质上提高工作效率。
优选的,所述的点包括拐点和特征点。所述图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线,并找出边界曲线的各个拐点,另外一个相机也在相邻时刻,取得另一组拐点;从两组拐点找出满足图像识别特征点的点,通过双目相机角度差的定位原理,计算共有的特征点的深度,以双目相机中一个相机为参照系,将特征段的深度值线性展开到曲线上的各个拐点,深度值的梯度变化和曲线的横纵坐标梯度变化线性相关,得到每个拐点的三维坐标值,并将拐点之间的边近似为直线边。
优选的,一切工人操作的数据,都可能是有价值的,所述双目相机采集噪音数据并传送到图像识别计算机进行处理分析,当上述噪音数据超过预先设定的安全噪音数据时,图像识别计算机发出警报。
一种提高产线工人操作效率的系统,所述系统包括:
数据库模块,用于保存设备ID,对应设备ID的工作台和工人信息;
图像采集模块,利用双目摄像头采集工人的操作图像。
图像识别模块,利用图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线和点,并将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据,其中,主要的矢量数据包括工人的手臂、手掌、手指头的屈伸动作变化,三维坐标变化。进一步,根据模式识别,衍生出按压、揭开、旋拧、拔出、推入、撬开等更多有实义的动作数据,同时工作台各个物件的坐标变化也被记录,衍生出升降、旋转,相互的连接、撞击、边缘咬合等有实义的动作数据。
后台处理模块,用于将矢量数据切分成独立操作步骤的相关数据,并汇总所有工人的矢量数据及工人生产指标数据,通过比较找出各个独立操作步骤中,生产指标数据最好的相关数据形成最佳数据,找出不同生产指标数据与不同操作方式之间的关系,还用于分析工作效率低的工人的矢量数据,调出耗时严重的独立操作步骤的矢量数据进行回放,对比最佳数据,找出效率低的原因。
优选的,所述点包括拐点和特征点,通过所述图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线,并找出边界曲线的各个拐点,另外一个相机也在相邻时刻,取得另一组拐点;从两组拐点找出满足图像识别特征点的点,计算共有的特征点的深度,以双目相机中一个相机为参照系,将特征段的深度值线性展开到曲线上的各个拐点,深度值的梯度变化和曲线的横纵坐标梯度变化线性相关,得到每个拐点的三维坐标值,并将拐点之间的边近似为直线边。
优选的,所述双目相机采集噪音数据并传送到图像识别计算机进行处理分析,当上述噪音数据超过预先设定的安全噪音数据时,图像识别计算机发出警报。
由上述对本发明的描述可知,和现有技术相比,本发明具有如下优点:
本申请提出一种提高产线工人操作效率的方法和系统,通过采集工人操作数据,形成矢量数据并分析处理。将效率低的工人的矢量数据与最佳数据进行对比,可以快速,准确地找出效率低的原因,或者操作不当的具体原因,从而从本质上提高工作效率,解决了传统工人只能从表象上观察操作过程和动作的缺陷。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
其中:
图1是本发明的方法流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,一种提高产线工人操作效率的方法,主要包括以下步骤:
S1:创建数据库,储存信息包括设备ID,对应设备ID的工作台和工人信息;
S2:利用工作台上设置的双目相机获取工人的操作图像,本实施例中,双目定位照相机约每100毫秒拍摄一次图像。
S3:利用工作台上设置的图像识别计算机将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据,主要的矢量数据包括工人的手臂、手掌、手指头的屈伸动作变化,三维坐标变化。进一步,根据模式识别,衍生出按压、揭开、旋拧、拔出、推入、撬开等更多有实义的动作数据,同时工作台各个物件的坐标变化也被记录,衍生出升降、旋转,相互的连接、撞击、边缘咬合等有实义的动作数据。
S4:图像识别计算机将得到的矢量数据,包括点,边,时刻,设备ID数据发送到数据库中储存。
S5:后台系统通过模式匹配算法,可以找出矢量数据和每组操作步骤的模式匹配关系,进而将矢量数据切分成独立操作步骤的相关数据。
S6:同时通过其它统计渠道收集工人的生产数据。
S7汇总所有工人的矢量数据及工人生产指标数据,通过比较找出各个独立操作步骤中,生产指标数据最好的相关数据作为最佳数据,并找出不同生产指标数据与不同操作方式之间的关系。
S8:分析工作效率低的工人的矢量数据,调出耗时严重的独立操作步骤的矢量数据进行回放,对比最佳数据,通过两组数据的对比,可以快速,准确地找出效率低的原因,或者操作不当的具体原因,从而从本质上提高工作效率。
在本实施例中,所述的点包括拐点和特征点。所述图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线,并找出边界曲线的各个拐点,另外一个相机也在相邻时刻,取得另一组拐点;从两组拐点找出满足图像识别特征点的点,通过双目相机角度差的定位原理,计算共有的特征点的深度,以双目相机中一个相机为参照系,将特征段的深度值线性展开到曲线上的各个拐点,深度值的梯度变化和曲线的横纵坐标梯度变化线性相关,得到每个拐点的三维坐标值,并将拐点之间的边近似为直线边。
在本实施例中,所述双目相机采集噪音数据并传送到图像识别计算机进行处理分析,当上述噪音数据超过预先设定的安全噪音数据时,图像识别计算机发出警报。
综上所述,和现有技术相比,本发明提出的一种提高产线工人操作效率的方法和系统,通过采集工人操作数据,形成矢量数据并分析处理。将效率低的工人的矢量数据与最佳数据进行对比,可以快速,准确地找出效率低的原因,或者操作不当的具体原因,从而从本质上提高工作效率,解决了传统工人只能从表象上观察操作过程和动作的缺陷。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种提高产线工人操作效率的方法,其特征在于,所述方法包括:
创建数据库,储存信息包括设备ID,对应设备ID的工作台和工人信息;
利用工作台上设置的双目相机获取工人的操作图像;
利用工作台上设置的图像识别计算机将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据;
图像识别计算机将点,边,时刻,设备ID数据发送到数据库中储存;
后台系统将矢量数据切分成独立操作步骤的相关数据,并汇总所有工人的矢量数据及工人生产指标数据,通过比较找出各个独立操作步骤中,生产指标数据最好的相关数据形成最佳数据,找出不同生产指标数据与不同操作方式之间的关系;
分析工作效率低的工人的矢量数据,调出耗时严重的独立操作步骤的矢量数据进行回放,对比最佳数据,找出效率低的原因。
2.根据权力要求1所述的一种提高产线工人操作效率的方法,其特征在于,所述的点包括拐点和特征点,通过所述图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线,并找出边界曲线的各个拐点,另外一个相机也在相邻时刻,取得另一组拐点;从两组拐点找出满足图像识别特征点的点,计算共有的特征点的深度,以双目相机中一个相机为参照系,将特征段的深度值线性展开到曲线上的各个拐点,深度值的梯度变化和曲线的横纵坐标梯度变化线性相关,得到每个拐点的三维坐标值,并将拐点之间的边近似为直线边。
3.根据权力要求1所述的一种提高产线工人操作效率的方法,其特征在于,所述双目相机采集噪音数据并传送到图像识别计算机进行处理分析,当上述噪音数据超过预先设定的安全噪音数据时,图像识别计算机发出警报。
4.一种提高产线工人操作效率的系统,其特征在于,所述系统包括:数据库模块,用于保存设备ID,对应设备ID的工作台和工人信息;
图像采集模块,利用双目摄像头采集工人的操作图像;
图像识别模块,利用图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线和点,并将每一时刻产线工人的操作图像转换成一组变化中的点及其之间的边的矢量数据;
后台处理模块,用于将矢量数据切分成独立操作步骤的相关数据,并汇总所有工人的矢量数据及工人生产指标数据,通过比较找出各个独立操作步骤中,生产指标数据最好的相关数据形成最佳数据,找出不同生产指标数据与不同操作方式之间的关系,还用于分析工作效率低的工人的矢量数据,调出耗时严重的独立操作步骤的矢量数据进行回放,对比最佳数据,找出效率低的原因。
5.根据权力要求4所述的一种提高产线工人操作效率的系统,其特征在于,所述点包括拐点和特征点,通过所述图像识别计算机识别同一相机相邻时刻两个操作图像中连续变化的边界曲线,并找出边界曲线的各个拐点,另外一个相机也在相邻时刻,取得另一组拐点;从两组拐点找出满足图像识别特征点的点,计算共有的特征点的深度,以双目相机中一个相机为参照系,将特征段的深度值线性展开到曲线上的各个拐点,深度值的梯度变化和曲线的横纵坐标梯度变化线性相关,得到每个拐点的三维坐标值,并将拐点之间的边近似为直线边。
6.根据权力要求4所述的一种提高产线工人操作效率的系统,其特征在于,所述双目相机采集噪音数据并传送到图像识别计算机进行处理分析,当上述噪音数据超过预先设定的安全噪音数据时,图像识别计算机发出警报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810219692.7A CN108537410B (zh) | 2018-03-16 | 2018-03-16 | 一种提高产线工人操作效率的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810219692.7A CN108537410B (zh) | 2018-03-16 | 2018-03-16 | 一种提高产线工人操作效率的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537410A true CN108537410A (zh) | 2018-09-14 |
CN108537410B CN108537410B (zh) | 2022-03-22 |
Family
ID=63484641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810219692.7A Active CN108537410B (zh) | 2018-03-16 | 2018-03-16 | 一种提高产线工人操作效率的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537410B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111906772A (zh) * | 2020-04-28 | 2020-11-10 | 宁波大学 | 一种基于工业机器人的智能产品加工方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103110230A (zh) * | 2013-01-25 | 2013-05-22 | 南通中科明兴物联网技术有限公司 | 服装智能生产系统和方法 |
CN105425964A (zh) * | 2015-11-30 | 2016-03-23 | 青岛海信电器股份有限公司 | 一种手势识别方法和系统 |
CN106020478A (zh) * | 2016-05-20 | 2016-10-12 | 青岛海信电器股份有限公司 | 一种智能终端操控方法、装置和智能终端 |
CN106354412A (zh) * | 2016-08-30 | 2017-01-25 | 乐视控股(北京)有限公司 | 基于虚拟现实设备的输入方法及装置 |
CN107464317A (zh) * | 2017-07-25 | 2017-12-12 | 国网山东省电力公司即墨市供电公司 | 一种安全生产管理的方法 |
-
2018
- 2018-03-16 CN CN201810219692.7A patent/CN108537410B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103110230A (zh) * | 2013-01-25 | 2013-05-22 | 南通中科明兴物联网技术有限公司 | 服装智能生产系统和方法 |
CN105425964A (zh) * | 2015-11-30 | 2016-03-23 | 青岛海信电器股份有限公司 | 一种手势识别方法和系统 |
CN106020478A (zh) * | 2016-05-20 | 2016-10-12 | 青岛海信电器股份有限公司 | 一种智能终端操控方法、装置和智能终端 |
CN106354412A (zh) * | 2016-08-30 | 2017-01-25 | 乐视控股(北京)有限公司 | 基于虚拟现实设备的输入方法及装置 |
CN107464317A (zh) * | 2017-07-25 | 2017-12-12 | 国网山东省电力公司即墨市供电公司 | 一种安全生产管理的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111906772A (zh) * | 2020-04-28 | 2020-11-10 | 宁波大学 | 一种基于工业机器人的智能产品加工方法 |
CN111906772B (zh) * | 2020-04-28 | 2022-04-08 | 宁波大学 | 一种基于工业机器人的智能产品加工方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108537410B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112070818B (zh) | 基于机器视觉的机器人无序抓取方法和系统及存储介质 | |
CN106327526B (zh) | 图像目标跟踪方法与系统 | |
CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
WO2005048195A3 (de) | Verfahren zur korrespondenzanalyse in bilddatensätzen | |
CN102184550A (zh) | 一种动平台地面运动目标检测方法 | |
DE102005025470B4 (de) | Verfahren und System zur Ermittlung der Position und Orientierung einer Kamera relativ zu einem realen Objekt | |
JP6932402B2 (ja) | スマートホームシーン向けのマルチジェスチャー精分割方法 | |
KR101445973B1 (ko) | 영상 처리 기술을 이용한 블록 제작 공정 진척도 인식 방법 및 그 시스템 | |
CN107688830A (zh) | 一种用于案件串并的现勘视觉信息关联图层生成方法 | |
CN111178170A (zh) | 一种手势识别方法和一种电子设备 | |
CN108537410A (zh) | 一种提高产线工人操作效率的方法和系统 | |
CN115205560A (zh) | 一种基于单目相机的先验地图辅助室内定位方法 | |
CN112561989B (zh) | 一种建造场景下吊装对象的识别方法 | |
DE102006045828B4 (de) | Verfahren und Vorrichtung zum Erkennen eines Gesichts sowie ein Gesichtserkennungsmodul | |
CN113570732A (zh) | 一种基于ar技术的盾构维修辅助方法和系统 | |
CN117119253B (zh) | 一种针对目标对象的高质量视频抽帧方法 | |
CN117237611A (zh) | 一种基于改进YOLOv7的钢材表面缺陷检测方法 | |
CN102004795A (zh) | 一种手语检索的方法 | |
CN112116612A (zh) | 基于Mask R-CNN的行道树图像实例分割方法 | |
CN109241342B (zh) | 基于深度线索的视频场景检索方法和系统 | |
CN106603888A (zh) | 图像颜色提取处理结构 | |
CN114155273B (zh) | 一种结合历史轨迹信息的视频图像单目标跟踪方法 | |
CN114511582A (zh) | 一种古城城垛自动提取方法 | |
CN114199205A (zh) | 基于改进四叉树orb算法的双目测距方法 | |
CN113524172A (zh) | 机器人及其物品抓取方法、计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |