CN111047280A - 厂房内的对象检测方法、装置以及计算机可读存储介质 - Google Patents
厂房内的对象检测方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111047280A CN111047280A CN201911162228.XA CN201911162228A CN111047280A CN 111047280 A CN111047280 A CN 111047280A CN 201911162228 A CN201911162228 A CN 201911162228A CN 111047280 A CN111047280 A CN 111047280A
- Authority
- CN
- China
- Prior art keywords
- state
- plant
- preset standard
- detected
- condition
- 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.)
- Pending
Links
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种厂房内的对象检测方法、装置以及计算机可读存储介质,涉及数据检测技术领域,该方法包括:获取所述厂房内的图像数据,所述图像数据中包含所述厂房内的待检测对象;分别对至少两个所述待检测对象进行识别,得到至少两种个体状态;结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准,解决厂房内实际情况判断结果的准确性较低的技术问题。
Description
技术领域
本申请涉及数据检测技术领域,尤其是涉及一种厂房内的对象检测方法、装置以及计算机可读存储介质。
背景技术
6S管理是目前比较先进的工厂管理方法,分别为整理(SEIRI)、整顿(SEITON)、清扫(SEISO)、清洁(SEIKETSU)、素养(SHITSUKE)、安全(SAFETY)等。工厂6S管理是一种现代化的工厂管理方法,需要对厂房内的人、机、料、法、环等进行管理。
目前,工厂6S管理主要依靠负责不同方面的管理专员针对各自负责的某个方面进行监督。例如,负责整理的管理专员监督厂房内的物料是否放置在正确位置、另一个负责整顿的管理专员监督厂房内的工人是否怠工。但是,通过该监督方法得到的厂房内实际情况判断结果的准确性较低。
发明内容
本发明的目的在于提供一种厂房内的对象检测方法、装置以及计算机可读存储介质,以解决厂房内实际情况判断结果的准确性较低的技术问题。
第一方面,本申请实施例提供了一种厂房内的对象检测方法,应用于计算机设备,所述方法包括:
获取所述厂房内的图像数据,所述图像数据中包含所述厂房内的待检测对象;
分别对至少两个所述待检测对象进行识别,得到至少两种个体状态;
结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准。
在一个可能的实现中,所述待检测对象为人员、物料、车辆、生产机器以及地面区域中的任意一个。
在一个可能的实现中,述个体状态为人员人体状态、人员行为状态、物料位置状态、生产机器运行状态、车辆行为状态以及地面环境状态中的任意一种。
在一个可能的实现中,所述待检测对象的整体状态为人员的安全帽佩戴情况、人员的工作情况、人员的聚集情况、人员的流动情况、物料的放置情况、地面油污情况中的任意一种。
在一个可能的实现中,所述至少两种个体状态包括所述人员行为状态、所述物料位置状态和所述车辆行为状态;
结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准的步骤,包括:
结合所述人员行为状态、所述物料位置状态和所述车辆行为状态,判断物料的放置情况是否符合预设标准。
在一个可能的实现中,结合所述人员行为状态、所述物料位置状态和所述车辆行为状态,判断物料的放置情况是否符合预设标准的步骤,包括:
若所述人员行为状态和所述车辆行为状态均为非物料搬运行为,且所述物料位置状态为位于预设标准位置,则确定物料的放置情况符合预设标准;
若所述人员行为状态和所述车辆行为状态均为非物料搬运行为,且所述物料位置状态为未位于预设标准位置,则确定物料的放置情况不符合预设标准;
若所述人员行为状态和所述车辆行为状态中至少一种是物料搬运行为,且所述物料位置状态为未位于预设标准位置,则确定物料的放置情况符合预设标准。
在一个可能的实现中,分别对至少两个所述待检测对象进行识别的过程,是分别利用神经网络模型进行识别的过程。
在一个可能的实现中,在所述神经网络模型的预先训练过程中,输入至初始神经网络模型中的数据为带标注标签的所述图像数据,所述标注标签为所述个体状态。
第二方面,提供了一种厂房内的对象检测装置,应用于计算机设备,包括:
获取模块,用于获取所述厂房内的图像数据,所述图像数据中包含所述厂房内的待检测对象;
识别模块,用于分别对至少两个所述待检测对象进行识别,得到至少两种个体状态;
判断模块,用于结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准。
第三方面,本申请实施例又提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果:本方案中,先获取厂房内的图像数据,其中,该图像数据中包含厂房内的待检测对象,然后,分别对至少两个待检测对象进行识别,得到至少两种个体状态,之后,结合至少两种个体状态,判断待检测对象的整体状态是否符合预设标准,使标准符合情况的判断过程能够考虑到多方面的实际情况,避免只考虑单方面因素而忽略了其它因素,以通过组合多方面因素的综合判断方式,提高判断结果的准确性。
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具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,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的附图。
图1为本申请实施例提供的一种厂房内的对象检测方法的流程示意图;
图2为本申请实施例提供的一种厂房内的对象检测方法的另一流程示意图;
图3为本申请实施例提供的一种厂房内的对象检测装置的结构示意图;
图4为本申请实施例提供的一种计算机设备的结构示意图。
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,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
在本申请的描述中,除非另有说明,“至少一个”的含义是指一个或一个以上。
下面将详细描述本申请的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本申请的全面理解。但是,对于本领域技术人员来说很明显的是,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请的更好的理解。本申请决不限于下面所提出的任何具体配置和算法,而是在不脱离本申请的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中,没有示出公知的结构和技术,以便避免对本申请造成不必要的模糊。
目前,工厂6S管理主要依靠负责不同方面的管理专员针对各自负责的某个方面进行监督。例如,负责安全的管理专员监督厂房内的工人是否佩戴工作安全帽、另一个负责整顿的管理专员监督厂房内的工人是否怠工。但是,通过该监督方法得到的厂房内实际情况判断结果的准确性较低,而且,通过该监督方法的管理效率较低。
基于此,本申请实施例提供的一种厂房内的对象检测方法、装置以及计算机可读存储介质,可以解决现有技术中存在的解决厂房内实际情况判断结果的准确性较低的技术问题。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种厂房内的对象检测方法、装置以及计算机可读存储介质进行详细介绍。
图1为本申请实施例提供的一种厂房内的对象检测方法的流程示意图。其中,该方法应用于计算机设备,如图1所示,该方法包括:
S110,获取厂房内的图像数据,图像数据中包含厂房内的待检测对象。
示例性的,该待检测对象可以为人员、物料、车辆、生产机器以及地面区域中的任意一个。作为一个优选方案,计算机设备获取到的厂房内的图像数据中可以包含人员、物料、车辆、生产机器以及地面区域中的至少两种。
图像数据可以是设置于厂房内的摄像头采集到的视频、图片等数据。摄像头可以对厂房内需要进行6S管理的区域进行图像采集。本步骤中,计算机设备可以获取到摄像头采集到的图像。
S120,分别对至少两个待检测对象进行识别,得到至少两种个体状态。
示例性的,该个体状态可以为人员人体状态、人员行为状态、物料位置状态、生产机器运行状态、车辆行为状态以及地面环境状态中的任意一种。
作为一个优选方案,计算机设备分别对人员、物料、所车述辆、生产机器以及地面区域中已存在的至少两种进行识别,得到厂房内的现场数据。该现场数据包括人员人体数据、人员行为数据、物料位置数据、生产机器运行数据、车辆行为数据以及地面环境数据中的至少两种。
本步骤中,针对人员、物料、所车述辆、生产机器以及地面区域等多个方面,可以分别利用人工智能算法模块进行各自的检测和识别。
示例性的,对工人的人体进行识别分析,进而可以知道工人是否佩戴安全帽;对物料进行识别分析,进而可以知道物料的放置位置;对工人的行为进行识别分析,进而可以知道工人是否存在长时间看手机怠工等情况;对地面区域进行识别分析,进而可以知道地面区域的水渍情况。例如,采用DeepLabV3进行地面区域的分割,可以对地面的油污水渍区域进行分割识别来判断厂房的清洁程度。
因此,可以利用这些针对不同方面的算法模型,对厂房内的多种情况进行在线识别和检测。
S130,结合至少两种个体状态,判断待检测对象的整体状态是否符合预设标准。
其中,该待检测对象的整体状态可以为人员的安全帽佩戴情况、人员的工作情况、人员的聚集情况、人员的流动情况、物料的放置情况、地面油污情况中的任意一种。
本步骤中,结合现场数据中已存在的至少两种数据,判断厂房内的现场情况是否符合预设标准。示例性的,该现场情况可以包括下述至少一种:人员的安全帽佩戴情况、人员的工作情况、人员的聚集情况、人员的流动情况、物料的放置情况、地面油污情况。
如图2所示,本申请实施例提供的方法识别检测的内容可以包括否佩戴安全帽、物料乱放、人员怠工、地面有油污水渍等等多种方面。当然,还可以包括其它通过计算机视觉技术和深度学习可以解决的问题,如人群是否存在聚集、人员流动分析等。
本申请实施例提供的方法可以通过组合多个人工智能算法模块来做出综合的判断。例如,可以检测识别厂房内的工人人体、工人行为,同时可以识别厂房内的车、物料等,还可以识别厂房内的地面环境及其清洁度情况等,利用其中两种识别结果的组合来判断厂房内的现场情况是否符合预设标准,以通过组合式的综合性判断过程提高判断结果的准确率。
通过组合这些算法,可以灵活的对厂房内的6S情况进行管理,实现更加有效的工厂在线6S管理,来完成工厂6S管理的自动化、实时化和在线化,大幅度提高工厂6S管理的水平和覆盖率,还可以极大的减少6S管理人员的负担,并且可以将6S管理数据实时在线化,以提高对公司的管理效率。
在一些实施例中,分别对至少两个待检测对象进行识别的过程,是分别利用神经网络模型进行识别的过程。
示例性的,如图2所示,针对工厂的6S管理,一系列的人工智能算法模块可以包括人体检测、物料检测和识别、车辆检测、行为识别、地面区域分割、人体姿态估计等。通过组合这些模块,可以实现工厂6S的灵活管理。可以将各种神经网络模型部署在GPU服务器上进行各个任务的预测,进而可以对多种6S管理信息进行更加全面的实时预测分析。
基于此,在神经网络模型的预先训练过程中,输入至初始神经网络模型中的数据为带标注标签的图像数据,标注标签为个体状态。
示例性的,对数据根据任务的不同进行标注,在收集充分的图片和视频数据以及对应的标注数据之后,可以利用深度学习进行人工智能算法的模型训练。优选的,可以采用Tensorflow深度学习框架来进行模型的训练。
通过多种不同的机器学习算法进行针对性处理,可以对厂房内人、机、料、法、环的各个环节进行管理,进而实现将工厂6S的情况实时数据在线化,便于进行更加有效的工厂管理。因此,由人工智能算法实时对厂房内的6S进行管理,并且将6S指标实时在线化,实现工厂的数字化管理效率得到提高。
在一些实施例中,至少两种个体状态包括人员人体状态和人员行为状态;基于此,上述步骤S130可以包括如下步骤:
步骤a,结合人员人体状态和人员行为状态,判断人员的安全帽佩戴情况是否符合预设标准。
如图2所示,人体检测模块可以和行为识别模型结合在一起,组合判断人员的安全帽佩戴情况是否符合预设标准,以执行考虑更加全面的判断过程,从而提高人员的安全帽佩戴情况判断结果的准确性。
上述步骤a可以包括如下步骤:
若人员人体状态为佩戴安全帽,且人员行为状态为工作行为,则确定佩戴安全帽情况符合预设标准;
若人员人体状态为未佩戴安全帽,且人员行为状态为非工作行为,则确定佩戴安全帽情况符合预设标准;
若人员人体状态为未佩戴安全帽,且人员行为状态为工作行为,则确定佩戴安全帽情况不符合预设标准。
因此,能够避免由于只考虑到人体检测结果为未佩戴安全帽,而忽略了工人因处于非工作状态而未佩戴安全帽的正常情况,从而避免对佩戴安全帽标准符合情况的错误判断,以通过综合性的判断过程提高判断结果的准确率。
在一些实施例中,至少两种个体状态包括人员行为状态、物料位置状态和车辆行为状态;
基于此,上述步骤S130可以包括如下步骤:
步骤b,结合人员行为状态、物料位置状态和车辆行为状态,判断物料的放置情况是否符合预设标准。
如图2所示,物料检测模块可以和行为识别模型结合在一起,组合判断物料的放置情况是否符合预设标准,以执行考虑更加全面的判断过程,从而提高物料的放置情况判断结果的准确性。
上述步骤b可以包括如下步骤:
若人员行为状态和车辆行为状态均为非物料搬运行为,且物料位置状态为位于预设标准位置,则确定物料的放置情况符合预设标准;
若人员行为状态和车辆行为状态均为非物料搬运行为,且物料位置状态为未位于预设标准位置,则确定物料的放置情况不符合预设标准;
若人员行为状态和车辆行为状态中至少一种是物料搬运行为,且物料位置状态为未位于预设标准位置,则确定物料的放置情况符合预设标准。
因此,能够避免由于只考虑到物料位置数据为未位于预设标准位置,而忽略了因工人正在搬运物料而使物料未处于预设标准位置的正常情况,从而避免对物料放置标准符合情况的错误判断,以通过综合性的判断过程提高判断结果的准确率。
如图2所示,在得到厂房内各个方面的识别检测结果之后,可以对识别结果进行报表统计等统计分析工作,并以报表的形式定期推送至6S管理系统,以辅助进行对厂房的审查和监督工作,为厂房的审查工作提供更加客观、更加准确的数据依据。
图3提供了一种厂房内的对象检测装置结构示意图。该方法应用于计算机设备,如图3所示,厂房内的对象检测装置300包括:
获取模块301,用于获取厂房内的图像数据,图像数据中包含厂房内的待检测对象;
识别模块302,用于分别对至少两个待检测对象进行识别,得到至少两种个体状态;
判断模块303,用于结合至少两种个体状态,判断待检测对象的整体状态是否符合预设标准。
在一些实施例中,待检测对象为人员、物料、车辆、生产机器以及地面区域中的任意一个。
在一些实施例中,个体状态为人员人体状态、人员行为状态、物料位置状态、生产机器运行状态、车辆行为状态以及地面环境状态中的任意一种。
在一些实施例中,待检测对象的整体状态为人员的安全帽佩戴情况、人员的工作情况、人员的聚集情况、人员的流动情况、物料的放置情况、地面油污情况中的任意一种。
在一些实施例中,至少两种个体状态包括人员行为状态、物料位置状态和车辆行为状态;判断模块303具体用于:
结合人员行为状态、物料位置状态和车辆行为状态,判断物料的放置情况是否符合预设标准。
在一些实施例中,判断模块303还用于:
若人员行为状态和车辆行为状态均为非物料搬运行为,且物料位置状态为位于预设标准位置,则确定物料的放置情况符合预设标准;
若人员行为状态和车辆行为状态均为非物料搬运行为,且物料位置状态为未位于预设标准位置,则确定物料的放置情况不符合预设标准;
若人员行为状态和车辆行为状态中至少一种是物料搬运行为,且物料位置状态为未位于预设标准位置,则确定物料的放置情况符合预设标准。
在一些实施例中,分别对至少两个待检测对象进行识别的过程,是分别利用神经网络模型进行识别的过程。
在一些实施例中,在神经网络模型的预先训练过程中,输入至初始神经网络模型中的数据为带标注标签的图像数据,标注标签为个体状态。
本申请实施例提供的厂房内的对象检测装置,与上述实施例提供的厂房内的对象检测方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本申请实施例提供的一种计算机设备,如图4所示,计算机设备4包括存储器41、处理器42,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例提供的方法的步骤。
参见图4,计算机设备还包括:总线43和通信接口44,处理器42、通信接口44和存储器41通过总线43连接;处理器42用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线43可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器42在接收到执行指令后,执行所述程序,前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器42中,或者由处理器42实现。
处理器42可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器42读取存储器41中的信息,结合其硬件完成上述方法的步骤。
对应于上述厂房内的对象检测方法,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述厂房内的对象检测方法的步骤。
本申请实施例所提供的厂房内的对象检测装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。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,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,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,在本申请提供的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移动控制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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种厂房内的对象检测方法,应用于计算机设备,其特征在于,所述方法包括:
获取所述厂房内的图像数据,所述图像数据中包含所述厂房内的待检测对象;
分别对至少两个所述待检测对象进行识别,得到至少两种个体状态;
结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准。
2.根据权利要求1所述的方法,其特征在于,所述待检测对象为人员、物料、车辆、生产机器以及地面区域中的任意一个。
3.根据权利要求1所述的方法,其特征在于,所述个体状态为人员人体状态、人员行为状态、物料位置状态、生产机器运行状态、车辆行为状态以及地面环境状态中的任意一种。
4.根据权利要求1所述的方法,其特征在于,所述待检测对象的整体状态为人员的安全帽佩戴情况、人员的工作情况、人员的聚集情况、人员的流动情况、物料的放置情况、地面油污情况中的任意一种。
5.根据权利要求3所述的方法,其特征在于,所述至少两种个体状态包括所述人员行为状态、所述物料位置状态和所述车辆行为状态;
结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准的步骤,包括:
结合所述人员行为状态、所述物料位置状态和所述车辆行为状态,判断物料的放置情况是否符合预设标准。
6.根据权利要求5所述的方法,其特征在于,结合所述人员行为状态、所述物料位置状态和所述车辆行为状态,判断物料的放置情况是否符合预设标准的步骤,包括:
若所述人员行为状态和所述车辆行为状态均为非物料搬运行为,且所述物料位置状态为位于预设标准位置,则确定物料的放置情况符合预设标准;
若所述人员行为状态和所述车辆行为状态均为非物料搬运行为,且所述物料位置状态为未位于预设标准位置,则确定物料的放置情况不符合预设标准;
若所述人员行为状态和所述车辆行为状态中至少一种是物料搬运行为,且所述物料位置状态为未位于预设标准位置,则确定物料的放置情况符合预设标准。
7.根据权利要求1所述的方法,其特征在于,分别对至少两个所述待检测对象进行识别的过程,是分别利用神经网络模型进行识别的过程。
8.根据权利要求7所述的方法,其特征在于,在所述神经网络模型的预先训练过程中,输入至初始神经网络模型中的数据为带标注标签的所述图像数据,所述标注标签为所述个体状态。
9.一种厂房内的对象检测装置,应用于计算机设备,其特征在于,包括:
获取模块,用于获取所述厂房内的图像数据,所述图像数据中包含所述厂房内的待检测对象;
识别模块,用于分别对至少两个所述待检测对象进行识别,得到至少两种个体状态;
判断模块,用于结合所述至少两种个体状态,判断所述待检测对象的整体状态是否符合预设标准。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911162228.XA CN111047280A (zh) | 2019-11-22 | 2019-11-22 | 厂房内的对象检测方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911162228.XA CN111047280A (zh) | 2019-11-22 | 2019-11-22 | 厂房内的对象检测方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111047280A true CN111047280A (zh) | 2020-04-21 |
Family
ID=70233730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911162228.XA Pending CN111047280A (zh) | 2019-11-22 | 2019-11-22 | 厂房内的对象检测方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780322A (zh) * | 2021-02-09 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种安全检测的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007114992A (ja) * | 2005-10-20 | 2007-05-10 | Fuji Electric Holdings Co Ltd | 現場作業者監視システム、そのプログラム |
US20140244344A1 (en) * | 2013-02-26 | 2014-08-28 | Elwha Llc | System and method for activity monitoring |
CN106372662A (zh) * | 2016-08-30 | 2017-02-01 | 腾讯科技(深圳)有限公司 | 安全帽佩戴的检测方法和装置、摄像头、服务器 |
CN109523502A (zh) * | 2018-08-28 | 2019-03-26 | 顺丰科技有限公司 | 装卸口状态检测方法、装置、设备及其存储介质 |
US20190162551A1 (en) * | 2017-11-29 | 2019-05-30 | Deere & Company | Work site monitoring system and method |
CN109919534A (zh) * | 2017-12-12 | 2019-06-21 | 丰田自动车株式会社 | 货物管理系统和货物管理方法 |
CN110070055A (zh) * | 2019-04-25 | 2019-07-30 | 南京邮电大学 | 一种基于深度学习的基建场景安全检测系统及方法 |
CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
CN110163512A (zh) * | 2019-05-24 | 2019-08-23 | 中铝视拓智能科技有限公司 | 一种人员监测方法及人员监测系统 |
CN110378273A (zh) * | 2019-07-12 | 2019-10-25 | 深圳前海微众银行股份有限公司 | 一种监测作业流程的方法和装置 |
-
2019
- 2019-11-22 CN CN201911162228.XA patent/CN111047280A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007114992A (ja) * | 2005-10-20 | 2007-05-10 | Fuji Electric Holdings Co Ltd | 現場作業者監視システム、そのプログラム |
US20140244344A1 (en) * | 2013-02-26 | 2014-08-28 | Elwha Llc | System and method for activity monitoring |
CN106372662A (zh) * | 2016-08-30 | 2017-02-01 | 腾讯科技(深圳)有限公司 | 安全帽佩戴的检测方法和装置、摄像头、服务器 |
US20190162551A1 (en) * | 2017-11-29 | 2019-05-30 | Deere & Company | Work site monitoring system and method |
CN109919534A (zh) * | 2017-12-12 | 2019-06-21 | 丰田自动车株式会社 | 货物管理系统和货物管理方法 |
CN109523502A (zh) * | 2018-08-28 | 2019-03-26 | 顺丰科技有限公司 | 装卸口状态检测方法、装置、设备及其存储介质 |
CN110070055A (zh) * | 2019-04-25 | 2019-07-30 | 南京邮电大学 | 一种基于深度学习的基建场景安全检测系统及方法 |
CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
CN110163512A (zh) * | 2019-05-24 | 2019-08-23 | 中铝视拓智能科技有限公司 | 一种人员监测方法及人员监测系统 |
CN110378273A (zh) * | 2019-07-12 | 2019-10-25 | 深圳前海微众银行股份有限公司 | 一种监测作业流程的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780322A (zh) * | 2021-02-09 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种安全检测的方法和装置 |
CN113780322B (zh) * | 2021-02-09 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种安全检测的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866515B (zh) | 厂房内对象行为识别方法、装置以及电子设备 | |
CN110738135B (zh) | 一种工人作业工步规范视觉识别判定与指导方法及系统 | |
CN111144263A (zh) | 一种建筑工人高坠事故预警方法及装置 | |
CN108573368B (zh) | 管理装置以及可读取记录介质 | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN109724993A (zh) | 图像识别设备的污损程度的检测方法、装置和存储介质 | |
JP5277667B2 (ja) | 障害分析システム、障害分析方法、障害分析サーバおよび障害分析プログラム | |
CN111597970B (zh) | 异常行为的识别方法及装置 | |
CN113269042B (zh) | 基于行驶车辆违章识别的智能交通管理方法及系统 | |
CN112817814A (zh) | 异常监控方法、系统、存储介质及电子装置 | |
CN111047280A (zh) | 厂房内的对象检测方法、装置以及计算机可读存储介质 | |
CN113780342A (zh) | 一种基于自监督预训练的智能检测方法、装置及机器人 | |
CN113469137A (zh) | 异常行为的识别方法、装置、存储介质及电子装置 | |
CN116976865B (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN113505770A (zh) | 快递行业衣着发饰异常检测方法及系统、电子设备 | |
CN117421692A (zh) | 垃圾投放站的垃圾违规投放识别方法、装置、设备 | |
CN110520806A (zh) | 对可编程逻辑控制器的偏差工程修改的识别 | |
CN111007817A (zh) | 设备加工工件质量检测方法、装置及计算机可读存储介质 | |
CN111291728A (zh) | 违规翻越传输带行为的检测系统及检测设备、检测方法 | |
CN111881733B (zh) | 一种工人作业工步规范视觉识别判定与指导方法和系统 | |
CN104123469A (zh) | 一种普适计算环境上下文一致性检测调度系统及方法 | |
CN104318226B (zh) | 车牌识别设备参数设定方法及车牌识别器 | |
KR102428613B1 (ko) | 디지털 안전보건환경 산업 특화용 이미지 학습 모델을 이용한 안전관리 방법 및 시스템 | |
JP2019067206A (ja) | 検出システム、検出方法及び検出プログラム | |
CN111091535A (zh) | 基于深度学习图像语义分割的工厂管理方法和系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230526 Address after: 314506 room 116, building 4, No. 288, development avenue, Tongxiang Economic Development Zone, Tongxiang City, Jiaxing City, Zhejiang Province Applicant after: Shengjing Intelligent Technology (Jiaxing) Co.,Ltd. Address before: 102200 5th floor, building 6, No.8 Beiqing Road, Changping District, Beijing Applicant before: SANY HEAVY INDUSTRY Co.,Ltd. |