CN111123849A - 用于工业控制的方法和设备 - Google Patents
用于工业控制的方法和设备 Download PDFInfo
- Publication number
- CN111123849A CN111123849A CN201811278972.1A CN201811278972A CN111123849A CN 111123849 A CN111123849 A CN 111123849A CN 201811278972 A CN201811278972 A CN 201811278972A CN 111123849 A CN111123849 A CN 111123849A
- Authority
- CN
- China
- Prior art keywords
- industrial
- data
- network
- image
- server
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004891 communication Methods 0.000 claims description 25
- 230000009471 action Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31457—Factory remote control, monitoring through internet
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开的实施例涉及用于工业控制的方法和设备。该方法包括获取工业设备的指示器的图像,该图像由图像捕获设备实时捕获,指示器指示工业设备的状态。该方法还包括实时地从图像中识别与工业设备的状态相关联的数据。此外,该方法还可以将数据经由工业控制网络发送给服务器。本公开的实施例可以利用图像来监测工业设备的操作状态,并且与工业控制网络兼容。
Description
技术领域
本公开的实施例总体涉及工业控制,具体涉及用于工业控制的方法和设备。
背景技术
近年来,人工智能技术在各个领域都得到爆发式的发展,推动各个行业向数字化转型。在工业控制领域,工业控制由工业设备自动化向信息管理网络化发展也在如火如荼地进行。因此,一个趋势是,将工业设备并入工业控制网络,从而实现对工业设备的网络化管理。
另一方面,由于不同制造商生产的设备在许多方面存在不同,可能找不到与设备匹配的监测设备。这导致很难监测设备的操作状态,并且将监测到的信息输入工业控制网络。因此,期望提供一种通用的、特别适用于不兼容设备的设备状态监测手段。
发明内容
本公开的实施例提供了用于工业控制的方法和设备。
在本公开的第一方面,提供了一种用于工业控制的方法。该方法包括获取工业设备的指示器的图像,该图像由图像捕获设备实时捕获,指示器指示工业设备的状态。该方法还包括实时地从图像中识别与工业设备的状态相关联的数据。此外,该方法还可以将数据经由工业控制网络发送给服务器。
在一些实施例中,工业控制网络经由另一网络与服务器连接。
在一些实施例中,工业控制网络包括MODBUS网络、HART网络或FieldBUS网络。
在一些实施例中,服务器是云服务器。
在一些实施例中,方法还包括:在将数据发送给服务器之前,在本地缓存数据。
在一些实施例中,获取工业设备的指示器的图像包括:获取在一段时间内捕获的视频流;以及从视频流中截取图像。
在本公开的第一方面,提供了一种用于工业控制的方法。该方法包括经由工业控制网络接收来自图像识别设备的数据,数据是从实时捕获的工业设备的指示器的图像中获得的。该方法还包括基于数据确定工业设备的状态。此外,该方法还可以基于工业设备的状态,向工业设备的控制器发送第一控制信号。
在一些实施例中,方法还包括:响应于来自客户端的查询请求,将数据发送给客户端。
在一些实施例中,方法还包括:接收来自客户端的基于数据的控制指令;以及基于控制指令,向工业设备的控制器发送第二控制信号。
在一些实施例中,接收数据包括:经由与工业控制网络连接的另一网络来接收数据。
在一些实施例中,工业控制网络包括MODBUS网络、HART网络或FieldBUS网络。
在本公开的第三方面,提供了一种电子设备。该电子设备包括至少一个处理器、至少一个存储器和通信模块。至少一个存储器被耦合到至少一个处理器并且存储由至少一个处理器执行的指令。指令当由至少一个处理器执行时,使得电子设备执行动作,动作包括:获取工业设备的指示器的图像,图像由图像捕获设备实时捕获,指示器指示工业设备的状态;以及实时地从图像中识别与工业设备的状态相关联的数据。通信模块被配置为将数据经由工业控制网络发送给服务器。
在一些实施例中,工业控制网络经由另一网络与服务器连接。
在一些实施例中,工业控制网络包括MODBUS网络、HART网络或FieldBUS网络。
在一些实施例中,服务器是云服务器。
在一些实施例中,电子设备还包括:缓存模块,被配置为在将数据发送给服务器之前,在本地缓存数据。
在一些实施例中,获取工业设备的指示器的图像包括:获取在一段时间内捕获的视频流;以及从视频流中截取图像。
在本公开的第四方面,提供了一种电子设备。该电子设备包括至少一个处理器和至少一个存储器。至少一个存储器被耦合到至少一个处理器并且存储由至少一个处理器执行的指令。指令当由至少一个处理器执行时,使得电子设备执行动作,动作包括:经由工业控制网络接收来自图像识别设备的数据,数据是从实时捕获的工业设备的指示器的图像中获得的;基于数据确定工业设备的状态;以及基于工业设备的状态,向工业设备的控制器发送第一控制信号。
在一些实施例中,动作还包括:响应于来自客户端的查询请求,将数据发送给客户端。
在一些实施例中,动作还包括:接收来自客户端的基于数据的控制指令;以及基于控制指令,向工业设备的控制器发送第二控制信号。
在一些实施例中,接收数据包括:经由与工业控制网络连接的另一网络来接收数据。
在一些实施例中,工业控制网络包括MODBUS网络、HART网络或FieldBUS网络。
在一些实施例中,该电子设备是云服务器。
提供发明内容部分是为了以简化的形式来介绍对概念的选择,它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征,也无意限制本公开的范围。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中在本公开示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了用于离线视频分析的示例网络架构的示意图;
图2示出了基于现场识别服务器的示例网络架构的示意图;
图3A示出了本公开的实施例可以在其中被实现的示例网络架构的示意图;
图3B示出了本公开的实施例可以在其中被实现的另一示例网络架构的示意图;
图4示出了根据本公开的实施例的工业控制过程的流程图;
图5示出了根据本公开的实施例的图像识别侧的用于工业控制的方法的流程图;
图6示出了根据本公开的实施例的服务器侧的用于工业控制的方法的流程图;以及
图7示出了可以用来实施本公开的实施例的示例设备的示意性框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
近年来,人工智能技术在各个领域都得到爆发式的发展,推动各个行业向数字化转型。在工业控制领域,工业控制由工业设备自动化向信息管理网络化发展也在如火如荼地进行。因此,一个趋势是,将工业设备并入工业控制网络,从而实现对工业设备的网络化管理。
另一方面,由于不同制造商生产的设备在许多方面存在不同,可能找不到与设备匹配的监测设备。这导致很难监测设备的操作状态,并且将监测到的信息输入工业控制网络。因此,期望提供一种通用的、特别适用于不兼容设备的设备状态监测手段。
图像识别技术作为人工智能最主要的信息输入技术,近年来也得到飞速的发展,成为数字化信息管理最重要的的技术引擎之一。对于图像识别系统的网络化数据应用,目前公知的方法主要分为两大类,一类是离线视频分析法,另一类是现场识别服务器法,下面将进行描述。
图1示出了用于离线视频分析的示例网络架构100的示意图。图1所示的网络架构可以应用于例如道路交通监控、小区安防监控等。示例网络架构100主要包括现场视频摄录装置120和离线视频识别装置130。摄像机110捕获现场场景的数字信息。现场视频摄录装置120的接收单元121接收来自摄像机110的数字信息,并且形成视频流。现场视频摄录装置120的存储单元123用于保存视频流。例如,现场视频摄录装置120可以经由局域网160与离线视频识别装置130通信。离线视频识别装置130的识别单元133可以接收来自存储单元123的存储的视频,并且对该视频进行分析和识别。例如,离线视频识别装置130可以经由互联网170与云服务平台通信。离线视频识别装置130的通信单元131可以将识别单元133所识别的结果传送给云服务器140。云服务器140可以将识别结果存储在现场事件数据库141中。客户端150可以经由例如互联网170与云服务平台通信。客户端150的应用程序可以从云服务器140获取有价值的现场状态信息。
图1所示的方案的优点是成本低廉,性能稳定,系统升级维护比较方便。然而,如上面所讨论的,现场视频摄录装置120和离线视频识别装置130通常不同步工作。这导致系统的实时性不强,因而限制了很多应用。
图2示出了基于现场识别服务器的示例网络架构200的示意图。
图2所示的网络架构可以应用于例如一些安检系统。与图1不同的是,在图2所示的示例网络架构200中,接收单元231、识别单元233和通信单元235被集成在一个设备中,该设备被称为视频识别服务器230。摄像机110捕获现场场景的数字信息。接收单元231接收来自摄像机110的数字信息,并且形成视频流。识别单元233对视频进行分析和识别。通信单元235用于识别结果数据传输。例如,视频识别服务器230和客户端250均可以经由互联网170与网络上专用的服务发现服务器240通信。客户端250的应用程序可以通过服务发现服务器240获取视频识别服务器230的地址,并且与视频识别服务器230建立起数据通信。从而,客户端250可以经由互联网170直接从通信单元235获取识别结果。
图2所示的方案的优点是数据服务实时性强,特别适用于需要对现场进行实时反应的场景。然而,由于视频识别服务器230需要同时处理视频接收、视频识别分析和数据发送服务,因此硬件性能要求比较高。这导致图2所示的系统架构的建设和运营成本高。此外,由于客户端250直接从视频识别服务器230获取数据,当客户端数量增加时,容易造成视频识别服务器230工作不稳定。
本公开可用于工业控制现场的图像识别,并且适用于对原有工业控制系统的升级改造。通过并入图像识别,本公开可实现对原有工业控制系统的数字化和网络化升级,并且可实现对工业控制系统的人工智能管理。本公开的目的是提出一种简便的使图像识别数据信息与现有网络系统进行融合的方法。本公开既实现了实时的图像识别,又保证了系统的稳定性和可靠性。
图3A示出了本公开的实施例可以在其中被实现的示例网络架构的示意图。应当理解,仅出于示例性的目的描述示例网络架构的结构和功能而不是暗示对于本公开的范围的任何限制。本公开的实施例可以被体现在不同的结构和/或功能中。
如图3A所示,示例网络架构可以包括图像捕获设备310、图像识别设备320、服务器340和控制器380。图像捕获设备310可以捕获工业设备(未示出)的指示器(未示出)的图像。指示器可以指示工业设备的状态。仅作为示例而非限制性地,工业设备可以是汇流排(还称为母线),指示器可以是贴在汇流排上的温度纸。当汇流排中流过的电流过高时,汇流排的温度升高,温度纸会发生颜色变化。因此,可以从温度纸的图像中识别出汇流排的温度,进而基于温度向汇流排的控制器发出控制信号,例如以控制流过汇流排的电流。在备选实施例中,指示器可以是指示灯、维修指示牌、诸如电压表、电流表的仪表、开关指示器等。
图像识别设备320主要包括处理器321、存储器322和通信模块325。存储器322被耦合到处理器321并且存储由处理器321执行的指令。指令当由处理器321执行时,使得图像识别设备320执行一个或多个动作。处理器321可以接收由图像捕获设备310实时捕获的图像,并且根据指定的图像处理算法,实时地对图像进行分析和识别。处理器321可以从图像中智能化地提取用户感兴趣的图像区域,并且将兴趣区域转换成与工业设备的状态有关的数据,以便后续用于现场控制。例如,该数据可以是诸如电压值或电流值的现场仪表读数、现场设备指示灯的状态、断路器分/合闸手柄的位置状态等。以这种方式,本公开提出一种基于图像识别的网络架构。通过使用图像捕获设备310来监测工业设备的操作状态,本公开的方法可以监测来自各种制造商的各种设备的操作状态。因此,本公开提供了一种通用的、特别适用于不兼容设备的设备状态监测方法。
图像识别设备320的通信模块325的功能是将识别数据按照工业控制网络360的协议封装,使得数据能被工业控制网络360上的其它设备访问。典型的工业控制网络360包括MODBUS网络、HART网络、FieldBUS网络等。备选地,通信模块325还可以将数据传输至已知的或未来开发的其他工业控制网络。通信模块325可以将数据经由工业控制网络360发送给服务器340。
服务器340可以持续地向在服务器340处注册的各个现场设备发出数据查询请求指令。图像识别设备320在接收到服务器340的数据查询请求指令后,将当前的指示器图像识别结果数据发送给服务器340。服务器340可以将识别数据保存在数据库341中,并且可以对数据库341中的数据进行综合判断分析。必要时,服务器340可以产生设备控制指令,并且将控制指令发送给特定的控制器380。控制器380可以根据控制指令来调整图像识别设备320所监测的工业设备的操作状态。
通过将工业控制网络通信功能并入图像识别设备320中,图像识别设备320可以与已有的工业控制网络360上的设备(例如控制器380)融合。以这种方式,本公开使通过图像识别产生的数据能方便地与现有的工业控制网络融合,而不需要为图像识别系统开发单独的网络系统。
此外,通过将工业控制网络通信功能并入图像识别设备320中,图像识别设备320可以与工业控制网络协议兼容,并且可以实现模块化、标准化设计,从而具有很强的通用性。
通过以上讨论可见,本公开的方法不仅可以实现对所捕获的图像的实时识别,而且使图像识别系统产生的数据能方便地接入到现有的工业控制网络系统中,而不需要对现有网络服务器进行升级改造。从而提高工业控制系统数字化整合效率,减少研发成本。由于与现有的工业控制网络系统兼容,可以充分利用现有工业控制网络系统,不破坏现有的网络架构,保证了系统的可靠性和成熟性。
图3B示出了本公开的实施例可以在其中被实现的另一示例网络架构的示意图。应当理解,仅出于示例性的目的描述示例网络架构的结构和功能而不是暗示对于本公开的范围的任何限制。本公开的实施例可以被体现在不同的结构和/或功能中。
作为示例而非限制性地,图像捕获设备310可以是相机或摄像机,以用于捕获图像数据或视频数据。图像捕获设备310可以将现场的视觉场景通过光电传感器转换成数字信息。图像识别设备320可以实时地接收该数字信息,以形成图像或视频流。在形成视频流的情况下,图像识别设备320可以从视频流中截取图像以进行分析和识别。
在一些实施例中,图像识别设备320可以包括缓存模块323。缓存模块323可以在本地缓存来自处理器321的识别数据,以供后续的模块访问。通信模块325可以将缓存模块323中的数据发送给服务器340,以便网络上的设备通过服务器340访问数据。
为了进一步实现图像识别数据的网络化应用,图3B还涉及客户端350。图像识别设备320可以连接到工业控制网络360的总线。在一些实施例中,工业控制网络360经由网关330连接到另一网络(例如互联网170或其他广域网),从而与服务器340进行通信。通过网关330,工业控制网络360上的设备(例如图像识别设备320)可以被互联网170上的的其它设备访问。客户端350也可以经由互联网170与服务器340通信。在备选实施例中,图像识别设备320和客户端350可以经由工业控制网络360直接与服务器340通信,而未经过互联网170。因此,本公开的网络架构可以应用于局域网和广域网两者。
响应于客户端350的请求,服务器340可以将数据库341中的数据发送给客户端350,从而实现图像识别数据的网络化应用。客户端350的功能是向服务器340发送数据服务请求,然后从服务器340接收数据,进行数据处理和显示,以及根据用户操作向服务器340发送设备控制指令。
在一些实施例中,服务器340可以是云服务器。以这种方式,本公开的设备或系统可以通过工业控制网络360这一通信方式与现有云服务平台融合,从而与现有的云服务架构兼容。因此,不需要为了实现图像识别而专门建立一套网络系统。这为图像识别系统的网络化应用提供了简便的解决方案,并且解决了为图像识别系统实现网络化数据应用可能带来的研发成本过高、难以推广使用等技术问题。备选地,服务器340也可以是其它类型的服务器。
在图3B的示例网络架构中,图像捕获设备310、图像识别设备320和控制器380可以形成工业控制系统390,其可以被称为“设备端”。工业控制系统390中的设备通过工业控制网络360的总线互连,从而形成一个局域网。基于来自图像识别设备320的图像识别数据,服务器340可以向控制器380发出控制信号,以便通过控制器380来控制所监测的工业设备。因此,图像识别设备320和控制器380可以构成闭环的工业控制网络360。仅作为示例而非限制性地,控制器380可以包括低压配电控制模块、马达控制保护模块、以及带有以太网通信功能的可编程逻辑控制器(PLC)模块。可选地,工业控制系统390还可以包括其他设备385,例如终端配电网络连接模块和电网质量检测表计等。
因此,本公开可以充分利用现有的技术设备和方案,将现场设备图像识别功能融合在通用的网络架构或通用的成熟的方案中,从而降低了设备投入的成本,为现有系统的升级改造提供了快速而又简便的方案,并且方便推广应用。
应当理解,图3B中示出的设备数目以及设备之间的布置仅是一个示例。在其他实现中,可以包括更多、更少或其他不同数目的工业控制系统、图像捕获设备、图像识别设备和客户端等。例如,在同一局域网中(即,在同一工业控制系统390中),可以存在多个图像识别设备320。只要对相同类型的多个设备赋予不同的地址并且在服务器340上完成注册,多个设备就可正常地被访问使用。类似地,在互联网系统中,可以存在相同网络结构的多个工业控制系统390。多个工业控制系统390可以分别通过各自的网关330接入互联网170,并且在服务器340上完成注册,就可正常地被访问使用。
在其他实现中,一个图像识别设备320可以对应于多个图像捕获设备310,其中每个图像捕获设备310用于捕获一个指示器的图像。一个工业设备可以具有一个或多个指示器。以这种方式,一个图像识别设备320可以识别多个工业设备的操作状态或者一个工业设备的多个操作参数。
图4示出了根据本公开的实施例的工业控制过程400的流程图。过程400可以在图3A或者图3B中的网络架构中被实现。过程400涉及图像识别设备320、服务器340和控制器380、以及可能还涉及客户端350。为了讨论的目的,将参考图3A和图3B来描述过程400。
在图像识别设备320开启工业现场图像识别功能之后,图像识别设备320获取405工业设备的指示器的图像。该图像是由图像捕获设备310实时捕获的。如上所述,指示器可以指示工业设备的状态。
图像识别设备320的处理器321可以通过图像识别算法,实时地从图像中识别410与工业设备的状态相关联的数据。该数据可以涉及现场设备的工作状态,例如按钮的开关状态、指示灯的开关状态、电表的读数等。
可选地,服务器340可以持续地以一定时间间隔向图像识别设备320发送420数据查询请求,以查询在服务器340处注册的各个现场设备的运行状态数据。在备选实现中,网关330(而不是服务器340)持续地向图像识别设备320发送数据查询请求,并且网关330将从图像识别设备320接收的数据自动地发送给服务器340。
在接收到来自服务器340或者网关330的查询请求之后,图像识别设备320的通信模块325可以将识别数据经由工业控制网络360发送425给服务器340。为了发送识别数据,图像识别设备320可以将识别数据转换为具有工业控制网络360的协议格式的数据。
服务器340可以将来自每个图像识别设备320的设备运行状态数据保持在数据库341中。服务器340还可以对数据库341中的设备运行状态数据进行综合诊断分析,以便基于接收的数据确定430工业设备的状态。
在工业设备的状态满足程序条件的情况下,服务器340可以向相应的工业设备的控制器380发送435控制信号(称为“第一控制信号”)。控制器380可以根据第一控制信号来调整工业设备的运行状态。
可选地,图像识别设备320的处理器321可以将识别数据本地地保存415在缓存模块323中,以便后续模块(例如通信模块325)访问。
可选地,在远程客户端350的应用程序被启动后,客户端350的应用程序可以尝试与服务器340连接。如果连接成功,则客户端350的应用程序可以向服务器340发送440查询请求,以获取现场设备状态的图像识别数据。
可选地,服务器340可以搜索客户端请求。如果发现客户端请求,则服务器340根据来自客户端350的查询请求,将相应的现场设备状态数据发送445给客户端350。
可选地,在获得设备状态数据后,客户端350的应用程序可以处理450数据并且将数据显示在客户端350处。基于该数据,客户端350的用户可以采取相应操作。
可选地,根据用户操作,客户端350可以向服务器340发送455针对工业设备的控制指令。然后,客户端350的应用程序判断是否有退出程序的用户操作。如果有退出程序操作,则客户端350的应用程序断开与服务器340的连接,并且从系统中退出。
可选地,在接收到来自客户端350的控制指令之后,服务器340可以根据客户端要求向相应的控制器380发出460控制信号(称为“第二控制信号”)。控制器380可以根据第二控制信号来调整工业设备的运行状态。
通过将工业控制网络通信功能并入图像识别设备320中,图像识别设备320可以与已有的工业控制网络上的设备(例如控制器380)融合,并且进而与现有的互联网云服务结合起来。从而,组成从现场设备状态的图像识别(作为工业控制系统的数据输入)、到云服务器数据诊断分析和客户端数据呈现和用户操作、再到现场工业控制器(作为控制输出)的闭环控制系统。
此外,由于客户端350只与服务器340发生联系,而不与图像识别设备320的模块发生联系,因而客户端350的数量和数据请求不会增加图像识别设备320的工作负担。因此,整个系统可以在稳定和可靠的状态下工作。
图5示出了根据本公开的实施例的图像识别侧的用于工业控制的方法500的流程图。例如,方法500可以由如图3A或图3B所示的图像识别设备320来执行。应当理解的是,方法500还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法500的虚线框指示可选框。
在510,图像识别设备320可以获取工业设备的指示器的图像,图像由图像捕获设备310实时捕获,指示器指示工业设备的状态。在520,图像识别设备320可以实时地从图像中识别与工业设备的状态相关联的数据。在可选的530,图像识别设备320可以在将数据发送给服务器340之前,在本地缓存数据。在540,图像识别设备320可以将数据经由工业控制网络360发送给服务器340。
在一些实施例中,工业控制网络360经由另一网络(例如互联网170)与服务器340连接。
在一些实施例中,工业控制网络360包括MODBUS网络、HART网络或FieldBUS网络。
在一些实施例中,服务器340是云服务器。
在一些实施例中,获取工业设备的指示器的图像包括:获取在一段时间内捕获的视频流;以及从视频流中截取图像。
图6示出了根据本公开的实施例的服务器侧的用于工业控制的方法600的流程图。例如,方法600可以由如图3A或图3B所示的服务器340来执行。应当理解的是,方法600还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法600的虚线框指示可选框。
在可选的610,服务器340可以向图像识别设备320发送查询请求。在620,服务器340可以经由工业控制网络360接收来自图像识别设备320的数据,数据是从实时捕获的工业设备的指示器的图像中获得的。在630,服务器340可以基于数据确定工业设备的状态。在640,服务器340可以基于工业设备的状态,向工业设备的控制器380发送第一控制信号。
在可选的650,服务器340可以响应于来自客户端350的查询请求,将数据发送给客户端350。
在可选的660,服务器340可以接收来自客户端350的基于数据的控制指令。
在可选的670,服务器340可以基于控制指令,向工业设备的控制器380发送第二控制信号。
在一些实施例中,服务器340可以经由与工业控制网络360连接的另一网络(例如互联网170)来接收数据。
在一些实施例中,工业控制网络360包括MODBUS网络、HART网络或FieldBUS网络。
图7示出了可以用来实施本公开的实施例的示例设备700的示意性框图。图3A或图3B所示的图像识别设备320和服务器340可以由示例设备700来实现。
如图所示,设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序指令,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法500和600,可由处理单元701执行。例如,在一些实施例中,方法500和600可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序被加载到RAM 703并由CPU 701执行时,可以执行上文描述的方法500和600的一个或多个框。备选地,CPU 701也可以通过任何其他适当的方式(例如,借助于固件)而被配置为执行上文描述的方法500和600。
如上所述,本公开可以应用于工业控制领域,例如,电气盘柜的数字化智能管理。在其他实现中,本公开也可用于商场、交通现场、安检等自动化图像识别系统。
综上,本公开的优点在于:本公开既实现了实时的图像识别,又保证了系统的稳定性和可靠性。并入工业控制网络通信功能的图像识别设备320可以便于模块化、标准化设计,具有很强的通用性。本公开可以充分利用现有的技术设备和方案,将现场设备图像识别功能融合在通用的网络架构或通用的成熟的方案中,从而降低了设备投入的成本,为现有系统的升级改造提供了快速而又简便的方案,并且方便推广应用。
本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本公开的各个方面的计算机可读程序指令。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (23)
1.一种用于工业控制的方法,包括:
获取工业设备的指示器的图像,所述图像由图像捕获设备(310)实时捕获,所述指示器指示所述工业设备的状态;
实时地从所述图像中识别与所述工业设备的所述状态相关联的数据;以及
将所述数据经由工业控制网络(360)发送给服务器(340)。
2.根据权利要求1所述的方法,其中所述工业控制网络(360)经由另一网络与所述服务器(340)连接。
3.根据权利要求1所述的方法,其中所述工业控制网络(360)包括MODBUS网络、HART网络或FieldBUS网络。
4.根据权利要求1所述的方法,其中所述服务器(340)是云服务器。
5.根据权利要求1所述的方法,还包括:
在将所述数据发送给所述服务器(340)之前,在本地缓存所述数据。
6.根据权利要求1所述的方法,其中获取工业设备的指示器的图像包括:
获取在一段时间内捕获的视频流;以及
从所述视频流中截取所述图像。
7.一种用于工业控制的方法,包括:
经由工业控制网络(360)接收来自图像识别设备(320)的数据,所述数据是从实时捕获的工业设备的指示器的图像中获得的;
基于所述数据确定所述工业设备的状态;以及
基于所述工业设备的所述状态,向所述工业设备的控制器(380)发送第一控制信号。
8.根据权利要求7所述的方法,还包括:
响应于来自客户端(350)的查询请求,将所述数据发送给所述客户端(350)。
9.根据权利要求8所述的方法,还包括:
接收来自所述客户端(350)的基于所述数据的控制指令;以及
基于所述控制指令,向所述工业设备的所述控制器(380)发送第二控制信号。
10.根据权利要求7所述的方法,其中接收所述数据包括:
经由与所述工业控制网络(360)连接的另一网络来接收所述数据。
11.根据权利要求7所述的方法,其中所述工业控制网络(360)包括MODBUS网络、HART网络或FieldBUS网络。
12.一种电子设备,包括:
至少一个处理器(321);
至少一个存储器(322),所述至少一个存储器(322)被耦合到所述至少一个处理器(321)并且存储由所述至少一个处理器(321)执行的指令,所述指令当由所述至少一个处理器(321)执行时,使得所述电子设备执行动作,所述动作包括:
获取工业设备的指示器的图像,所述图像由图像捕获设备(310)实时捕获,所述指示器指示所述工业设备的状态;以及
实时地从所述图像中识别与所述工业设备的所述状态相关联的数据;以及
通信模块(325),被配置为将所述数据经由工业控制网络(360)发送给服务器(340)。
13.根据权利要求12所述的电子设备,其中所述工业控制网络(360)经由另一网络与所述服务器(340)连接。
14.根据权利要求12所述的电子设备,其中所述工业控制网络(360)包括MODBUS网络、HART网络或FieldBUS网络。
15.根据权利要求12所述的电子设备,其中所述服务器(340)是云服务器。
16.根据权利要求12所述的电子设备,还包括:
缓存模块(323),被配置为在将所述数据发送给所述服务器(340)之前,在本地缓存所述数据。
17.根据权利要求12所述的电子设备,其中获取工业设备的指示器的图像包括:
获取在一段时间内捕获的视频流;以及
从所述视频流中截取所述图像。
18.一种电子设备,包括:
至少一个处理器;
至少一个存储器,所述至少一个存储器被耦合到所述至少一个处理器并且存储由所述至少一个处理器执行的指令,所述指令当由所述至少一个处理器执行时,使得所述电子设备执行动作,所述动作包括:
经由工业控制网络(360)接收来自图像识别设备(320)的数据,所述数据是从实时捕获的工业设备的指示器的图像中获得的;
基于所述数据确定所述工业设备的状态;以及
基于所述工业设备的所述状态,向所述工业设备的控制器(380)发送第一控制信号。
19.根据权利要求18所述的电子设备,其中所述动作还包括:
响应于来自客户端(350)的查询请求,将所述数据发送给所述客户端(350)。
20.根据权利要求19所述的电子设备,其中所述动作还包括:
接收来自所述客户端(350)的基于所述数据的控制指令;以及
基于所述控制指令,向所述工业设备的所述控制器(380)发送第二控制信号。
21.根据权利要求18所述的电子设备,其中接收所述数据包括:
经由与所述工业控制网络(360)连接的另一网络来接收所述数据。
22.根据权利要求18所述的电子设备,其中所述工业控制网络(360)包括MODBUS网络、HART网络或FieldBUS网络。
23.根据权利要求18所述的电子设备,其中所述电子设备是云服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811278972.1A CN111123849A (zh) | 2018-10-30 | 2018-10-30 | 用于工业控制的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811278972.1A CN111123849A (zh) | 2018-10-30 | 2018-10-30 | 用于工业控制的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111123849A true CN111123849A (zh) | 2020-05-08 |
Family
ID=70484505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811278972.1A Pending CN111123849A (zh) | 2018-10-30 | 2018-10-30 | 用于工业控制的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123849A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0977213A (ja) * | 1995-09-13 | 1997-03-25 | Daifuku Co Ltd | 自動倉庫 |
US6698021B1 (en) * | 1999-10-12 | 2004-02-24 | Vigilos, Inc. | System and method for remote control of surveillance devices |
CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
CN103105581A (zh) * | 2013-01-24 | 2013-05-15 | 上海毕励电子科技有限公司 | 基于视频识别的电气设备状态量采集方法 |
CN105302209A (zh) * | 2015-11-26 | 2016-02-03 | 国网新疆电力公司信息通信公司 | 电力站用风光发电自动调温系统及其使用方法 |
CN105578118A (zh) * | 2014-10-09 | 2016-05-11 | 西安冉科信息技术有限公司 | 一种监控装置 |
CN205232268U (zh) * | 2015-12-23 | 2016-05-11 | 深圳长城开发科技股份有限公司 | Esd工业物联网系统 |
CN107341489A (zh) * | 2017-06-20 | 2017-11-10 | 清华大学 | 一种用于机房监控的图像识别系统 |
CN107479524A (zh) * | 2017-10-09 | 2017-12-15 | 天津科技大学 | 一种加密型Profinet通讯模式的智能风电场SCADA系统 |
CN107786850A (zh) * | 2017-11-02 | 2018-03-09 | 上海达实联欣科技发展有限公司 | 一种主控室智能监测系统及方法 |
JP2018120373A (ja) * | 2017-01-24 | 2018-08-02 | 株式会社安川電機 | 産業機器用の画像認識装置及び画像認識方法 |
-
2018
- 2018-10-30 CN CN201811278972.1A patent/CN111123849A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0977213A (ja) * | 1995-09-13 | 1997-03-25 | Daifuku Co Ltd | 自動倉庫 |
US6698021B1 (en) * | 1999-10-12 | 2004-02-24 | Vigilos, Inc. | System and method for remote control of surveillance devices |
CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
CN103105581A (zh) * | 2013-01-24 | 2013-05-15 | 上海毕励电子科技有限公司 | 基于视频识别的电气设备状态量采集方法 |
CN105578118A (zh) * | 2014-10-09 | 2016-05-11 | 西安冉科信息技术有限公司 | 一种监控装置 |
CN105302209A (zh) * | 2015-11-26 | 2016-02-03 | 国网新疆电力公司信息通信公司 | 电力站用风光发电自动调温系统及其使用方法 |
CN205232268U (zh) * | 2015-12-23 | 2016-05-11 | 深圳长城开发科技股份有限公司 | Esd工业物联网系统 |
JP2018120373A (ja) * | 2017-01-24 | 2018-08-02 | 株式会社安川電機 | 産業機器用の画像認識装置及び画像認識方法 |
CN107341489A (zh) * | 2017-06-20 | 2017-11-10 | 清华大学 | 一种用于机房监控的图像识别系统 |
CN107479524A (zh) * | 2017-10-09 | 2017-12-15 | 天津科技大学 | 一种加密型Profinet通讯模式的智能风电场SCADA系统 |
CN107786850A (zh) * | 2017-11-02 | 2018-03-09 | 上海达实联欣科技发展有限公司 | 一种主控室智能监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210389293A1 (en) | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis | |
CN102420726B (zh) | 智能变电站通信网络状态监测方法 | |
WO2022083416A1 (zh) | 一种虚实结合的变电站通信网络全景可视化方法及装置 | |
CN109144011A (zh) | 配电房管理系统 | |
CN110807460B (zh) | 一种基于图像识别的变电站智能巡视系统及其应用方法 | |
CN111797725A (zh) | 一种设备状态检测方法、装置及系统 | |
KR20160143456A (ko) | 전력 관리 기능을 갖는 시스템 및 사용자 단말기, 및 이것의 전력 관리 방법 | |
CN109713789B (zh) | 一种基于bim技术的变配电所智能实时分级报警方法 | |
CN103647347A (zh) | 基于视频精确识别的变电站内设备状态巡视管理系统 | |
CN113660348A (zh) | 一种物联网系统架构及其终端设备 | |
CN110191162B (zh) | 一种配电通信设备现场运维方法、服务器及系统 | |
KR101950335B1 (ko) | 이미지 캡처를 이용한 통합 모니터링 시스템 및 방법 | |
CN110855724A (zh) | 智能摄像机的云运维管理方法、系统及在停车计费的应用 | |
CN112004012A (zh) | 一种开关柜运行状态管理检测系统、方法、计算机设备 | |
CN110176085A (zh) | 基于二维码的电站设备巡检系统 | |
CN111123849A (zh) | 用于工业控制的方法和设备 | |
CN117118076A (zh) | 变电站二次系统检测云平台及检测方法 | |
CN104270432A (zh) | 基于钻井行业实时数据服务系统及数据交互方法 | |
CN115085921B (zh) | 模型训练方法、节点检测方法、装置、设备及介质 | |
CN114726916B (zh) | 一种基于边缘物联代理的数据传输管理系统、方法 | |
CN114243914B (zh) | 电力监控系统 | |
CN113315769B (zh) | 工控资产信息收集方法及装置 | |
CN214666961U (zh) | 一种用于智慧园区的环境监测装置 | |
CN114979214A (zh) | 一种输电线路的智能协同告警系统、方法及装置 | |
CN110730163B (zh) | 一种变电站主辅控联动方法及变电站辅控设备 |
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 |